【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及一种模型训练优化方法、装置、电子设备及可读存储介质。
技术介绍
1、随着科技的高速发展，人工智能技术也越来越成熟，目前，针对于图像识别的待训练目标检测模型，通常以固定的样本权重构建损失函数，以构建得到的损失函数对待训练目标检测模型进行训练优化。但是，不同的训练样本对于损失计算的影响程度可能不同，当对于每个训练样本均采用固定的样本权重时，无法表达出不同训练样本对于模型损失计算的作用，从而导致训练得到的模型的预测准确性较低。
技术实现思路
1、本申请的主要目的在于提供一种模型训练优化方法、装置、电子设备及可读存储介质，旨在解决现有技术中训练得到的模型的预测准确性较低的技术问题。
2、为实现上述目的，本申请提供一种模型训练优化方法，所述模型训练优化方法包括：
3、获取多个训练样本和待训练目标检测模型，其中，一个训练样本由一个输入图像数据和所述输入图像数据对应的目标框选数据组成；
4、基于多个所述训练样本各自对应的预测框选数据分别与所...
【技术保护点】
1.一种模型训练优化方法，其特征在于，所述模型训练优化方法包括：
2.如权利要求1所述模型训练优化方法，其特征在于，所述基于多个所述训练样本各自对应的预测框选数据分别与所述目标框选数据之间的关系，计算多个所述训练样本各自对应的样本权重的步骤包括：
3.如权利要求2所述模型训练优化方法，其特征在于，所述通过所述待训练目标检测模型，确定所述目标样本对应的至少一个特征向量的步骤包括：
4.如权利要求2所述模型训练优化方法，其特征在于，所述向量权重包括位置损失函数对应的第一权重和分类损失函数对应的第二权重，
5.如权利要求4所述...
【技术特征摘要】
1.一种模型训练优化方法，其特征在于，所述模型训练优化方法包括：
2.如权利要求1所述模型训练优化方法，其特征在于，所述基于多个所述训练样本各自对应的预测框选数据分别与所述目标框选数据之间的关系，计算多个所述训练样本各自对应的样本权重的步骤包括：
3.如权利要求2所述模型训练优化方法，其特征在于，所述通过所述待训练目标检测模型，确定所述目标样本对应的至少一个特征向量的步骤包括：
4.如权利要求2所述模型训练优化方法，其特征在于，所述向量权重包括位置损失函数对应的第一权重和分类损失函数对应的第二权重，
5.如权利要求4所述模型训练优化方法，其特征在于，所述基于所述目标向量对应的预测框选数据与所述目标框选数据之间的关系，计算所述目标向量对应的框选差异值的步骤包括：
【专利技术属性】
技术研发人员：王晓晖，李昌毅，李彬，张杏婵，韦佳旭，梁婷，余聪聪，
申请(专利权)人：深圳小湃科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。