买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东致盛技术有限公司

摘要：本申请涉及一种模型训练方法和装置、拥挤程度识别及预测方法和装置，应用于人工智能技术领域，模型训练方法包括：周期性采集任务现场的图像，获取每个采集时刻任务的已完成任务量；确定每个采集时刻任务现场的实际拥挤程度向量，并确定下一个周期任务现场可能发生拥挤的实际预测值；对每个采集时刻的K个任务现场的图像分别进行卷积处理，得到响应图；将响应图和K个任务的已完成任务量输入初始模型，得到估计拥挤程度向量和下一个周期K个任务现场可能发生拥挤的估计预测值；根据损失函数计算损失值。根据损失值，对初始模型中的网络参数值进行调整，直至满足收敛条件，得到拥挤程度识别及预测模型。本申请可提高拥挤程度识别及预测的准确性。

主权项：1.一种拥挤程度识别及预测模型训练方法，其特征在于，所述方法包括：针对目标场景下包含的K个任务中的每个任务，周期性采集所述任务现场的图像，并获取每个采集时刻所述任务的已完成任务量；K为正整数；基于预先设置的M个拥挤程度，确定每个采集时刻所述任务现场的实际拥挤程度向量，并确定下一个周期所述任务现场可能发生拥挤的实际预测值；M为大于1的整数；利用N个矩阵窗口，对每个采集时刻的K个任务现场的图像分别进行卷积处理，得到N×K个响应图；将每个采集时刻对应的N×K个响应图和所述K个任务的已完成任务量输入预先构建的初始模型，得到所述采集时刻K个任务现场的估计拥挤程度向量和下一个周期K个任务现场可能发生拥挤的估计预测值；根据以下损失函数： ；计算损失值；其中，表示所述采集时刻K个任务现场的实际拥挤程度向量及下一个周期K个任务现场可能发生拥挤的实际预测值所构成的向量； 表示所述采集时刻K个任务现场的估计拥挤程度向量和下一个周期K个任务现场可能发生拥挤的估计预测值所构成的向量； 表示预设控制系数，，表示所述采集时刻第k个任务现场的实际拥挤程度向量，表示所述采集时刻第k个任务现场的估计拥挤程度向量，表示所述采集时刻的下一个周期第k个任务现场可能发生拥挤的实际预测值，表示所述采集时刻的下一个周期第k个任务现场可能发生拥挤的估计预测值；表示所述采集时刻第k个任务现场的估计拥挤程度向量中拥挤程度最高的维度对应的值；根据所述损失值，对所述初始模型中的网络参数值进行调整，直至满足收敛条件，得到拥挤程度识别及预测模型。

全文数据：

权利要求：

百度查询： 广东致盛技术有限公司 模型训练方法和装置、拥挤程度识别及预测方法和装置