[發明專利]災損識別模型的訓練方法、裝置、設備以及存儲介質

在審

• 申請號: 202110693920.6
• 申請日: 2021-06-22
• 公開（公告）號: CN113313129A
• 公開（公告）日: 2021-08-27
• 發明（設計）人: 方聰;鄭越;黃俊斌;曠雄;曾偉
• 申請（專利權）人: 中國平安財產保險股份有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市明日今典知識產權代理事務所(普通合伙) 44343
• 代理人: 王杰輝;熊成龍

1.一種災損識別模型的訓練方法，其特征在于，包括：

獲取災損識別模型中各個通道的特征圖；

獲取各所述特征圖的像素點，計算每個所述特征圖中各像素點的像素平均值；

將各所述特征圖以及各所述特征圖分別對應的像素平均值進行歸一化處理，得到各個通道的增益參數；其中，所述歸一化處理的函數為sigmiod激活函數；

將各所述增益參數進行標準化處理，得到各個通道的目標權重值；其中，標準化處理后得到的所有所述目標權重值之和為1；

將所述目標權重值輸入至所述災損識別模型中對各個所述通道的權重值進行校正。

2.如權利要求1所述的災損識別模型的訓練方法，其特征在于，所述將各所述特征圖以及各所述特征圖分別對應的像素平均值進行歸一化處理，得到各個通道的增益參數的步驟，包括：

獲取各通道內的卷積層至隱藏層的第一權重向量，以及所述隱藏層至輸出層的第二權重向量；

將各通道的所述第一權重向量、第二權重向量以及所述災損識別模型的權重向量依次輸入至增益參數計算公式中，得到各個通道對應的所述增益參數；其中，所述災損識別模型的權重向量根據各所述特征圖的像素平均值排列得到，所述增益參數計算公式為表示第m個通道對應的增益參數，W₁表示第一權重向量，W₂表示第二權重向量，z表示所述災損識別模型的權重向量，δ為預設的參數。

3.如權利要求1所述的災損識別模型的訓練方法，其特征在于，所述計算每個所述特征圖中各像素點的像素平均值的步驟，包括：

將各個所述特征圖的像素點依次輸入至像素平均值計算公式中，得到各個所述特征圖分別對應的像素平均值，將所述像素平均值作為對應所述特征圖的像素平均值；其中，所述像素平均值計算公式為其中，z_k為第k個所述特征圖對應的像素平均值，X表示所述特征圖的高度，W表示所述特征圖的寬度，u_k(i，j)表示第k個特征圖在高度為i和寬度為j處的像素點。

4.如權利要求1所述的災損識別模型的訓練方法，其特征在于，所述獲取各所述特征圖的像素點的步驟之前，還包括：

將各個所述特征圖輸入至RGB顏色模型中，得到各個所述特征圖在RGB顏色模型中的R顏色通道的數值、G顏色通道的數值和B顏色通道的數值；

根據公式：F1＝MIN{ROUND[(a1R+a2G+a3B)/L,0],A}，獲取參考數值F1，其中MIN為最小值函數，ROUND為四舍五入函數，a1、a2、a3均為大于0且小于L的正數，L為大于0的整數，A為預設的取值在范圍(0,255)之內第一閾值參數，R、G、B分別為所述特征圖中的指定像素點的RGB顏色模型中的R顏色通道的數值、G顏色通道的數值和B顏色通道的數值；

判斷所述參考數值F1的值是否等于A；

若所述參考數值F1的值不等于A，則根據公式：F2＝MAX{ROUND[(a1R+a2G+a3B)/L,0],K}，獲取參考數值F2，其中MIN為最大值函數，K為預設的取值在范圍(0,255)之內第二閾值參數，并且K大于A；

判斷所述參考數值F2的值是否等于K；

若所述參考數值F2的值不等于K，則將該像素點的RGB顏色設置為(255,255,255)。

5.如權利要求1所述的災損識別模型的訓練方法，其特征在于，所述將各所述特征圖以及各所述特征圖分別對應的像素平均值進行歸一化處理，得到各個通道的增益參數的步驟，包括：

將各個所述特征圖的各個像素點U＝[u_1,1,u_1,2,…,u_i,j,…,u_H,W]，依次輸入公式q＝W_sq·中進行空間激勵，得到中間特征圖；其中u_i,j為所述特征圖中坐標為(i,j)的像素點，W_sq為預設的空間向量，q為所述中間特征圖；

將所述中間特征圖輸入特征值計算函數中進行計算，計算后得到所述中間特征圖中各個像素點對應的特征值；

將各所述特征值按照預設的權重分配公式進行，得到各個所述中間特征圖的各個像素點的權重激勵參數；其中，所述權重激勵參數為所述增益參數。