[发明专利]多任务的行为识别模型训练方法、装置、设备及存储介质

说明书

本申请实施例提供一种多任务的行为识别模型训练方法、装置、设备及存储介质，其中，所述方法包括：获取N个待识别任务的样本数据集，其中，所述样本数据集包括虚拟数据、摄像装置的采集数据和互联网的爬取数据至少之一，N为大于等于1的整数；利用所述N个待识别任务的样本数据集训练搭建的行为识别模型，得到多任务的行为识别模型，其中，所述搭建的行为识别模型包括第一主干网络和N个第一分类网络，所述多任务的行为识别模型包括多任务主干网络和N个第二分类网络，所述多任务主干网络是通过训练所述第一主干网络而得到，所述N个第二分类网络是与所述N个待识别任务一一对应的，通过训练N个所述第一分类网络得到。

技术领域

本申请实施例涉及行为识别领域，涉及但不限于一种多任务的行为识别模型训练方法、装置、设备及存储介质。

背景技术

在多任务异常行为识别实际应用中，在不同任务之间域差异大的情况下，多任务并行学习，结果相互抑制，使得多任务学习的准确性有限。训练多任务异常行为识别模型对于训练任务集中数据量的需求极大，任务之间需要足够的数据量支持，且类间数据量需要平衡，不然无法训练出一个鲁棒的判别器，目前的异常任务数据集获取方式有限，数量无法满足训练要求。

发明内容

有鉴于此，本申请实施例提供一种多任务的行为识别模型训练方法、装置、设备及存储介质。

本申请实施例的技术方案是这样实现的：

第一方面，本申请实施例提供一种多任务的行为识别模型训练方法，包括：获取N个待识别任务的样本数据集，其中，所述样本数据集包括虚拟数据、摄像装置的采集数据和互联网的爬取数据至少之一，N为大于等于1的整数；利用所述N个待识别任务的样本数据集训练搭建的行为识别模型，得到多任务的行为识别模型，其中，所述搭建的行为识别模型包括第一主干网络和N个第一分类网络，所述多任务的行为识别模型包括多任务主干网络和N个第二分类网络，所述多任务主干网络是通过训练所述第一主干网络而得到，所述N个第二分类网络是与所述N个待识别任务一一对应的，通过训练N个所述第一分类网络得到。

在一些实施例中，所述搭建的行为识别模型是采用如下方法得到的：获取所述第一主干网络，其中所述第一主干网络是通过预设数据集训练得到的主干网络；在所述第一主干网络的基础上增加所述N个第一分类网络，得到所述搭建的行为识别模型。

这样，首先获取通过预设数据集训练得到的第一主干网络，然后在所述第一主干网络的基础上增加所述N个第一分类网络，得到所述搭建的行为识别模型。这样，以一个主干网络与多个分类网络组和得到的行为识别模型，可以使用样本数据集进行训练，以得到可以进行多任务识别的行为识别模型。这样模型架构可以实现单个模型上进行多个任务，大大减少了增加识别任务带来的显存消耗。

在一些实施例中，所述利用所述N个待识别任务的样本数据集训练搭建的行为识别模型，得到多任务的行为识别模型，包括：利用所述N个待识别任务的样本数据集训练所述搭建的行为识别模型中的第一主干网络，得到所述多任务主干网络；利用所述N个待识别任务的样本数据集训练第一行为识别模型，得到所述多任务的行为识别模型，其中，所述第一行为识别模型包括所述多任务主干网络和所述N个第一分类网络。

这样，先训练固定主干网络，在分别训练不同待识别任务对应的分类网络，可以得到适用于多任务的行为识别模型。

在一些实施例中，所述利用所述N个待识别任务的样本数据集训练所述搭建的行为识别模型中的第一主干网络，得到所述多任务主干网络，包括：利用所述N个待识别任务中的每一待识别任务的样本数据集，分别训练N个第一教师模型，得到与所述N个待识别任务一一对应的N个第二教师模型，其中，每一所述第一教师模型包括所述第一主干网络、一个第一分类网络、变分自编码器和判别器；利用N个所述第二教师模型训练所述第一主干网络，得到所述多任务主干网络。