【技术实现步骤摘要】
本申请涉及计算机视觉领域，尤其涉及一种模型训练方法、场景类别标定方法、设备及可读介质。
技术介绍
1、本部分旨在为权利要求书中陈述的本申请的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就被认为是现有技术。
2、跨数据集目标检测在工程目标检测的应用中有着重要的意义，实际业务中，针对某一场景的目标检测通常需要以下一系列流程：首先需要标定该场景数据，然后对应某一特定场景进行检测模型训练和生成。当业务越来越多，模型也越来越多，这对部署成本来说是十分不利的；同时，对于常规检测模型也无法融合多个场景数据集来进行训练。
3、相关技术中，针对要执行跨数据集的多种检测任务的检测模型，其在训练时，对于无标定的数据集来说，需进行多种检测任务的标定；对于仅标定单一检测任务的不同数据集来说，需进行不同检测任务的交叉标定，而交叉标定则导致标定工作繁重，而繁重的标定工作将增加检测模型的训练成本。
4、因此，急需提出一种能够解决上述技术问题的模型训练方法、场景类别标定方法、设备及存储介质。
技<本文档来自技高网...
【技术保护点】
1.一种模型训练方法，其中，所述模型应用于场景类别标定，所述方法包括：
2.根据权利要求1所述的模型训练方法，其中，对任一图像样本进行特征标签处理，以将所述图像样本转换为对应的数值化特征空间数据，得到多个训练样本对，包括：
3.根据权利要求2所述的模型训练方法，其中，基于所述图像样本的场景类别，确定所述图像样本的mask值，包括：
4.根据权利要求2所述的模型训练方法，其中，基于所述图像样本的场景类别，确定所述图像样本的mask值，包括：
5.根据权利要求3或4所述的模型训练方法，其中，将所述训练样本对输入至预设场景类别...
【技术特征摘要】
1.一种模型训练方法，其中，所述模型应用于场景类别标定，所述方法包括：
2.根据权利要求1所述的模型训练方法，其中，对任一图像样本进行特征标签处理，以将所述图像样本转换为对应的数值化特征空间数据，得到多个训练样本对，包括：
3.根据权利要求2所述的模型训练方法，其中，基于所述图像样本的场景类别，确定所述图像样本的mask值，包括：
4.根据权利要求2所述的模型训练方法，其中，基于所述图像样本的场景类别，确定所述图像样本的mask值，包括：
5.根据权利要求3或4所述的模型训练方法，其中，将所述训练样本对输...
【专利技术属性】
技术研发人员：王宇轩，黄宇飞，郭彦宗，吴哲楠，黄秋慧，袁景伟，董士琪，杨森，蔡红，王岩，蒋行涛，刘巍，王岩，
申请(专利权)人：北京百舸飞驰科技有限公司，
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。