CN119399668A 目标检测方法、模型训练方法、装置、设备、介质及产品 （中国联合网络通信集团有限公司）

目标检测模型是基于训练样本图像集对预设的样本图像集中各个训练样本图像中目标对象的标检测结果表征运动的物体中是否包含检测对2在检测到所述待检测视频中存在运动的物体时，则将所述待检对所述时序帧图像中连续的两帧进行比较，得到差分图，所述差分图3.根据权利要求1或2所述的方法，其特征在根据所述预设区域的天气信息，对所述目标检测模型的目标参数进确定训练样本图像集，所述训练样本图像集中各个训练样本图像中目标对象的尺寸、将所述训练样本图像集输入至预设的检测模型中，得到所述检测模型初始目标参数，所述检测模型用于对不同尺度的训练样本图像进行检测根据所述检测模型初始目标参数，得到所述训练样本图像对应第一检测结果是基于所述检测模型初始目标参数确定的所述目标对象的预测类别与预测根据所述第一检测结果与预先获取的所述训练样本图像对应的样本各个训练样本图像中所述目标对象的真实类别和真实对所述训练样本图像集中各个训练样本图像进行调整，得到不同尺寸的训练样本图将所述聚类中心的尺寸作为所述预设的检测模型的锚点的尺寸，并3通过目标应用场景的实际数据集对所述检测模型进行训练，调整将所述特征图数据分为第一数据和第二数据，对所述第一数据依次对所述高层次特征向量和所述原始特征向量进行特征融合，得到所述第一得到模块，用于在检测到所述待检测视频中存在运动的确定模块，用于确定训练样本图像集，所述训练样本第二得到模块，用于将所述训练样本图像集输入至预设的检第三得到模块，用于根据所述检测模型初始目标参数，第四得到模块，用于根据所述第一检测结果与预先获取的训练样本图像集中各个训练样本图像中所述目标对象的真实类别和真实边所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1_8任一项所4执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1_8任一项所述的方5测模型进行训练得到的，检测模型用于对不同尺度的训练样本图像进行识别以调整参数，[0017]确定训练样本图像集，训练样本图像集中各个训练样本图像中目标对象的尺寸、6模型用于对不同尺度的训练样本图像进行识别结果是基于检测模型初始目标参数确定的目标对象的预测[0022]对训练样本图像集中各个训练样本图像进行调整，得到不同尺寸的训练样本图[0028]通过目标应用场景的实际数据集对检测模型进行训练，7各个训练样本图像中目标对象的真实类别和真[0052]对训练样本图像集中各个训练样本图像进行调整，得到不同尺寸的训练样本图[0058]通过目标应用场景的实际数据集对检测模型进行训练，8到待检测视频中存在运动的物体时，将待检测视频对应的待检测图像输入至目标检测模9[0087]下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述行识别。聚类中心不再改变或达到预设的迭代次数。在不同尺度的训练样本图像上重复上述过程，以通过Mosaic，通过将四张不同的图像拼接成一张新的图像，随机擦除可以通过RandomErase，在图像中随机选择一个矩形区域并用随机噪声或平均值填充，随机隐藏可以通过[0117]在上述实施例的基础上，图2为本申请实施例提供的模型训练方法的流程示意图[0120]具体来说，对多尺度训练数据表示在训练样本图像集中设置众多不同尺度的数基于K_medoids算法表示通过锚点配置更新来重测模型进行训练可以指将这些通过聚类处理得到的锚点的尺寸更新到训练网络的配置文[0133]通过目标应用场景的实际数据集对检测模型进行训练，[0135]在本实施例中，在利用目标应用场景的实际数据集对检测模型进行训练的过程[0138]在上述实施例的基础上，图3为本申请实施例提供的模型训练方法的流程示意图[0149]需要说明的是，本申请实施例中YOLOv5模型的结构包括四个主要部分：输入、Dwconv和Pwconv可以有效地减少模型[0163]其中，目标检测模型是基于训练样本图像集对预设的检运动的物体中是否包含检测对象和检测对象的[0171]一种可实现的方式中，在将待检测视频对应的待检测图使检测模型针对不同尺度的训练样本图像进行检测并调整参数，以提高其适应性和准确[0188]本申请实施例提供的目标检测方法，通过实时摄像头捕[0193]第四得到模块504，用于根据第一检测结果与预先获取的训练样本图像对应的样集中各个训练样本图像中目标对象的真实类别和真实边[0195]对训练样本图像集中各个训练样本图像进行调整，得到不同尺寸的训练样本图[0201]通过目标应用场景的实际数据集对检测模型进行训练，[0222]在具体实现过程中，至少一个处理器701执行存储器702[0224]在上述的实施例中，应理解，处理器可以是中央处理单元（英文：Central部设备互连（PeripheralComponent，PCI）总线或扩展工业标准体系结构（Extended[0229]上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的分。处理器和可读存储介质可以位于专用集成电路（ApplicationSpecificIntegrated在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个以是任何适当的磁存储介质或者磁光存储介质，比如，阻变式存储器RRAM（Resistive（EnhancedDynamicRandomAccessMemory）、高带宽内存HBM（High_Bandwidth[0240]集成的单元/模块如果以软件程序模块的形式实现并作为独立的产品销售或使用者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例方法的全部或部分步者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的