【技术实现步骤摘要】
【】本申请涉及智能家居领域，具体而言，涉及一种识别模型的获取方法和装置、存储介质及电子装置。
技术介绍
0、
技术介绍
1、目前，可以使用基于神经网络的目标识别模型进行目标识别，而为了适应于小型设备的硬件处理能力，目标识别模型可以选择轻量化网络。例如，扫地机在清扫的过程中，需要对宠物做出规避动作避免打扰和缠绕碾压，而扫地机的硬件配置有限，可以在扫地机上部署轻量化网络的目标识别模型对宠物进行识别。
2、然而，轻量化网络并不能完全发挥硬件的全部性能，且在不同的硬件下表现不一致，进而影响目标识别的性能。相关技术中使用轻量化网络进行目标识别的方式，存在由于设备硬件的利用率低导致的目标识别的性能差的问题。
技术实现思路
0、
技术实现思路
1、本申请的目的在于提供一种识别模型的获取方法和装置、存储介质及电子装置，以至少解决相关技术中的识别模型的获取方法存在由于无法准确区分形状相似目标导致的目标识别的准确度低的问题。
2、本申请的目的是通过以下技术方案实现：
3、根据本申请实施例的一个方面，提供了一种识别模型的获取方法，包括：获取与初始识别模型的主干网络中的多层卷积层中的每层卷积层对应的第一硬件参数，其中，所述第一硬件参数为初始识别模型对于硬件性能利用率相关的参数；根据与所述每层卷积层对应的所述第一硬件参数，从所述多层卷积层中选取出待替换卷积层；使用预设的候选卷积层替换所述初始识别模型中的所述待替换卷积层，得到第一识别模型。>
4、根据本申请实施例的另一个方面，还提供了一种识别模型的获取装置，包括：获取单元，用于获取与初始识别模型的主干网络中的多层卷积层中的每层卷积层对应的第一硬件参数，其中，所述第一硬件参数为初始识别模型对于硬件性能利用率相关的参数；选取单元，用于根据与所述每层卷积层对应的所述第一硬件参数，从所述多层卷积层中选取出待替换卷积层；替换单元，用于使用预设的候选卷积层替换所述初始识别模型中的所述待替换卷积层，得到第一识别模型。
5、根据本申请实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述识别模型的获取方法。
6、根据本申请实施例的又一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，上述处理器通过计算机程序执行上述的识别模型的获取方法。
7、在本申请实施例中，采用基于识别模型的主干网络上的卷积层中硬件性能利用率相关的参数进行卷积层选取与替换的方式，获取与初始识别模型的主干网络中的多层卷积层中的每层卷积层对应的第一硬件参数，其中，第一硬件参数为初始识别模型对于硬件性能利用率相关的参数；根据与每层卷积层对应的第一硬件参数，从多层卷积层中选取出待替换卷积层；使用预设的候选卷积层替换初始识别模型中的待替换卷积层，得到第一识别模型，由于基于识别模型的主干网络中的每层卷积层对应的、与识别模型对于硬件性能利用率相关的参数选取可替换的卷积层，以便替换硬件性能利用率低的卷积层；将选取的卷积层替换为预设的候选卷积层，由于候选卷积层是预设的，其硬件性能利用率可控，可以实现提高设备硬件的利用率的目的，达到提高目标识别性能的技术效果，进而解决了相关技术中使用轻量化网络进行目标识别的方式存在由于设备硬件的利用率低导致的目标识别的性能差的问题。
本文档来自技高网...【技术保护点】
1.一种识别模型的获取方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取与初始识别模型的主干网络中的多层卷积层中的每层卷积层对应的第一硬件参数，包括：
3.根据权利要求2所述的方法，其特征在于，所述在对所述初始识别模型进行模型加载和模型推理的过程中，获取与所述每层卷积层对应的所述第一硬件参数，包括：
4.根据权利要求2所述的方法，其特征在于，所述根据与所述每层卷积层对应的所述第一硬件参数，从所述多层卷积层中选取出待替换卷积层，包括：
5.根据权利要求1所述的方法，其特征在于，所述候选卷积层包括多层特征通道数不同的可变卷积层；所述使用预设的候选卷积层替换所述初始识别模型中的所述待替换卷积层，得到第一识别模型，包括：
6.根据权利要求5所述的方法，其特征在于，所述第二硬件参数包括前后层间参数传递的数据吞吐量，片上内存与外置内存的数据通信频次，硬件资源占用率；
7.根据权利要求1至6中任一项所述的方法，其特征在于，在得到第一识别模型之后，所述方法还包括：
8.根据权利要求7所述
9.根据权利要求8所述的方法，其特征在于，所述对所述第二训练集中的样本图片执行预设处理操作，得到新增样本图片，包括以下至少之一：
10.根据权利要求1所述的方法，其特征在于，在所述使用预设的候选卷积层替换所述初始识别模型中的所述待替换卷积层，得到第一识别模型之后，所述方法还包括：
11.根据权利要求10所述的方法，其特征在于，在所述使用第三训练集对所述第一识别模型进行模型训练，得到第三识别模型之前，所述方法还包括：
12.根据权利要求11所述的方法，其特征在于，所述根据所述多个第一样本图片和所述多个第二样本图片，生成所述第三训练集，包括：
13.根据权利要求10所述的方法，其特征在于，在所述使用第三训练集对所述第一识别模型进行模型训练之后，所述方法还包括：
14.一种识别模型的获取装置，其特征在于，包括：
15.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行权利要求1至13中任一项所述的方法。
16.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行权利要求1至13中任一项所述的方法。
...【技术特征摘要】
1.一种识别模型的获取方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取与初始识别模型的主干网络中的多层卷积层中的每层卷积层对应的第一硬件参数，包括：
3.根据权利要求2所述的方法，其特征在于，所述在对所述初始识别模型进行模型加载和模型推理的过程中，获取与所述每层卷积层对应的所述第一硬件参数，包括：
4.根据权利要求2所述的方法，其特征在于，所述根据与所述每层卷积层对应的所述第一硬件参数，从所述多层卷积层中选取出待替换卷积层，包括：
5.根据权利要求1所述的方法，其特征在于，所述候选卷积层包括多层特征通道数不同的可变卷积层；所述使用预设的候选卷积层替换所述初始识别模型中的所述待替换卷积层，得到第一识别模型，包括：
6.根据权利要求5所述的方法，其特征在于，所述第二硬件参数包括前后层间参数传递的数据吞吐量，片上内存与外置内存的数据通信频次，硬件资源占用率；
7.根据权利要求1至6中任一项所述的方法，其特征在于，在得到第一识别模型之后，所述方法还包括：
8.根据权利要求7所述的方法，其特征在于，在所述将筛选后的所述第一数据集中的至少部分样本图片作为第二训练集对所述第一识别模型进行模型训练之前，所述方法还...
【专利技术属性】
技术研发人员：任凭，霍江浩，郁顺昌，
申请(专利权)人：追觅创新科技苏州有限公司，
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。