[发明专利]一种对象识别模型的确定方法、装置、电子设备及存储介质在审

专利信息
申请号: 202010297511.X 申请日: 2020-04-15
公开(公告)号: CN111612034A 公开(公告)日: 2020-09-01
发明(设计)人: 吴亮;耿星;杨明辉;孙晓玮 申请(专利权)人: 中国科学院上海微系统与信息技术研究所
主分类号: G06K9/62 分类号: G06K9/62
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 郝传鑫;贾允
地址: 200050 *** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 对象 识别 模型 确定 方法 装置 电子设备 存储 介质
【说明书】:

本申请实施例所公开的一种对象识别模型的确定方法、装置、电子设备及存储介质,其中,方法包括确定装置获取第一图片集合和第二图片集合,基于对象识别模型集合中的每个对象识别模型,确定第一图片集合中待识别对象集合的第二类别信息集合和第二位置数据集合,并从对象识别模型集合中确定对象识别模型,确定装置还基于对象识别模型,并从第二图片集合中确定目标图片集合,利用目标图片集合对对象识别模型进行训练,得到训练后的对象识别模型。基于本申请实施例,不仅可以从第二图片集合中筛选出标注质量较高的目标图片,提高用于训练对象识别模型的图片的干净程度,而且还可以改善对象识别模型的识别效果,提高毫米波图像中危险品的识别率。

技术领域

发明涉及毫米波全息图像技术领域,尤其涉及一种对象识别模型的确定方法、装置、电子设备及存储介质。

背景技术

毫米波能够穿透衣物,对人体表面进行成像,且毫米波辐射属于非电离辐射,对人体无害,因此能够克服金属探测器无法检测陶瓷制品和X光射线容易对人体造成危害的缺陷,代替传统的金属探测器和X光射线,成为安检领域的主流技术手段,有效检测出藏匿在人体表层的可疑物品,如枪支、陶瓷刀具、不明液体、爆炸物等危险品。

在现有的毫米波全息图像识别技术中,主要依靠标注人员的眼睛对图像进行观察以判断被检测图像中是否存在目标危险品,然而由于毫米波图像的分辨率较低,标注人员很难保证标注的有效性,进而将会产生较多漏标或者错标的数据。针对上述问题,本领域技术人员训练一种模型以识别毫米波图像中的目标危险品,但当训练数据中存在较多脏数据时,模型将会误学习,把本不是目标危险品的数据认定为是目标危险品,如此,将直接导致模型的识别率降低。因此,有必要对模型的训练数据进行清洗,以减少错标或漏标的情况出现。

发明内容

本申请实施例提供一种对象识别模型的确定方法、装置、电子设备及存储介质,可以从第二图片集合中筛选出标注质量较高的目标图片,提高用于训练对象识别模型的图片的干净程度,改善对象识别模型的识别效果,提高毫米波图像中危险品的识别率。

本申请实施例提供的对象识别模型的确定方法,该方法包括:

获取第一图片集合和第二图片集合;第一图片集合和第二图片集合中含有待识别对象集合和待识别对象集合对应的第一类别信息集合和第一位置数据集合,

其中,待识别对象集合中的待识别对象与第一类别信息集合中的第一类别信息一一对应,待识别对象集合中的待识别对象与第一位置数据集合中的第一位置数据一一对应;

基于对象识别模型集合中的每个对象识别模型,确定第一图片集合中待识别对象集合的第二类别信息集合和第二位置数据集合;

根据第一类别信息集合、第二类别信息集合、第一位置数据集合和第二位置数据集合,从对象识别模型集合中确定对象识别模型;

基于对象识别模型,确定第二图片集合中待识别对象集合的第三类别信息集合和第三位置数据集合;

根据第一类别信息集合、第三类别信息集合、第一位置数据集合和第三位置数据集合,从第二图片集合中确定目标图片集合;

利用目标图片集合对对象识别模型进行训练,得到训练后的对象识别模型。

进一步地,根据第一类别信息集合、第二类别信息集合、第一位置数据集合和第二位置数据集合,从对象识别模型集合中确定对象识别模型,包括:

根据第一类别信息集合和第二类别信息集合确定第一分类差值集合;

根据第一位置数据集合和第二位置数据集合确定第一定位差值集合;

根据第一分类差值集合和第一定位差值集合确定第一差值集合;

从第一差值集合中确定数值最小的第一差值所对应的对象识别模型为对象识别模型。

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中国科学院上海微系统与信息技术研究所,未经中国科学院上海微系统与信息技术研究所许可,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/pat/books/202010297511.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top