内容提供者
目标检测模型训练方法、装置及电子设备.pdf
2023-04-20
10金币
607KB
14页
Ja****44
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共14页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
目标检测模型训练方法、装置及电子设备.pdf
本申请提供一种目标检测模型训练方法、装置及电子设备。该方法包括:获取采样得到的正样本,所述正样本中包含样本图像对应的目标框;利用预先搭建的目标检测模型中的分类分支对所述正样本进行分类,得到每个所述正样本的类别概率,利用回归分支对所述正样本进行回归,得到每个所述正样本的回归结果;基于所述回归结果以及所述目标框,计算每个所述正样本对应的交并比,根据所述类别概率和/或所述交并比,确定每个所述正样本对应的权重;利用所述权重对所述目标检测模型中的平滑回归损失进行调整,得到调整后的回归损失,使用所述调整后的回归损失对
2023-04-20
10
607KB
目标检测模型的训练方法、装置、电子设备及存储介质.pdf
本发明揭示了一种目标检测模型的训练方法、装置、电子设备及存储介质，涉及目标检测领域。该方法包括：获取至少两组当前超参数以及各组当前超参数对应的当前目标检测模型；其中，各个当前目标检测模型是基于各组当前超参数对初始目标检测模型进行训练得到的；基于各个当前目标检测模型的精度，对各组当前超参数进行优化，得到至少两组候选超参数，并得到各组候选超参数对应的候选目标检测模型；基于各个候选目标检测模型，得到最优目标检测模型。采用该方法可以保证了确定的最优目标检测模型的精度较高，从而可以保证利用最优目标检测模型进行目标检
2023-07-21
10
603KB
目标检测模型的训练方法及装置、电子设备、存储介质.pdf
本公开实施例涉及目标识别技术领域，提供了一种目标检测模型的训练方法及装置、电子设备、存储介质，训练方法包括：确定原始行为识别数据集；对原始行为识别数据集进行数据增强处理；对数据增强后的原始行为识别数据集进行裁剪处理，得到目标数据集；构建基于自监督学习的目标检测模型；利用目标数据集对目标检测模型进行训练，得到训练好的目标检测模型。本公开实施例的基于自监督学习的目标检测模型，能够从大规模未标记数据中学习图像特征，而无需使用任何人工标注数据，并能达到甚至超越监督学习方法达到的精度，有效解决现有的目标检测算法对小
2023-06-01
10
1.1MB
目标检测模型的训练方法、装置、电子设备及存储介质.pdf
本申请实施例提供了一种目标检测模型的训练方法、装置、电子设备及存储介质，目标检测模型包括第一分类网络，该方法包括：设置至少一个第二分类网络，其中，训练时第二分类网络的输入与第一分类网络的输入相同；基于总损失函数对目标检测模型进行训练，直至总损失函数收敛，其中，总损失函数包括目标检测模型的损失函数和第二分类网络的损失函数。与现有的目标检测模型的训练方式相比，本申请实施例的方案，在对目标检测模型进行训练时，通过增设第二分类网络，并基于第二分类网络的损失函数和模型的损失函数在对目标检测模型进行训练，能够有效加强
2024-01-10
10
700KB
目标检测模型的训练方法、装置、电子设备以及存储介质.pdf
本公开提供了目标检测模型的训练方法、装置、电子设备以及存储介质，涉及计算机视觉、深度学习技领域术。具体实现方案为：构建初始的第一目标检测模型，其中，第一目标检测模型中第一主干网络采用正样本对和负样本对训练得到；采用样本图像以及对应的样本目标对初始的第一目标检测模型进行训练，得到训练好的第一目标检测模型；采用样本图像、样本图像对应的样本目标、以及第一目标检测模型输出的样本图像的中间表示，对初始的第二目标检测模型进行训练；其中，样本图像不需要人工标注，人工成本低；且先对重量级的第一目标检测模型进行训练，然后对
2023-07-24
10
717KB