[发明专利]基于智能决策的目标检测模型的处理方法、及其相关设备

权利要求书

1.一种基于智能决策的目标检测模型的处理方法，其特征在于，所述目标检测模型为多目标检测模型，所述方法包括：

获取本地数据集以及初始多目标检测模型；

根据所述本地数据集对所述初始多目标检测模型进行训练，得到中继多目标检测模型；

生成附加随机数，并根据所述附加随机数以及所述中继多目标检测模型的模型参数计算复合模型参数；

将所述复合模型参数发送至中央服务器，以指示所述中央服务器根据各节点的复合模型参数生成全局模型参数；

从所述中央服务器接收所述全局模型参数，以更新所述中继多目标检测模型；

将更新后的中继多目标检测模型作为下轮训练的初始多目标检测模型进行迭代训练，直至模型收敛，得到所述多目标检测模型。

2.根据权利要求1所述的基于智能决策的目标检测模型的处理方法，其特征在于，所述获取本地数据集以及初始多目标检测模型的步骤之前，所述方法还包括：

从中央服务器获取全局模型参数；

根据所述全局模型参数构建初始多目标检测模型。

3.根据权利要求1所述的基于智能决策的目标检测模型的处理方法，其特征在于，所述根据所述本地数据集对所述初始多目标检测模型进行训练，得到中继多目标检测模型的步骤包括：

将所述本地数据集中的目标图像输入所述初始多目标检测模型，得到目标预测结果；

根据所述目标预测结果以及所述本地数据集中的图像标签确定预测误差；

基于所述预测误差对所述初始多目标检测模型进行参数调整；

将参数调整后的初始多目标检测模型作为下轮训练的初始多目标检测模型进行迭代训练，直至迭代次数达到预设数值，得到中继多目标检测模型。

4.根据权利要求1所述的基于智能决策的目标检测模型的处理方法，其特征在于，所述生成附加随机数，并根据所述附加随机数以及所述中继多目标检测模型的模型参数计算复合模型参数的步骤包括：

生成附加随机数；其中，联盟网络中各节点生成的附加随机数相加后值为零；

将生成的附加随机数与所述中继多目标检测模型的模型参数进行线性运算，得到复合模型参数。

5.根据权利要求1所述的基于智能决策的目标检测模型的处理方法，其特征在于，所述将所述复合模型参数发送至中央服务器，以指示所述中央服务器根据各节点的复合模型参数生成全局模型参数的步骤包括：

与中央服务器进行通信以确定加密密钥；

根据所述加密密钥对所述复合模型参数进行加密，得到加密模型参数；

将所述加密模型参数发送至所述中央服务器，以指示所述中央服务器对所述各节点的加密模型参数进行解密，并根据解密后得到的复合模型参数进行运算，生成全局模型参数。

6.根据权利要求1所述的基于智能决策的目标检测模型的处理方法，其特征在于，在所述将更新后的中继多目标检测模型作为下轮训练的初始多目标检测模型进行迭代训练，直至模型收敛，得到多目标检测模型的步骤之后，所述方法还包括：

获取待检测图像；

将所述待检测图像输入所述多目标检测模型，得到所述待检测图像中的目标对象；

将检测到的目标对象进行展示。

7.根据权利要求6所述的基于智能决策的目标检测模型的处理方法，其特征在于，所述将检测到的目标对象进行展示的步骤之后，所述方法还包括：

当接收到触发的校准指令时，展示校准信息输入页面；

获取在所述校准信息输入页面中输入的待校准图像以及校准指示信息；

根据所述待校准图像以及所述校准指示信息生成校准数据集；

通过所述校准数据集对所述多目标检测模型进行校准训练。