[发明专利]行车记录仪图像深度学习中超参数的处理方法及相关装置

权利要求书

1.一种行车记录仪图像深度学习中超参数的处理方法，其特征在于，应用于深度学习训练服务器，所述方法包括：

获取行车记录仪采集的训练图像集和测试图像集；

为本次模型训练读取配置的第一历史超参数，所述第一历史超参数为前一次对所述训练图像集进行训练完毕后配置的超参数；

根据所述第一历史超参数对所述训练图像集进行训练，以得到样本模型；

利用所述样本模型对所述测试图像集中的每一张测试图像进行标定识别，得到每一张测试图像的模型标定参数；

获取每一张测试图像的预设标定参数；

根据每一张测试图像的模型标定参数与每一张测试图像的预设标定参数，确定每一张测试图像的评价参数；

根据每一张测试图像的评价参数，计算得到所述测试图像集的评价值；

将所述测试图像集的评价值与已存储的历史评价值进行比较，根据比较结果和第二历史超参数调整所述第一历史超参数，以得到优化后的超参数，其中，所述第二历史超参数为训练所述历史评价值所对应的历史样本模型时所采用的超参数。

2.根据权利要求1所述的行车记录仪图像深度学习中超参数的处理方法，其特征在于，当所述测试图像集的任一张测试图像中包含至少两个标定物时，利用所述样本模型对所述任一张测试图像中的所述至少两个标定物进行标定识别，以分别得到每一个标定物的模型标定参数；

获取所述任一张测试图像中的每一个标定物的预设标定参数；

根据每一个标定物的模型标定参数与每一个标定物的预设标定参数，确定每一个标定物的评价参数；

对所述任一张测试图像中所有标定物的评价参数取平均值，得到所述任一张测试图像的评价参数。

3.根据权利要求1或2所述的行车记录仪图像深度学习中超参数的处理方法，其特征在于，所述方法还包括：

当所述测试数据集的评价值大于或等于所述历史评价值时，删除所述历史评价值和所述历史评价值所对应的历史样本模型；

保存所述测试数据集的评价值以及本次训练得到的样本模型。

4.根据权利要求1或2所述的行车记录仪图像深度学习中超参数的处理方法，其特征在于，所述方法还包括：

当所述测试数据集的评价值小于所述历史评价值时，删除所述测试数据集的评价值以及本次训练得到的样本模型。

5.根据权利要求1所述的行车记录仪图像深度学习中超参数的处理方法，其特征在于，所述超参数包括学习率、batch_size、梯度下降算法、神经元数量和迭代次数中的至少一种。

6.一种深度学习训练服务器，其特征在于，包括：

第一获取单元，用于获取行车记录仪采集的训练图像集和测试图像集；

读取单元，用于为本次模型训练读取配置的第一历史超参数，所述第一历史超参数为前一次对所述训练图像集进行训练完毕后配置的超参数；

训练单元，用于根据所述第一历史超参数对所述训练图像集进行训练，以得到样本模型；

识别单元，用于利用所述样本模型对所述测试图像集中的每一张测试图像进行标定识别，得到每一张测试图像的模型标定参数；

第二获取单元，用于获取每一张测试图像的预设标定参数；

确定单元，用于根据每一张测试图像的模型标定参数与每一张测试图像的预设标定参数，确定每一张测试图像的评价参数；

计算单元，用于根据每一张测试图像的评价参数，计算得到所述测试图像集的评价值；

调整单元，用于将所述测试图像集的评价值与已存储的历史评价值进行比较，根据比较结果和第二历史超参数调整所述第一历史超参数，以得到优化后的超参数，其中，所述第二历史超参数为训练所述历史评价值所对应的历史样本模型时所采用的超参数。