【技术实现步骤摘要】
本申请属于数据处理，具体涉及一种模型训练方法、图像识别方法、设备及存储介质。
技术介绍
1、目标检测通过组合使用深度学习、机器学习和计算机视觉技术，实现对图像中目标的准确识别和定位，是许多现代智能系统中不可或缺的核心技术之一。
2、但是，在一些样本图像比较少的情况下，目标检测任务在训练阶段无法提取到特征图像或者提取到的特征图像比较稀缺，造成识别的目标不够准确，或者在目标检测的过程中输入的图像质量比较低的情况下，可能会导致无法识别出图像中的目标或者识别出的目标不够精确的问题。
技术实现思路
1、本申请提出一种模型训练方法、图像识别方法、设备及存储介质，能够解决目标检测任务最终识别的目标不够准确的技术问题。
2、本申请第一方面实施例提出了一种模型训练方法，包括：
3、将第一样本图像输入第一图像识别模型，输出第一预测分类结果和第一预测掩膜，所述第一样本图像为第二样本图像添加退化参数生成的；
4、将第一图像识别模型输出的第一目标特征图像和所述第二图像识别模型输出的第二目标特征图像输入至退化预测网络，输出退化参数预测结果；
5、基于所述第一预测分类结果和所述第一预测掩膜，计算所述第一图像识别模型的第一损失函数值；
6、基于所述退化参数和所述退化参数预测结果计算第二损失函数值；
7、基于所述第一损失函数值和所述第二损失函数值调整所述第一图像识别模型的模型参数，继续训练直至满足预设的训练完成条件，得到训练好的第一
8、本申请第二方面的实施例提供了一种模型训练装置，包括：
9、输入模块，用于将第一样本图像输入第一图像识别模型，输出第一预测分类结果和第一预测掩膜，所述第一样本图像为第二样本图像添加退化参数生成的；
10、所述输入模块，还用于将第一图像识别模型输出的第一目标特征图像和第二图像识别模型输出的第二目标特征图像输入至退化预测网络，输出退化参数预测结果；
11、计算模块，用于基于所述第一预测分类结果和所述第一预测掩膜，计算所述第一图像识别模型的第一损失函数值；
12、所述计算模块，还用于基于所述退化参数和所述退化参数预测结果计算第二损失函数值；
13、调整模块，用于基于所述第一损失函数值和所述第二损失函数值调整所述第一图像识别模型的模型参数，继续训练直至满足预设的训练完成条件，得到训练好的第一图像识别模型。
14、本申请第三方面的实施例提供了一种图像识别方法，包括：
15、将待识别图像输入第一图像识别模型，所述第一图像识别模型是利用第一方面所述的模型训练方法训练得到的；
16、利用所述第一图像识别模型确定所述待识别图像对应的特征图像在退化之前的等变表示特征图像；
17、利用所述第一图像识别模型在所述等变表示特征图像中识别所述待识别图像中的目标对象；
18、输出所述待识别图像中目标对象的分类结果。
19、本申请第四方面的实施例提供了一种目标检测装置，包括：
20、输入模块，用于将待识别图像输入第一图像识别模型，所述第一图像识别模型是利用第一方面所述的模型训练方法训练得到的；
21、确定模块，用于利用所述第一图像识别模型确定所述待识别图像对应的特征图像在退化之前的等变表示特征图像；
22、识别模块，用于利用所述第一图像识别模型在所述等变表示特征图像中识别所述待识别图像中的目标对象；
23、输出模块，用于输出所述待识别图像中目标对象的分类结果。
24、本申请第五方面的实施例提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序以实现上述第一方面或者第三方面所述的方法。
25、本申请第六方面的实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行实现上述第一方面或者第三方面所述的方法。
26、本申请实施例中提供的技术方案，至少具有如下技术效果或优点：
27、本申请提出一种模型训练方法、图像识别方法、设备及存储介质，包括：将第一样本图像输入第一图像识别模型，输出第一预测分类结果和第一预测掩膜；将目标特征图像输入至退化预测网络，输出退化参数预测结果；基于第一预测分类结果和第一预测掩膜，计算第一损失函数值；以及基于退化参数和退化参数预测结果计算第二损失函数值；基于上述两个损失函数调整第一图像识别模型的模型参数，训练第一图像识别模型。本申请实施例通过预测分类结果和预测掩膜的损失函数以及退化参数损失函数优化网络参数，以便在模型训练的过程中同时注意分类和掩膜的图像特征，以及能够提取不同退化程度下的可还原至退化前的图像特征，从而提高模型的识别精准度。
28、本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变的明显，或通过本申请的实践了解到。
本文档来自技高网...【技术保护点】
1.一种模型训练方法，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，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一损失函数值和所述第二损失函数值调整所述第一图像识别模型的模型参数，继续训练直至满足预设的训练完成条件，得到训练好的第一图像识别模型，包括：
4.根据权利要求1所述的方法，其特征在于，所述将第一样本图像输入第一图像识别模型，输出第一预测分类结果和第一预测掩膜，包括：
5.根据权利要求4所述的方法，其特征在于，所述利用所述主干网络将所述尺度最小的第一特征图像输入融合网络，输出不同尺度的第二特征图像，包括：
6.根据权利要求1所述的方法，其特征在于，所述将第一图像识别模型输出的第一目标特征图像和所述第二图像识别模型输出的第二目标特征图像输入至退化预测网络，输出退化参数预测结果，包括：
7.根据权利要求1所述的方法，其特征在于，所述将第一样本图像输入第一图像识别模型，输出第一预测分类结果和第一预测掩膜之前，所述方法还包括：
8.一种图像识别方法，其
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序以实现如权利要求1-8任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行实现如权利要求1-8中任一项所述的方法。
...【技术特征摘要】
1.一种模型训练方法，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，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一损失函数值和所述第二损失函数值调整所述第一图像识别模型的模型参数，继续训练直至满足预设的训练完成条件，得到训练好的第一图像识别模型，包括：
4.根据权利要求1所述的方法，其特征在于，所述将第一样本图像输入第一图像识别模型，输出第一预测分类结果和第一预测掩膜，包括：
5.根据权利要求4所述的方法，其特征在于，所述利用所述主干网络将所述尺度最小的第一特征图像输入融合网络，输出不同尺度的第二特征图像，包括：
6.根据权利要求1所述的方法，其特征在于，...
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。