【技术实现步骤摘要】
本申请涉及人工智能领域，具体涉及一种图像回归器训练方法与相关方法、装置、设备及介质。
技术介绍
1、人群计数重点是评估图片中的人数，尤其在非常拥挤和复杂背景的场景中。因其在公共安全、交通监控和农业等领域的广泛应用而日益受到关注。近些年来，深度学习的出现使人群计数取得了重大进展。已有的大多方法将人群计数看做密度图回归的问题，即训练一个密度图图像回归器，输入图片，输出密度图。模型训练时学习的目标密度图是通过设定的高斯核在点标签上进行卷积操作生成的。然而，点标签在人头内部的位置表现出相当大的方差(标签方差，即点在人头内部任意位置而非人头中心)，这实际上阻碍了模型的准确学习。标签方差是一个固有的问题，即标注点被粗略地放置在头部区域内，而不是精确的中心位置。
2、在相关技术中，已经有很多相关弱化标签方差影响的方法，例如为标签不确定性的量化提供数学框架，或者将标签噪声视为随机变量，随后导出人群密度图相应的概率密度函数，上述现有方法都是以间接的方式来最小化标签不确定带来的影响，只考虑了带噪声的点标签，并没有改善对目标精确空间信息的感知。因...
【技术保护点】
1.一种图像回归器训练方法，其特征在于，包括：
2.根据权利要求1所述的一种图像回归器训练方法，其特征在于，所述目标分割器为经过包含人头框标注的图像训练得到的；
3.根据权利要求1所述的一种图像回归器训练方法，其特征在于，所述基于图像回归器，在所述第一预测分割掩码作为上下文提示下输出所述图像特征对应的第一预测密度图，包括：
4.根据权利要求3所述的一种图像回归器训练方法，其特征在于，将所述第一预测密度图结合目标分割器预输出的第一分割掩码，生成目标分割掩码，包括：
5.根据权利要求1所述的一种图像回归器训练方法，其特征在于...
【技术特征摘要】
1.一种图像回归器训练方法，其特征在于，包括：
2.根据权利要求1所述的一种图像回归器训练方法，其特征在于，所述目标分割器为经过包含人头框标注的图像训练得到的；
3.根据权利要求1所述的一种图像回归器训练方法，其特征在于，所述基于图像回归器，在所述第一预测分割掩码作为上下文提示下输出所述图像特征对应的第一预测密度图，包括：
4.根据权利要求3所述的一种图像回归器训练方法，其特征在于，将所述第一预测密度图结合目标分割器预输出的第一分割掩码，生成目标分割掩码，包括：
5.根据权利要求1所述的一种图像回归器训练方法，其特征在于，所述根据所述目标分割掩码对所述目标分割器进行提示训练，包括：
6.根据权利要求1所述的一种图像回归器训练方法，其特征在...
【专利技术属性】
技术研发人员：王耀威，郭明月，颜肇义，叶齐祥，
申请(专利权)人：鹏城实验室，
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。