【技术实现步骤摘要】
本公开涉及神经网络训练，具体涉及一种多类型目标识别模型的训练方法、装置、设备和介质。
技术介绍
1、现有人工智能技术当中，针对目标中不同对象的识别往往会采用部署多个不同的识别模型来完成，每个识别模型可以识别目标中一种类型的对象，但是随着目标中对象的类型越来越多，识别模型的数量也会随之增加，进而造成在对目标中对象进行识别的过程中资源占用率高，数据处理缓慢等问题，因此相关技术中提出了构建多类型目标识别模型的方案。构建多类型目标识别模型需要具有多类型标注标签的样本数据。但是由于各种原因，已有样本数据仅是具有人工标注的单类型标签的数据。为了实现多类型目标识别模型的训练，还需要为已有样本数据人工添加缺失的类型标注标签。但是人工添加缺失类型标注标签的方式成本过高，且效率较低。
技术实现思路
1、为了解决上述技术问题，本公开实施例提供一种多类型目标识别模型的训练方法、装置、设备和介质。
2、第一方面，本公开实施例提供一种多类型目标识别模型的训练方法，包括：
3、获取多组样本数据集...
【技术保护点】
1.一种多类型目标识别模型的训练方法，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，所述采用所有所述样本数据集中的样本数据、对应的人工标注标签和模型标注标签训练所述初始多类型目标识别模型，包括：
3.根据权利要求1所述的方法，其特征在于，所述输出数据包括对象识别概率数据和与所述对象识别概率数据关联的置信度数据；
4.根据权利要求3所述的方法，其特征在于，所述置信度阈值包括第一阈值和第二阈值，所述第一阈值大于所述第二阈值；
5.根据权利要求4所述的方法，其特征在于，所述基于所述可信输出数据对所述初步识别模型...
【技术特征摘要】
1.一种多类型目标识别模型的训练方法，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，所述采用所有所述样本数据集中的样本数据、对应的人工标注标签和模型标注标签训练所述初始多类型目标识别模型，包括：
3.根据权利要求1所述的方法，其特征在于，所述输出数据包括对象识别概率数据和与所述对象识别概率数据关联的置信度数据；
4.根据权利要求3所述的方法，其特征在于，所述置信度阈值包括第一阈值和第二阈值，所述第一阈值大于所述第二阈值；
5.根据权利要求4所述的方法，其特征在于，所述基于所述可信输出数据对所述初步识别模型进行再训练，包括：
...【专利技术属性】
技术研发人员：杨林，
申请(专利权)人：北京罗克维尔斯科技有限公司，
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。