申请/专利权人:合肥市正茂科技有限公司
申请日:2024-05-23
公开(公告)日:2024-06-21
公开(公告)号:CN118230130A
主分类号:G06V10/82
分类号:G06V10/82;G06V10/26;G06V10/44;G06V10/52;G06V10/80;G06V10/764;G06V20/54;G06N3/042;G06N3/0464;G06N3/045;G06N3/084;G06N3/048
优先权:
专利状态码:在审-公开
法律状态:2024.06.21#公开
摘要:本发明提供了一种车辆改装检测模型的训练方法,包括:获取待训练样本集和带标签图像集;获取初始深度卷积网络模型,并将所述待训练样本集输入所述初始深度卷积网络模型中进行特征提取处理,生成多尺度特征图像集;对所述多尺度特征图像集依次进行双分支注意力处理、特征变换处理、图卷积传播处理以及特征融合处理,生成融合特征图像集;对所述带标签图像集和所述融合特征图像集进行损失函数处理,生成损失函数值;根据所述损失函数值对所述初始深度卷积网络模型进行优化处理,生成目标车辆改装检测模型。通过本发明提供的一种车辆改装检测模型的训练方法、系统、设备及介质,能够提升车辆改装检测模型对路桥车辆的检测精度。
主权项:1.一种车辆改装检测模型的训练方法,其特征在于,所述训练方法包括:获取待训练样本集和带标签图像集;获取初始深度卷积网络模型,并将所述待训练样本集输入所述初始深度卷积网络模型中进行特征提取处理,生成多尺度特征图像集;对所述多尺度特征图像集进行双分支注意力处理,分别生成通道卷积特征图像集和目标注意力权重图像集;对所述通道卷积特征图像集和所述目标注意力权重图像集分别进行特征变换处理,分别生成第一邻接矩阵和第二邻接矩阵;对所述第一邻接矩阵和所述第二邻接矩阵进行图卷积传播处理,生成目标特征图像集;对所述多尺度特征图像集和所述目标特征图像集进行特征融合处理,生成融合特征图像集;对所述带标签图像集和所述融合特征图像集进行损失函数处理,生成损失函数值;根据所述损失函数值对所述初始深度卷积网络模型进行优化处理,生成目标车辆改装检测模型。
全文数据:
权利要求:
百度查询: 合肥市正茂科技有限公司 一种车辆改装检测模型的训练方法、系统、设备及介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。