[发明专利]车辆属性的识别模型训练方法及装置、识别方法及装置

权利要求书

1.一种车辆属性的识别模型训练方法，其特征在于，所述方法包括以下步骤：

获取训练数据集，所述训练数据集包括目标车辆属性以及所述目标车辆属性对应的样本数量；

根据所述样本数量，计算所述目标车辆属性在所述训练数据集中的有效采样数；

将所述训练数据集输入预训练模型进行训练，以得到所述目标车辆属性对应的初始损失函数；

根据所述有效采样数对所述初始损失函数进行调整，以得到对应的目标损失函数；

基于所述目标损失函数对所述预训练模型进行训练，以得到目标识别模型。

2.如权利要求1所述的车辆属性的识别模型训练方法，其特征在于，所述根据所述样本数量，计算所述目标车辆属性在训练数据集中的有效采样数的步骤包括：

获取所述样本数量，所述样本数量包括被采样数据量以及未被采样过的新数据量；

当任意选择所述样本数量作为训练数据时，获取所述训练数据落入被采样数据量的第一概率以及所述训练数据落入新数据量的第二概率；

根据所述被采样数据量、第一概率以及第二概率计算所述目标车辆属性在训练数据集中的有效采样数。

3.如权利要求2所述的车辆属性的识别模型训练方法，其特征在于，所述根据所述被采样数据量、第一概率以及第二概率计算所述目标车辆属性在训练数据集中的有效采样数的步骤包括：

获取所述第一概率与所述被采样数据量的第一乘积结果；

将所述被采样数据量与1的相加结果与所述第二概率进行计算，以得到第二乘积结果；

将所述第一乘积结果和所述第二乘积结果进行累加，以得到所述目标车辆属性在训练数据集中的有效采样数。

4.如权利要求3所述的车辆属性的识别模型训练方法，其特征在于，所述第二概率等于1与所述第一概率之差，所述第一概率等于所述被采样数据量与所述样本数量的比值；所述根据所述被采样数据量、第一概率以及第二概率计算所述目标车辆属性在训练数据集中的有效采样数的步骤还包括：

根据所述被采样数据量、第一概率以及第二概率配置有效参数；

根据所述被采样数据量、第一概率、第二概率以及所述有效参数计算所述目标车辆属性在训练数据集中的有效采样数。

5.如权利要求4所述的车辆属性的识别模型训练方法，其特征在于，所述有效参数等于所述样本数量与1之差与所述样本数量之比。

6.如权利要求5所述的车辆属性的识别模型训练方法，其特征在于，所述目标车辆属性在训练数据集中的有效采样数等于1与所述有效参数的n次幂之差后除以1与有效参数之差，n为样本数量的第n个目标车辆属性。

7.如权利要求1所述的车辆属性的识别模型训练方法，其特征在于，所述将所述训练数据集输入预训练模型进行训练，以得到所述目标车辆属性对应的初始损失函数的步骤包括：

获取训练数据集中目标车辆属性的类别数量；

根据所述类别数量获取所述目标车辆属性的类别标签；

将所述类别数量输入预训练模型进行训练，以得到输出结果；

根据所述类别数量、类别标签以及输出结果计算所述目标车辆属性对应的初始损失函数。

8.如权利要求7所述的车辆属性的识别模型训练方法，其特征在于，所述根据所述类别数量获取所述目标车辆属性的类别标签的步骤包括：

根据所述类别数量并基于预设类别标签策略确定所述目标车辆属性的类别标签。

9.如权利要求1所述的车辆属性的识别模型训练方法，其特征在于，所述根据所述有效采样数对所述初始损失函数进行调整，以得到对应的目标损失函数的步骤包括：

根据所述有效采样数计算所述目标车辆属性在训练数据集中的权重；

根据所述权重对所述初始损失函数进行加权计算，以得到所述目标车辆属性对应的目标损失函数。