[发明专利]图像模型的训练方法、电子设备、路侧设备及云控平台

权利要求书

1.一种图像模型的训练方法，包括：

在图像模型每次训练开始前，获取每个类别的采样比例系数；

基于所述采样比例系数，从每个类别的候选图像样本中采样出训练图像样本；

基于每个类别采样的所述训练图像样本对所述图像模型进行训练，并获取每个类别的损失信息，其中所述损失信息用于下一次训练时获取所述采样比例系数；

响应于训练出的图像模型收敛停止训练，生成目标图像模型。

2.根据权利要求1所述的方法，其中，所述获取每个类别的采样比例系数，包括：

针对首次训练，获取每个类别的样本数量和总样本数量；

基于所述样本数量和所述总样本数量，确定每个类别的初始采样比例系数。

3.根据权利要求2所述的方法，其中，所述基于所述样本数量和所述总样本数量，确定每个类别的初始采样比例系数，包括：

确定所述总样本数量与每个类别的所述样本数量的第一比值；

将所有类别的所述第一比值进行求和；

针对每个类别，获取所述类别的所述第一比值与所述第一比值的和值的第二比值，并将所述第二比值作为所述类别的初始采样比例系数。

4.根据权利要求1-3任一项所述的方法，其中，所述获取每个类别的采样比例系数，包括：

针对非首次训练，获取上一次训练时每个类别中每个所述训练图像样本的损失信息；

针对每个类别，根据所述训练图像样本的损失信息，确定所述类别的损失下降速率；

根据每个类别的所述损失下降速率，确定当次训练时每个类别的所述采样比例系数。

5.根据权利要求4所述的方法，其中，所述根据所述损失信息，确定所述类别的损失下降速率，包括：

根据所述类别中每个所述训练图像样本的损失信息，确定所述类别的平均损失信息；

基于所述类别当次训练的所述平均损失信息和上一次训练的所述平均损失信息，确定所述类别的所述损失下降速率。

6.根据权利要求4所述的方法，其中，所述根据每个类别的所述损失下降速率，确定当次训练时每个类别的所述采样比例系数，包括：

基于当次训练的所述平均损失信息，确定第一参数；

将所有类别的所述第一参数进行求和；

针对每个类别，获取所述类别的所述第一参数与所述第一参数的和值的第三比值，并将所述第三比值作为所述类别的采样比例系数。

7.根据权利要求1所述的方法，其中，所述基于每个类别的提取的训练图像样本对所述图像模型进行训练之前，还包括：

从多个数据增强策略中选取目标数据增强策略；

基于所述目标数据增强策略，对所述训练图像样本进行数据增强处理。

8.根据权利要求7所述的方法，其中，所述从多个数据增强策略中选取目标数据增强策略，包括：

生成随机数，并基于所述随机数生成选取概率；

根据所述选取概率，从所述多个数据增强策略中选取所述目标数据增强策略。

9.根据权利要求1所述的方法，其中，还包括：

将每次训练出的满足图像模型保存条件的候选图像模型进行保存；

基于测试样本对所述候选图像模型和所述目标图像模型进行测试，从中选取测试结果最优的图像模型，作为最终的训练后图像模型。

10.一种图像模型的训练装置，包括：

第一获取模块，用于在图像模型每次训练开始前，获取每个类别的采样比例系数；

采样模块，用于基于所述采样比例系数，从每个类别的候选图像样本中采样出训练图像样本；

第二获取模块，用于基于每个类别采样的所述训练图像样本对所述图像模型进行训练，并获取每个类别的损失信息，其中所述损失信息用于下一次训练时获取所述采样比例系数；

图像模型生成模块，用于响应于训练出的图像模型收敛停止训练，生成目标图像模型。