[发明专利]基于人工智能的模型训练方法和相关装置

说明书

本申请实施例公开了基于人工智能的模型训练方法和相关装置，针对用于目标跟踪的识别网络模型的训练过程中，采用目标图像和训练图像进行训练，得到训练图像对应的第一识别结果，其体现对训练图像中目标对象的预测位置。基于所述训练图像的标签确定第一识别结果中针对目标对象的差异信息，并根据差异信息生成用于标识目标对象的形态变化的变换参数，通过变换参数调整训练图像对应的特征数据，可以使得调整后的特征数据实现模拟目标对象的上述形态变化。识别网络模型可以针对调整后的特征数据得到第二识别结果，并根据第二识别结果与训练图像的标签对识别网络模型的参数进行更新，提高了识别网络模型的对待识别对象形态变化的鲁棒性。

技术领域

本申请涉及人工智能领域，特别是涉及基于人工智能的模型训练方法和相关装置。

背景技术

目标跟踪是一种神经网络模型应用的典型场景，通过神经网络模型可以实现识别视频帧中目标的位置，并基于各视频帧的目标识别结果，实现在视频中对该目标进行跟踪。

一种目标跟踪场景是无预定义目标的情况，例如安防中对可疑危险目标的跟踪，广告植入中对候选广告位的跟踪等。

在这种目标跟踪场景中，神经网络模型在跟踪一个目标之前难以获知该目标的一切信息，当目标在跟踪过程中发生明显的形态变化时，会很容易出现分辨不出目标而导致跟踪失败的情况。

发明内容

为了解决上述技术问题，本申请提供了基于人工智能的模型训练方法和相关装置，提高了识别网络模型对待识别对象形态变化的鲁棒性。

本申请实施例公开了如下技术方案：

一方面，本申请实施例提供了一种模型训练方法，所述方法包括：

根据标识目标对象的目标图像和包括所述目标对象的训练图像训练识别网络模型，得到所述训练图像对应的第一识别结果，所述第一识别结果用于标识对所述训练图像中所述目标对象的预测位置；

根据所述训练图像的标签确定所述第一识别结果中针对所述目标对象的差异信息；

根据所述差异信息生成用于标识所述目标对象的形态变化的变换参数；

通过所述变换参数调整所述训练图像对应的特征数据，调整后的所述特征数据用于模拟所述目标对象的所述形态变化；

通过所述识别网络模型得到第二识别结果，所述第二识别结果用于标识基于调整后的所述特征数据对所述训练图像中所述目标对象的预测位置；

根据所述第二识别结果与所述训练图像的标签对所述识别网络模型的参数进行更新。

另一方面，本申请实施例提供了一种模型训练方法的装置，所述装置包括训练单元，确定单元，生成单元，调整单元和更新单元：

所述训练单元，用于根据标识目标对象的目标图像和包括所述目标对象的训练图像训练识别网络模型，得到所述训练图像对应的第一识别结果，所述第一识别结果用于标识对所述训练图像中所述目标对象的预测位置；

所述确定单元，用于根据所述训练图像的标签确定所述第一识别结果中针对所述目标对象的差异信息；

所述生成单元，用于根据所述差异信息生成用于标识所述目标对象的形态变化的变换参数；

所述调整单元，用于通过所述变换参数调整所述训练图像对应的特征数据，调整后的所述特征数据用于模拟所述目标对象的所述形态变化；

所述训练单元，还用于通过所述识别网络模型得到第二识别结果，所述第二识别结果用于标识基于调整后的所述特征数据对所述训练图像中所述目标对象的预测位置；

所述更新单元，用于根据所述第二识别结果与所述训练图像的标签对所述识别网络模型的参数进行更新。