[发明专利]非机动车识别方法、装置、电子设备及存储介质

权利要求书

1.一种非机动车识别方法，其特征在于，包括以下步骤：

获取非机动车识别模型的训练数据，所述非机动车识别模型包括多个残差网络，所述训练数据包括非机动车的样本图像以及标签数据；

根据非机动车识别模型的深度，为每个残差网络分配对应的第一存活率；

将所述训练数据输入到所述非机动车识别模型中，计算每个所述残差网络对于所述样本图样对应的残差的第二存活率，所述第二存活率为随机分配；

根据所述第一存活率与所述第二存活率，确定各个残差网络对于样本图像的输出结果；

根据所述样本图像的输出结果与对应的标签数据，计算损失函数；

通过所述损失函数进行反向传播，以调整所述非机动车识别模型的参数，并迭代得到训练好的非机动车识别模型；

基于所述训练好的非机动车识别模型对待识别图像进行识别。

2.如权利要求1所述的方法，其特征在于，所述非机动车的标签数据包括真实标签数据与伪标签数据，所述获取非机动车识别模型的训练数据，包括：

获取样本图像，所述样本图像包括具有真实标签数据的样本图像以及没有标签数据的样本图像；

将所述没有标签数据的样本图像输入到预先训练好的标签模型进行标签预测，并根据第一置信度阈值筛选得到样本图像的伪标签数据；

基于所述真实标签数据与所述伪标签数据构建所述非机动车识别模型的训练数据。

3.如权利要求2所述的方法，其特征在于，所述方法还包括：

通过所述真实标签数据与对应的样本图像，对所述标签模型进行训练，得到训练好的标签模型。

4.如权利要求2所述的方法，其特征在于，所述根据所述样本图像的输出结果与对应的标签数据，计算损失函数，包括：

计算所述真实标签数据对应样本图像的输出结果与所述真实标签数据之间的第一损失函数；

计算所述伪标签数据对应样本图像的输出结果与所述伪标签数据之间的第二损失函数；

计算所述第一损失函数与所述第二损失函数的总损失函数。

5.如权利要求2所述的方法，其特征在于，所述迭代得到训练好的非机动车识别模型，包括：

经过一次迭代后，将所述没有标签数据的样本图像输入到当前迭代次数的非机动车识别模型进行标签预测，并根据第二置信度阈值筛选得到样本图像的伪标签数据。

6.如权利要求1所述的方法，其特征在于，所述根据非机动车识别模型的深度，为每个残差网络分配对应的第一存活率，包括：

设置初始存活参数；

计算当前残差网络的深度值与所述非机动车识别模型的深度之间的比值，得到当前残差网络的深度比；

根据所述初始存活参数以及所述当前残差网络的深度比，计算所述当前残差网络的第一存活率；

其中，所述第一存活率与所述初始存活参数成正比，所述第一存活率与所述当前残差网络的深度比成反比。

7.如权利要求1所述的方法，其特征在于，所述根据所述第一存活率与所述第二存活率，确定各个残差网络对于样本图像的输出结果，包括：

根据所述第一存活率，随机丢弃所述残差网络；

根据当前残差网络的所述第一存活率与第二存活率，丢弃当前残差网络对于所述样本图样的对应残差。

8.如权利要求7所述的方法，其特征在于，所述根据当前残差网络的所述第一存活率与第二存活率，丢弃当前残差网络对于所述样本图样的对应残差，包括：

判断当前残差网络的所述第二存活率是否大于等于所述第一存活率；

若所述第二存活率大于等于所述第一存活率，则保持当前残差网络对于所述样本图样的对应残差存活；

若所述第二存活率小于所述第一存活率，则丢弃当前残差网络对于所述样本图样的对应残差。