申请/专利权人：山东信通电子股份有限公司

申请日：2020-08-18

公开（公告）日：2024-04-12

公开（公告）号：CN112115975B

主分类号：G06V10/774

分类号：G06V10/774;G06V20/52;G06V10/82;G06N3/04;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2021.01.08#实质审查的生效;2020.12.22#公开

摘要：本申请提出一种适用于监拍装置的深度学习网络模型快速迭代训练方法及设备，方法包括：分别训练离线复杂模型和线上部署模型；基于预设时间，通过所述离线复杂模型识别来自监拍装置的并经由所述线上部署模型识别后的图像数据；确定所述多个监拍装置分别对应的线上部署模型中需要升级的线上部署模型；基于预设条件的触发，锁定需要升级的线上部署模型的网络特征提取层中预设层及预设层之前的所有层，并对所述网络特征提取层中所述预设层之后的若干层，以及所述线上部署模型的检测头网络层进行训练。本申请通过采用离线复杂多模型级联混合集成检测方式，与线上部署模型相结合进行联合训练，实现了针对不同场景的差异化定制检测和优化升级能力。

主权项：1.一种适用于监拍装置的深度学习网络模型快速迭代训练方法，其特征在于，所述方法包括：分别训练离线复杂模型和线上部署模型；其中，所述离线复杂模型是深度神经网络模型或者由多个深度神经网络模型级联后组成的神经网络模型，且其部署在服务器上，所述线上部署模型是轻量级神经网络模型且其部署在所述服务器对应的多个监拍装置上；基于预设时间或基于触发，通过所述离线复杂模型识别来自监拍装置的并经由所述线上部署模型识别后的图像数据；确定所述多个监拍装置分别对应的线上部署模型中需要升级的线上部署模型；对由所述离线复杂模型识别后的图像数据进行目标对象的标注；将所述标注后的图像数据与对应的经由所述监拍装置上的线上部署模型识别后的图像数据作对比；若对于同一张图像，由所述离线复杂模型识别到的目标对象的类型和位置，与由所述线上部署模型识别出的类型和位置不同，则所述图像为误报图像；若对于同一张图像，由所述离线复杂模型识别出了目标对象，而所述线上部署模型未识别出目标对象，则所述图像为漏报图像；基于预设条件的触发，锁定需要升级的线上部署模型的网络特征提取层中预设层及预设层之前的所有层，并对所述网络特征提取层中所述预设层之后的若干层，以及所述线上部署模型的检测头网络层进行训练；其中，所述预设条件的触发，具体为：由预设周期内各线上部署模型隐患识别的漏报率和误报率确定所述各线上部署模型隐患识别的准确率；在预设周期内，任一线上部署模型的所述准确率低于相应预设值，激活所述线上部署模型的升级任务。

全文数据：

权利要求：

百度查询： 山东信通电子股份有限公司 一种适用于监拍装置的深度学习网络模型快速迭代训练方法及设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD