[发明专利]识别模型训练方法、识别方法、装置、设备及存储介质

权利要求书

1.一种识别模型训练方法，包括：

将包括目标物体的待识别图像输入待训练的识别模型，获得包围所述目标物体的多个锚点框；

根据设定的交并比阈值、所述锚点框和设定的目标框，在所述多个锚点框中确定第一样本；

根据所述第一样本和所述第一样本对应的权重，确定所述待训练的识别模型中的第一模型识别分支的第一损失值；

根据所述第一损失值，优化所述第一模型识别分支，直至所述第一模型识别分支满足设定条件；

所述第一模型识别分支为所述待训练的识别模型的回归分支；

所述第一样本为正样本，在所述锚点框和所述设定的目标框的交并比大于所述交并比阈值的情况下，确定所述锚点框为所述正样本；

所述正样本对应的权重的计算方法为：

其中，为所述正样本对应的权重，iou为所述交并比，thre为所述设定的交并比阈值。

2.根据权利要求1中所述的方法，还包括：

根据设定的交并比阈值、所述锚点框和设定的目标框，在所述多个锚点框中确定第二样本；

根据所述第一样本和所述第二样本，确定所述待训练的识别模型中的第二模型识别分支的第二损失值；

根据所述第二损失值，优化所述第二模型识别分支，直至所述第二模型识别分支满足设定条件。

3.根据权利要求2所述的方法，其中，所述第二样本为正样本和负样本；所述第二模型识别分支为所述待训练的识别模型的分类分支。

4.根据权利要求3所述的方法，其中，所述根据设定的交并比阈值、所述锚点框和设定的目标框，在所述多个锚点框中确定第二样本，包括：

在所述锚点框和所述设定的目标框的交并比大于所述交并比阈值的情况下，确定所述锚点框为所述正样本；

在所述锚点框和所述设定的目标框的交并比小于所述交并比阈值的情况下，确定所述锚点框为所述负样本。

5.一种识别方法，包括：

将包括目标物体的待识别图像输入识别模型；所述识别模型为权利要求1-4中任意一项所述的优化后的识别模型；

获得所述识别模型根据所述待识别图像输出的包围所述目标物体的多个锚点框；

根据所述多个锚点框，获得目标物体的识别结果。

6.一种识别模型训练装置，包括：

锚点框模块，用于将包括目标物体的待识别图像输入待训练的识别模型，获得包围所述目标物体的多个锚点框；

第一样本模块，用于根据设定的交并比阈值、所述锚点框和设定的目标框，在所述多个锚点框中确定第一样本；

第一损失值模块，用于根据所述第一样本和所述第一样本对应的权重，确定所述待训练的识别模型中的第一模型识别分支的第一损失值；

第一优化模块，用于根据所述第一损失值，优化所述第一模型识别分支，直至所述第一模型识别分支满足设定条件；

其中，所述第一模型识别分支为所述待训练的识别模型的回归分支；

所述第一样本为正样本，所述第一样本模块具体用于：在所述锚点框和所述设定的目标框的交并比大于所述交并比阈值的情况下，确定所述锚点框为所述正样本；

所述正样本对应的权重的计算方法为：

其中，为所述正样本对应的权重，iou为所述交并比，thre为所述设定的交并比阈值。

7.根据权利要求6中所述的装置，还包括：

第二样本模块，用于根据设定的交并比阈值、所述锚点框和设定的目标框，在所述多个锚点框中确定第二样本；

第二损失值模块，用于根据所述第一样本和所述第二样本，确定所述待训练的识别模型中的第二模型识别分支的第二损失值；

第二优化模块，用于根据所述第二损失值，优化所述第二模型识别分支，直至所述第二模型识别分支满足设定条件。

8.根据权利要求7所述的装置，其中，所述第二样本为正样本和负样本；所述第二模型识别分支为所述待训练的识别模型的分类分支。