图像处理模型量化方法、装置、电子设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113762403A(43)申请公布日2021.12.07(21)申请号202111076409.8(22)申请日2021.09.14(71)申请人杭州海康威视数字技术股份有限公司地址310051浙江省杭州市滨江区阡陌路555号(72)发明人亓先军(74)专利代理机构北京柏杉松知识产权代理事务所(普通合伙)11413代理人项京丁芸(51)Int.Cl.G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书3页说明书11页附图3页(54)发明名称图像处理模型量化方法、装置、电子设备及存储介质(57)摘要本申请实施例提供了图像处理模型量化方法、装置、电子设备及存储介质，获取多个存储点的图像处理模型，得到多个待量化模型；分别对各待量化模型进行模型量化，得到各量化模型；获取量化测试图片，利用各量化模型对量化测试图片进行分析，分别得到各量化模型的测试结果；基于各量化模型的测试结果，确定目标量化模型。对一次训练中多个存储点的图像处理模型进行模型量化，能够减少因模型参数随机分配选择单一模型进行量化得到的量化模型准确率偏低的问题，能够增加模型量化的成功率；并且无需人为对图像处理模型进行参数调整，减少了人工工作量，为批量模型量化奠定了良好的基础。CN113762403ACN113762403A权利要求书1/3页1.一种图像处理模型量化方法，其特征在于，包括：获取多个存储点的图像处理模型，得到多个待量化模型；分别对各所述待量化模型进行模型量化，得到各量化模型；获取量化测试图片，利用各所述量化模型对所述量化测试图片进行分析，分别得到各所述量化模型的测试结果；基于各所述量化模型的测试结果，确定目标量化模型。2.根据权利要求1所述的方法，其特征在于，在所述获取多个存储点的图像处理模型，得到多个待量化模型的步骤之前，所述方法还包括：利用样本图片对图像处理模型进行训练，每当训练次数满足预设存储条件时，便保存当前的图像处理模型作为当前存储点的图像处理模型。3.根据权利要求1所述的方法，其特征在于，所述分别对各所述待量化模型进行模型量化，得到各量化模型，包括：获取量化参考图片及量化配置文件，其中，所述量化参考图片为随机选取的正样本图片；基于所述量化参考图片及所述量化配置文件，分别对各所述待量化模型进行模型量化，得到各量化模型。4.根据权利要求1所述的方法，其特征在于，所述测试结果包括检出率及误检率；所述获取量化测试图片，利用各所述量化模型对所述量化测试图片进行分析，分别得到各所述量化模型的测试结果，包括：获取量化测试图片，其中，所述量化测试图片包括正样本图片及负样本图片；利用各所述量化模型对所述量化测试图片中的正样本图片进行分析，分别得到各所述量化模型的检出率及第一误检率；利用各所述量化模型对所述量化测试图片中的负样本图片进行分析，分别得到各所述量化模型的第二误检率；根据各所述量化模型的第一误检率及第二误检率，分别得到各所述量化模型的误检率。5.根据权利要求4所述的方法，其特征在于，所述根据各所述量化模型的第一误检率及第二误检率，分别得到各所述量化模型的误检率，包括：针对每一量化模型，根据所述量化测试图片中的正样本图片的数量、负样本图片的数量、该量化模型的第一误检率及第二误检率，确定该量化模型的误检图片的数量；根据该量化模型的误检图片的数量、所述量化测试图片中的正样本图片的数量及负样本图片的数量，确定该量化模型的误检率。6.根据权利要求4所述的方法，其特征在于，所述基于各所述量化模型的测试结果，确定目标量化模型，包括：获取预设检出率阈值及预设误检率阈值；在各所述量化模型中过滤掉检出率小于预设检出率阈值的量化模型，以及过滤掉误检率大于预设误检率阈值的量化模型；在过滤后的量化模型中选取目标量化模型。7.根据权利要求4所述的方法，其特征在于，所述基于各所述量化模型的测试结果，确2CN113762403A权利要求书2/3页定目标量化模型，包括：针对每一量化模型，对该量化模型的检出率和误检率进行加权，得到该量化模型的加权值；按照各所述量化模型对应的存储点的时序，对各所述量化模型的加权值进行排序，得到加权值序列；获取预设范围阈值，在所述加权值序列中确定选取数值在所述预设范围阈值内的各加权值得到各目标加权值；将所述加权值序列中排序连续的各目标加权值划分到同一加权值集合中，得到各加权值集合；在目标加权值数目最多的加权值集合中，选取指定目标加权值，并将所述指定目标加权值对应的量化模型作为目标量化模型。8.一种图像处理模型量化装置，其特征在于，包括：待量化模型获取模块，用于获取多个存储点的图像处理模型，得到多个待量化模型；模型量化模块，用于分别对