[发明专利]目标区域确定模型的训练方法、装置和计算机可读存储介质在审
| 申请号： | 201910485054.4 | 申请日： | 2019-06-05 |
| 公开（公告）号： | CN110287954A | 公开（公告）日： | 2019-09-27 |
| 发明（设计）人： | 朱延东;周恺卉;王长虎 | 申请（专利权）人： | 北京字节跳动网络技术有限公司 |
| 主分类号： | G06K9/32 | 分类号： | G06K9/32;G06K9/46 |
| 代理公司： | 北京竹辰知识产权代理事务所(普通合伙) 11706 | 代理人： | 陈龙 |
| 地址： | 100041 北京市石景山区*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本公开一种目标区域确定模型的训练方法、装置、电子设备和计算机可读存储介质。其中方法包括：获取训练样本集合；其中，所述训练样本集合由多个标记了目标区域关键点的样本图像组成；将所述训练样本集合输入卷积神经网络进行训练直至满足收敛条件，得到目标区域确定模型；其中，所述目标区域确定模型用于预测所述目标区域上的多个关键点。本公开实施例通过训练得到目标区域确定模型，该目标区域确定模型用于预测所述目标区域上的多个关键点，使得根据该多个关键点形成目标区域，能够提高目标区域识别准确率。 | ||
| 搜索关键词： | 目标区域 关键点 训练样本集合 计算机可读存储介质 卷积神经网络 目标区域识别 电子设备 收敛条件 样本图像 预测 准确率 | ||
【主权项】：
1.一种目标区域确定模型的训练方法，其特征在于，包括：获取训练样本集合；其中，所述训练样本集合由多个标记了目标区域关键点的样本图像组成；确定卷积神经网络的参数；将所述训练样本集合输入所述卷积神经网络，得到每个样本图像的预测关键点；根据每个样本图像的预测关键点和真实关键点确定预测误差；若所述预测误差大于预设误差，则根据所述预设误差重新确定所述卷积神经网络的参数，继续重复训练过程，直至所述预测误差小于或等于所述预设误差，结束训练过程，得到目标区域确定模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京字节跳动网络技术有限公司，未经北京字节跳动网络技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910485054.4/，转载请声明来源钻瓜专利网。
