[发明专利]识别模型的训练方法及装置、对象识别方法及装置

说明书

本公开提供了一种识别模型的训练方法及装置、对象识别方法及装置，涉及人工智能领域，尤其涉及计算机视觉和深度学习技术领域。具体实现方案包括：利用全域样本数据进行针对预设初始识别模型的预训练，得到中间识别模型，全域样本数据为对数据来源不进行限定的样本数据；利用局域样本数据对中间识别模型进行调优，得到经训练的识别模型，其中，局域样本数据为对数据来源进行区域性限定的样本数据，全域样本数据和局域样本数据包含相同类型的待识别对象。

技术领域

本公开涉及人工智能领域，尤其涉及计算机视觉和深度学习技术领域，可应用于车辆识别场景下。

背景技术

基于深度学习的对象识别任务包括对不同来源数据中的目标对象进行识别。但是，在一些场景下，在利用经训练的识别模型识别特定数据来源数据中的目标对象时，存在对象识别精度不高、识别效率低的现象。

发明内容

本公开提供了一种识别模型的训练方法及装置、对象识别方法及装置、电子设备、存储介质以及程序产品。

根据本公开的一方面，提供了一种识别模型的训练方法，包括：利用全域样本数据进行针对预设初始识别模型的预训练，得到中间识别模型，所述全域样本数据为对数据来源不进行限定的样本数据；利用局域样本数据对所述中间识别模型进行调优，得到经训练的识别模型。所述局域样本数据为对数据来源进行区域性限定的样本数据，所述全域样本数据和所述局域样本数据包含相同类型的待识别对象。

根据本公开的另一方面，提供了一种对象识别方法，包括：根据待识别数据的数据来源，确定与所述数据来源关联的目标识别模型；以及将所述待识别数据输入所述目标识别模型，得到基于预设目标对象的识别结果。所述目标识别模型是根据上述的识别模型的训练方法训练得到的。

根据本公开的另一方面，提供了一种识别模型的训练装置，包括：第一处理模块，用于利用全域样本数据进行针对预设初始识别模型的预训练，得到中间识别模型，所述全域样本数据为对数据来源不进行限定的样本数据；第二处理模块，用于利用局域样本数据对所述中间识别模型进行调优，得到经训练的识别模型。所述局域样本数据为对数据来源进行区域性限定的样本数据，所述全域样本数据和所述局域样本数据包含相同类型的待识别对象。

根据本公开的另一方面，提供了一种对象识别装置，包括：第三处理模块，用于根据待识别数据的数据来源，确定与所述数据来源关联的目标识别模型；以及第四处理模块，用于将所述待识别数据输入所述目标识别模型，得到基于预设目标对象的识别结果。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器和与所述至少一个处理器通信连接的存储器。其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的识别模型的训练方法或上述的对象识别方法。所述目标识别模型是根据上述的识别模型的训练方法训练得到的。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行上述的识别模型的训练方法或执行上述的对象识别方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述的识别模型的训练方法或实现上述的对象识别方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1示意性示出了根据本公开一实施例的识别模型的训练和装置的系统架构；

图2示意性示出了根据本公开一实施例的识别模型的训练方法的流程图；