[發明專利]智能攝像頭模型終端訓練方法、裝置、設備及介質

在審

• 申請號: 202110456609.X
• 申請日: 2021-01-27
• 公開（公告）號: CN113139475A
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 陳輝;龍祥;張智;熊章;雷奇文;艾偉;胡國湖
• 申請（專利權）人: 武漢星巡智能科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 成都恪睿信專利代理事務所(普通合伙) 51303
• 代理人: 陳興強

本發明屬于圖像處理技術領域，解決了在自訓練過程中通過設置置信度閾值無法避免錯誤標簽，所導致自訓練效果不佳的技術問題，提供了一種智能攝像頭模型終端訓練方法、裝置、設備及介質。該方法包括:合并預置的第一樣本集和智能攝像頭在本地實時采集的第二樣本集，輸出訓練樣本集；分別根據所述訓練樣本集對當前模型進行分階段訓練，輸出校驗模型；其中，分階段訓練包括模型收斂對應的第一階段訓練和模型微調對應的第二階段訓練。本發明還包括用于執行上述方法的裝置、設備和介質。本發明通過第一階段訓練完成網絡收斂，然后在第二訓練階段通過可靠權重可以逐步降低錯誤標簽在訓練過程中的影響，提升自訓練的效果。

本申請是2021年1月27日提交、發明名稱為“智能攝像頭模型自訓練方法、裝置、設備及介質”申請號為202110109737.7的發明專利申請的分案申請。

技術領域

本發明涉及圖像處理技術領域，尤其涉及一種智能攝像頭模型自訓練方法、裝置、設備及介質。

背景技術

隨著視頻監控設備被廣泛應用于監控日常生活中的不同場景，攝像頭尤其是帶有圖像分析功能的智能攝像頭成為現在生活監控管理中的一個常見監控工具。這種智能攝像頭除了配備有常規的攝像頭拍攝還設有具有處理器功能的芯片，可以對拍攝的場景圖像數據進行簡單的處理分析。

然而現有技術中，因這類智能攝像頭的芯片具備有計算能力，為使智能攝像頭能夠適應多場景應用，通常做法是這類智能攝像頭在出廠前會盡可能多的收集多個不同場景的樣本圖像訓練出一個輕量級網絡模型部署到智能攝像頭上，使得智能攝像頭能夠適用于不同場景，如：嬰幼兒看護管理、醫院病人監護、學校監控、商城監控、車庫監控、景區監控、養殖場監控、道路交通監控等。

盡管智能攝像頭事先對不同應用場景進行了很多樣本采集，里面對每個場景都進行了大量的樣本訓練，但是在直接將智能攝像頭使用到場景中開展監護時，對于不同用戶所在的實際場景依然存在較大差異性，這就導致智能攝像頭出廠前進行大量訓練得到的基礎檢測模型不適用，容易出現較大偏差，此外，還有一種是將智能攝像頭與服務器連接起來，由服務器提供基礎檢測模型的升級安裝程序包，讓智能攝像頭的基礎檢測模型進行升級更新。但隨著人們對用個人隱私以及信息安全的考量，不愿將智能攝像頭與服務器連接，而其它方式比如下載基礎檢測模型的更新程序包升級這又會增加智能攝像頭的硬件成本(因為現有的智能攝像頭一般沒有觸控屏之類的交互顯示界面，如果設置觸控屏等交互硬件識別增加智能攝像頭成本)和升級維護時間。

發明內容

有鑒于此，本發明實施例提供了一種智能攝像頭模型自訓練方法、裝置、設備及介質，用以解決由于在自訓練過程中通過設置置信度閾值無法避免錯誤標簽，所導致自訓練效果不佳的技術問題。

本發明采用的技術方案是：本發明提供了一種智能攝像頭模型終端訓練方法，所述方法包括：

合并預置的第一樣本集和智能攝像頭在本地實時采集的第二樣本集，輸出訓練樣本集；

分別根據所述訓練樣本集對當前模型進行分階段訓練，輸出校驗模型；

其中，分階段訓練包括模型收斂對應的第一階段訓練和模型微調對應的第二階段訓練。

優選地，所述分別根據所述訓練樣本集對當前模型進行分階段訓練，輸出校驗模型包括：

獲取用于在所述第二階段訓練的各正樣本對應的可靠權重；

利用所述訓練樣本集對所述當前模型進行第一階段訓練，輸出中間訓練模型；

利用所述可靠權重在所述中間訓練模型的基礎上，對所述當前模型進行第二階段訓練，輸出校驗模型；

其中，所述第二階段訓練的各輪訓練中，各正樣本對應的可靠權重相互獨立，可靠權重為當前模型的網絡輸出層的全中通道輸出的參數，本次訓練的當前模型為前一次訓練后得到的模型；在對中間訓練模型的多輪訓練中，各輪訓練分別加入對應的當前模型對各正樣本輸出的可靠權重參與本輪訓練。