[发明专利]对象识别模型的训练方法、装置及存储介质

权利要求书

1.一种对象识别模型的训练方法，其特征在于，所述训练方法包括：

获取同一监测点位在不同时间的第一监测图像、包括有目标对象的参考图像以及标注信息；所述标注信息用于表征所述参考图像中目标对象的识别结果，且所述标注信息的准确度大于准确度阈值；

根据获取到的第一监测图像和参考图像，生成所述同一监测点位在不同时间的融合图像，所述融合图像包括所述目标对象以及所述第一监测图像的背景；

将所述标注信息确定为所述融合图像的标注结果；

根据所述融合图像和所述标注结果对当前的对象识别模型进行迭代训练，直到模型收敛，得到第一目标对象识别模型；所述第一目标对象识别模型用于识别所述同一监测点位的第一监测图像中的所述目标对象。

2.根据权利要求1所述的训练方法，其特征在于，所述根据获取到的第一监测图像和参考图像，生成所述同一监测点位在不同时间的融合图像，包括：

获取所述参考图像中所述目标对象的图像；

根据预设的图像融合算法，融合所述第一监测图像和所述目标对象的图像，以得到所述融合图像。

3.根据权利要求2所述的训练方法，其特征在于，所述根据预设的图像融合算法，融合所述第一监测图像和所述目标对象的图像，以得到所述融合图像，包括：

根据预设的图像融合算法，融合所述第一监测图像和所述目标对象的图像，得到中间图像；

对所述中间图像进行数据增强处理，以得到所述融合图像。

4.根据权利要求1-3任一项所述的训练方法，其特征在于，所述获取包括有目标对象的参考图像以及标注信息，包括：

将包括有所述目标对象的测试图像输入到所述当前的对象识别模型，得到每一测试图像的识别结果；

将目标识别结果以及准确度大于所述准确度阈值的识别结果对应的测试图像作为所述参考图像；所述目标识别结果为响应于输入的调整操作，调整后的识别结果；

将所述目标识别结果以及所述准确度大于所述准确度阈值的识别结果作为所述标注信息。

5.根据权利要求1-3任一项所述的训练方法，其特征在于，所述方法还包括：

获取所述同一监测点位包括待识别对象的第二监测图像；

将所述第二监测图像输入所述第一目标对象识别模型，得到所述第二监测图像中所述待识别对象的中间识别结果；

响应于对所述中间识别结果的调整操作，获取调整后的中间识别结果；所述调整后的中间识别结果用于表征所述待识别对象是否为所述目标对象；

将所述调整后的中间识别结果确定为所述第二监测图像的标注结果；

根据所述第二监测图像以及所述第二监测图像的标注结果对所述第一目标对象识别模型进行迭代训练，得到第二目标对象识别模型。

6.一种对象识别模型的训练装置，其特征在于，包括：

获取模块，用于获取同一监测点位在不同时间的第一监测图像、包括有目标对象的参考图像以及标注信息；所述标注信息用于表征所述参考图像中目标对象的识别结果，且所述标注信息的准确度大于准确度阈值；

生成模块，用于根据所述获取模块获取到的第一监测图像和参考图像，生成所述同一监测点位在不同时间的融合图像，所述融合图像包括所述目标对象以及所述第一监测图像的背景；

确定模块，用于将所述获取模块获取到的所述标注信息确定为所述生成模块生成的所述融合图像的标注结果；

训练模块，用于根据所述生成模块生成的所述融合图像和所述确定模块确定的所述标注结果对当前的对象识别模型进行迭代训练，直到模型收敛，得到第一目标对象识别模型；所述第一目标对象识别模型用于识别所述同一监测点位的第一监测图像中的所述目标对象。

7.根据权利要求6所述的训练装置，其特征在于，

所述获取模块还用于：获取所述参考图像中所述目标对象的图像；

所述生成模块，具体用于根据预设的图像融合算法，融合所述第一监测图像和所述目标对象的图像，以得到所述融合图像。