[发明专利]目标区域确定模型训练方法、装置和计算机可读存储介质有效
| 申请号： | 201910485063.3 | 申请日： | 2019-06-05 |
| 公开（公告）号： | CN110287955B | 公开（公告）日： | 2021-06-22 |
| 发明（设计）人： | 朱延东;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;G06K9/62;G06N3/04 |
| 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：对样本图像进行目标区域识别，得到包含目标区域的图像区域；由多个固定大小的图像区域组成训练样本集合，并且训练样本集合中的图像区域被标记了多个关键点，多个关键点位于目标区域内；卷积神经网络的每个训练通道独立训练直至满足各自的收敛条件，得到包含多个训练通道的目标区域确定模型；多个训练通道分别用于预测多个关键点相对参照点的位移。本公开实施例通过并行的多个训练通道分别对训练样本集合进行训练，得到多个训练通道，多个训练通道分别用于预测多个关键点相对参照点的位移，从而根据多个关键点得到目标区域，能够提高目标区域识别准确率。 | ||
| 搜索关键词： | 目标 区域 确定 模型 训练 方法 装置 计算机 可读 存储 介质 | ||
【主权项】：
1.一种目标区域确定模型训练方法，其特征在于，包括：对样本图像进行目标区域识别，得到包含所述目标区域的图像区域；将所述图像区域缩放到固定大小，由多个所述固定大小的图像区域组成训练样本集合，并且所述训练样本集合中的图像区域被标记了多个关键点，其中，所述多个关键点位于所述目标区域内；将所述训练样本集合输入卷积神经网络；其中，所述卷积神经网络的卷积层包含并行的多个卷积核，每个卷积核对应一个训练通道；每个训练通道根据所述训练样本集合独立训练直至满足各自的收敛条件，得到包含多个训练通道的目标区域确定模型；其中，所述目标区域确定模型的多个训练通道分别用于预测所述多个关键点相对参照点的位移，其中，所述参照点位于所述目标区域内。
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/201910485063.3/，转载请声明来源钻瓜专利网。
