[发明专利]采用边缘计算优化智能摄像头检测模型的方法和装置

权利要求书

1.一种采用边缘计算优化智能摄像头检测模型的方法，其特征在于，所述方法包括：

S10：获取预置的第一样本集和智能摄像头采集的本地图像数据对应的第二样本集；

S11：采用所述第一样本集和所述第二样本集对当前模型进行微调训练，得到校验模型；

S12：对比所述当前模型和所述校验模型，输出目标模型。

2.根据权利要求1所述的采用边缘计算优化智能摄像头检测模型的方法，其特征在于，所述S10包括：

S101：采集实际应用场景的本地实时图像；

S102：利用当前模型对所述本地实时图像进行检测，输出所述本地实时图像对应的检测结果；

S103：对所述本地实时图像对应的检测结果进行二值化处理，将处理结果作为所述本地实时图像的伪标签；

S104：由各所述本地实时图像和各所述伪标签组成所述第二样本集。

3.根据权利要求2所述的采用边缘计算优化智能摄像头检测模型的方法，其特征在于，所述S103包括：

S1031：获取各所述本地实时图像的检测结果中各正样本的置信度和置信度阈值；

S1032：将各所述置信度与所述置信度阈值进行对比，依据对比结果重置各所述置信度，输出处理后的检测结果作为所述本地实时图像的伪标签；

其中，若置信度大于等于所述置信度阈值，则将所述置信度置为1，若置信度小于所述置信度阈值，则将所述置信度置为0。

4.根据权利要求1至3任一项所述的采用边缘计算优化智能摄像头检测模型的方法，其特征在于，所述S11包括：

S111：获取第一损失函数、第二损失函数和各正样本对应的可靠权重；

S112：合并所述第一样本集和所述第二样本集，输出第三样本集；

S113：通过第一损失函数，利用所述第三样本集对所述当前模型进行第一阶段训练，输出中间训练模型；

S114:在所述中间训练模型的基础上，通过第二损失函数和所述可靠权重利用所述第三样本集进行第二阶段训练，输出所述校验模型。

5.根据权利要求4所述的采用边缘计算优化智能摄像头检测模型的方法，其特征在于，所述S12包括：

S121：获取所述当前模型对本地图像的检测对应的第一检测结果；

S122：获取所述校验模型对本地图像的检测对应的第二检测结果；

S123：对比所述第一检测结果和所述第二检测结果，输出目标模型。

6.根据权利要求4所述的采用边缘计算优化智能摄像头检测模型的方法，其特征在于，在所述S11中，还包括对第一样本集和/或第二样本集进行数据增强，其中，数据增强至少包括以下之一：图像旋转、马赛克材质参数、色域变化、图像裁剪。

7.根据权利要求6所述的采用边缘计算优化智能摄像头检测模型的方法，其特征在于，当同时采用图像旋转、马赛克材质参数、色域变化和图像裁剪进行数据增强时，对处理先后进行排序，首先进行图像旋转，然后进行图像裁剪，之后是进行色域转换，最后根据马赛克材质参数进行马赛克处理；输出经过数据增强的所述第一样本集、所述第二样本集。

8.一种采用边缘计算优化智能摄像头检测模型的装置，其特征在于，包括：

数据采集模块：用于获取预置的第一样本集和本地实时采集的第二样本集；

模型训练模块：用于采用所述第一样本集和所述第二样本集对当前模型进行微调训练，得到校验模型；

模型校验模块：用于对比所述当前模型和所述校验模型，输出目标模型。

9.一种电子设备，其特征在于，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如权利要求1-7中任一项所述的方法。

10.一种介质，其上存储有计算机程序指令，其特征在于，当所述计算机程序指令被处理器执行时实现如权利要求1-7中任一项所述的方法。