[发明专利]跟踪模型的训练方法、装置、介质和计算设备

权利要求书

1.一种跟踪模型的训练方法，包括：

基于对训练数据集进行预训练得到的网络参数构建回归模型；

基于所述回归模型对跟踪模型的参数进行更新，以实现对所述跟踪模型的训练。

2.根据权利要求1所述的跟踪模型的训练方法，基于对训练数据集进行预训练得到的网络参数构建回归模型，包括：

对输入的训练数据集进行预训练，得到网络参数和所述网络参数对应的矩阵数据集；

基于所述矩阵数据集构建回归模型。

3.根据权利要求2所述的跟踪模型的训练方法，对输入的训练数据集进行预训练，得到网络参数和所述网络参数对应的矩阵数据集，包括：

基于输入的训练数据集对跟踪模型进行预训练，得到所述跟踪模型的网络参数；

从所述网络参数中获取权值矩阵、偏置矩阵、权值梯度矩阵以及偏置梯度矩阵；

基于所述权值矩阵和所述权值梯度矩阵，生成权值梯度矩阵数据集；

基于所述偏置矩阵和所述偏置梯度矩阵，生成偏置梯度矩阵数据集；

将所述权值梯度矩阵数据集和所述偏置梯度矩阵数据集确定为矩阵数据集。

4.根据权利要求3所述的跟踪模型的训练方法，基于所述矩阵数据集构建回归模型，包括：

确定所述权值梯度矩阵数据集对应的第一卷积层，并构建所述第一卷积层对应的权值回归模型；

确定所述偏置梯度矩阵数据集对应的第二卷积层，并构建所述第二卷积层对应的偏置回归模型。

5.根据权利要求1～4任一项所述的跟踪模型的训练方法，对所述跟踪模型进行训练的算法为梯度下降算法和改进算法，其中：

获取对所述跟踪模型进行的最新两次连续训练的训练正确率；

基于所述最新两次连续训练的训练正确率，计算正确率增幅；

当所述正确率增幅小于预设阈值时，获取当前算法；

当所述当前算法为所述梯度下降算法时，将所述当前算法更新为所述改进算法；

当所述当前算法为所述改进算法时，将所述当前算法更新为所述梯度下降算法。

6.根据权利要求5所述的跟踪模型的训练方法，当所述当前算法为改进算法时，基于所述回归模型对跟踪模型的参数进行更新，以实现对所述跟踪模型的训练，包括：

利用所述改进算法对所述跟踪模型进行梯度更新，得到所述跟踪模型中卷积层的权值训练矩阵和偏置训练矩阵；

基于所述回归模型对所述权值训练矩阵进行计算，得到第一训练梯度；

基于所述回归模型对所述偏置训练矩阵进行计算，得到第二训练梯度；

调用所述第一训练梯度和所述第二训练梯度对所述卷积层的参数进行更新，以实现对所述跟踪模型的训练。

7.一种跟踪模型的训练装置，包括：

构建单元，用于基于对训练数据集进行预训练得到的网络参数构建回归模型；

第一更新单元，用于基于所述回归模型对跟踪模型的参数进行更新，以实现对所述跟踪模型的训练。

8.根据权利要求7所述的跟踪模型的训练装置，所述构建单元包括：

训练子单元，用于对输入的训练数据集进行预训练，得到网络参数和所述网络参数对应的矩阵数据集；

构建子单元，用于基于所述矩阵数据集构建回归模型。

9.一种存储有程序的存储介质，其中，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-6中的任一项所述的跟踪模型的训练方法。

10.一种计算设备，包括如权利要求9所述的存储介质。