[发明专利]目标识别的训练方法、装置、计算机设备和存储介质

权利要求书

1.一种目标识别的训练方法，所述方法包括：

获取视频流数据，所述视频流数据包括多帧图像；

读取所述图像，在所述图像中检测相应的目标，利用所述目标生成多个类别的样本图像集；

利用识别模型对多个类别的所述样本图像集进行训练，得到与类别对应的识别概率；

根据所述识别概率对相应的样本图像集中的样本进行调节处理；

利用调节后的样本图像集对所述识别模型进行优化，通过调节后的样本图像集对优化后的识别模型进行训练。

2.根据权利要求1所述的方法，其特征在于，所述利用识别模型对多个类别的所述样本图像集进行训练，包括：

获取每个类别的样本图像集对应的样本数量；

选取最小的样本数量作为标准单位量；

将每个类别的样本图像集的样本数量，按照所述标准单位量进行等分，得到对应的多个标准单位量样本图像集；

对所述每个类别的样本图像集对应的标准单位量样本图像集进行训练。

3.根据权利要求1所述的方法，其特征在于，所述根据所述识别概率对相应的样本图像集中的样本进行调节处理，包括：

获取所述样本图像集对应的样本比例；

当所述样本比例达到第一阈值时，将所述样本比例对应类别的样本图像集标记为多数类别的样本图像集；

获取所述多数类别的样本图像集对应的目标坐标精确度；

将所述目标坐标精确度与预设目标坐标精确度进行相似度匹配，得到与多数类别对应的识别概率；

当所述识别概率大于预设识别概率时，对所述识别概率对应的多数类别的样本图像集进行裁剪处理，直至所述多数类别的样本图像集对应的样本数量达到数据平衡合理范围。

4.根据权利要求1所述的方法，其特征在于，所述根据所述识别概率对相应的样本图像集中的样本进行调节处理，包括：

获取所述样本图像集对应的样本比例；

当所述样本比例达到第二阈值时，将所述样本比例对应类别的样本图像集标记为少数类别的样本图像集；

获取所述少数类别的样本图像集对应的目标坐标精确度；

将所述目标坐标精确度与预设目标坐标精确度进行相似度匹配，得到与少数类别对应的识别概率；

当所述识别概率小于预设识别概率时，对所述识别概率对应的少数类别的样本图像集进行增强处理，直至所述少数类别的样本图像集对应的样本数量达到数据平衡合理范围。

5.根据权利要求4所述的方法，其特征在于，所述对所述识别概率对应的少数类别的样本图像集进行增强处理，包括：

对所述少数类别的样本图像集中的样本图像进行随机抽取，得到随机抽取的原样本图像；

对所述原样本图像的亮度和对比度进行随机调节，得到新增样本图像；

对所述原样本图像进行遮挡处理，得到新增样本图像。

6.根据权利要求1所述的方法，其特征在于，所述利用调节后的样本图像集对所述识别模型进行优化，包括：

通过调节所述识别模型中的损失函数，向所述识别模型添加调节后的样本图像集的样本数量比例权重，对所述识别模型进行优化。

7.一种目标识别的训练装置，其特征在于，所述装置包括：

获取模块，用于获取视频流数据，所述视频流数据包括多帧图像；

生成模块，用于读取所述图像，在所述图像中检测相应的目标，利用所述目标生成多个类别的样本图像集；

训练模块，用于利用识别模型对多个类别的所述样本图像集进行训练，得到与类别对应的识别概率；

调节模块，用于根据所述识别概率对相应的样本图像集中的样本进行调节处理；

优化模块，用于利用调节后的样本图像集对所述识别模型进行优化，通过调节后的样本图像集对优化后的识别模型进行训练。