[发明专利]目标识别的训练方法、装置、计算机设备和存储介质

说明书

本申请涉及一种目标识别的训练方法、装置、计算机设备和存储介质。所述方法包括：获取视频流数据，所述视频流数据包括多帧图像；读取所述图像，在所述图像中检测相应的目标，利用所述目标生成多个类别的样本图像集；利用识别模型对多个类别的所述样本图像集进行训练，得到与类别对应的识别概率；根据所述识别概率对相应的样本图像集中的样本进行调节处理；利用调节后的样本图像集对所述识别模型进行优化，通过调节后的样本图像集对优化后的识别模型进行训练。采用本方法能够解决样本不平衡的情况下导致的模型学习效果差的问题，由此使得训练后的识别模型可以进行精确的目标识别，避免了训练模型出现欠拟合和过拟合的问题。

技术领域

本申请涉及计算机技术领域，特别是涉及一种目标识别的训练方法、装置、计算机设备和存储介质。

背景技术

随着机器学习和深度学习技术的发展，越来越多的用户使用深度学习技术对目标进行识别。在人工智能领域中,机器学习和深度学习需要通过学习大量的样本案例,改善机器判断的精准度。尤其在机器视觉领域的特定目标识别中,需要把具有目标的样本图像标记出来,对目标样本图像集进行大量的训练，从而使得训练模型具备可以同时识别多种目标样本的能力。

然而，在目前目标识别的训练方式中，通过随机抽取随机条目的数据进行复制，再将上述随机抽取的数据加入到原始样本中，难以解决学习样本不平衡的问题，因而极易造成训练模型欠拟合和过拟合的问题，从而导致训练后的识别模型难以进行精确的目标识别。

发明内容

基于此，有必要针对上述技术问题，提供一种能够解决学习样本不平衡问题的目标识别的训练方法、装置、计算机设备和存储介质。

一种目标识别的训练方法，所述方法包括：

获取视频流数据，所述视频流数据包括多帧图像；

读取所述图像，在所述图像中检测相应的目标，利用所述目标生成多个类别的样本图像集；

利用识别模型对多个类别的所述样本图像集进行训练，得到与类别对应的识别概率；

根据所述识别概率对相应的样本图像集中的样本进行调节处理；

利用调节后的样本图像集对所述识别模型进行优化，通过调节后的样本图像集对优化后的识别模型进行训练。

在其中一个实施例中，所述利用识别模型对多个类别的所述样本图像集进行训练，包括：

获取每个类别的样本图像集对应的样本数量；

选取最小的样本数量作为标准单位量；

将每个类别的样本图像集的样本数量，按照所述标准单位量进行等分，得到对应的多个标准单位量样本图像集；

对所述每个类别的样本图像集对应的标准单位量样本图像集进行训练。

在其中一个实施例中，所述根据所述识别概率对相应的样本图像集中的样本进行调节处理，包括：

获取所述样本图像集对应的样本比例；

当所述样本比例达到第一阈值时，将所述样本比例对应类别的样本图像集标记为多数类别的样本图像集；

获取所述多数类别的样本图像集对应的目标坐标精确度；

将所述目标坐标精确度与预设目标坐标精确度进行相似度匹配，得到与多数类别对应的识别概率；

当所述识别概率大于预设识别概率时，对所述识别概率对应的多数类别的样本图像集进行裁剪处理，直至所述多数类别的样本图像集对应的样本数量达到数据平衡合理范围。

在其中一个实施例中，所述根据所述识别概率对相应的样本图像集中的样本进行调节处理，包括：