【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
【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...
【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。