模型訓(xùn)練方法、對(duì)象識(shí)別方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
基本信息
| 申請(qǐng)?zhí)?/td> | CN202011136289.1 | 申請(qǐng)日 | - |
| 公開（公告）號(hào) | CN112016531A | 公開（公告）日 | 2020-12-01 |
| 申請(qǐng)公布號(hào) | CN112016531A | 申請(qǐng)公布日 | 2020-12-01 |
| 分類號(hào) | G06K9/00(2006.01)I | 分類 | 計(jì)算；推算；計(jì)數(shù); |
| 發(fā)明人 | 朱翔宇;羅振波;付培;吉翔 | 申請(qǐng)（專利權(quán)）人 | 成都睿沿科技有限公司 |
| 代理機(jī)構(gòu) | 北京超凡宏宇專利代理事務(wù)所（特殊普通合伙） | 代理人 | 成都睿沿科技有限公司 |
| 地址 | 610000四川省成都市高新區(qū)中國(guó)(四川)自由貿(mào)易試驗(yàn)區(qū)益州大道中段1800號(hào)4棟6層601號(hào) | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 本申請(qǐng)?zhí)峁┮环N模型訓(xùn)練方法、對(duì)象識(shí)別方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，涉及人工智能技術(shù)領(lǐng)域。該模型訓(xùn)練方法包括：獲取多張訓(xùn)練圖像，每張訓(xùn)練圖像對(duì)應(yīng)的標(biāo)簽數(shù)據(jù)包括對(duì)象標(biāo)識(shí)和場(chǎng)景標(biāo)識(shí)；將所述多張訓(xùn)練圖像輸入神經(jīng)網(wǎng)絡(luò)模型中，獲得神經(jīng)網(wǎng)絡(luò)模型輸出的識(shí)別結(jié)果；根據(jù)所述識(shí)別結(jié)果與所述標(biāo)簽數(shù)據(jù)計(jì)算損失函數(shù)的損失值；根據(jù)所述損失值更新所述神經(jīng)網(wǎng)絡(luò)模型的網(wǎng)絡(luò)參數(shù)。通過將訓(xùn)練圖像中的場(chǎng)景標(biāo)識(shí)用于作為模型訓(xùn)練的反向監(jiān)督信號(hào)，使得在模型訓(xùn)練過程中抑制模型學(xué)習(xí)與場(chǎng)景相關(guān)的特征信息，這樣模型在測(cè)試時(shí)，可以削弱場(chǎng)景相關(guān)的特征信息對(duì)對(duì)象識(shí)別的影響，增強(qiáng)對(duì)對(duì)象相關(guān)的特征信息的識(shí)別，從而可有效提高對(duì)對(duì)象的識(shí)別精度。?? |
