(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211259141.6 (22)申请日 2022.10.14 (71)申请人 展讯通信 （上海） 有限公司 地址 201203 上海市浦东 新区中国 （上海） 自由贸易试验区祖冲之路2288弄展讯 中心1号楼 (72)发明人 陈纬　刘志坚　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 专利代理师 董建姣　刘芳 (51)Int.Cl. G06V 10/82(2022.01) G06V 10/80(2022.01) G06V 10/52(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 模型训练方法、 装置及设备 (57)摘要 本申请实施例提供一种模型训练方法、 装置 及设备。 该方法包括： 获取训练数据集和验证数 据集， 训练数据集和验证数据集 分别包括多张样 本图像、 每个样本图像对应的样 本区域和样本区 域的样本识别结果； 确定初始模型， 并通过训练 数据集对初始模型进行训练， 得到第一模型； 根 据预设精度损失值和验证数据集， 对第一模型进 行剪裁处理， 得到第二模型； 对第二模型进行模 型量化处理， 得到目标模型， 目标模型用于确定 在图像中确定目标区域和目标区域的识别结果。 在上述过程中， 通过构建目标模 型对检测结果图 像进行自动识别， 以获得检测结果图像对应的识 别结果， 无需人工进行识别， 提高了对检测结果 图像的识别效率。 权利要求书3页 说明书13页 附图4页 CN 115527092 A 2022.12.27 CN 115527092 A 1.一种模型训练方法， 其特 征在于， 包括： 获取训练数据集和验证数据集， 所述训练数据集和所述验证数据集分别包括多 张样本 图像、 每个样本图像对应的样本区域和所述样本区域的样本识别结果； 确定初始模型， 并通过 所述训练数据集对初始模型进行训练， 得到第一模型； 根据预设精度损 失值和所述验证数据集， 对所述第一模型进行剪裁处理， 得到第二模 型； 对所述第二模型进行模型量化处理， 得到目标模型， 所述目标模型用于确定在图像中 确定目标区域和所述目标区域的识别结果。 2.根据权利要求1所述的方法， 其特征在于， 根据预设精度损 失值和所述验证数据集， 对所述第一模型进行剪 裁处理， 得到第二模型， 包括： 根据所述预设精度损失值和所述验证数据集， 确定所述第 一模型中通道的目标剪裁比 例； 根据所述第一模型中通道的目标剪裁比例， 对所述第一模型进行剪裁处理， 得到所述 第二模型。 3.根据权利要求2所述的方法， 其特征在于， 根据 所述预设精度损失值和所述验证数据 集， 确定所述第一模型中通道的目标剪 裁比例， 包括： 按照多个预设剪 裁比例对所述第一模型进行 预剪裁， 得到多个待选模型； 通过所述验证数据集对所述多个待选模型进行测试， 得到每个预设剪裁比例对应的精 度损失值； 根据所述预设精度损失值和每个预设剪裁比例对应的精度损失值， 在所述多个预设剪 裁比例中确定所述目标剪 裁比例。 4.根据权利要求3所述的方法， 其特征在于， 根据 所述预设精度损失值和每个预设剪裁 比例对应的精度损失值， 在所述多个预设剪 裁比例中确定所述目标剪 裁比例， 包括： 根据所述预设精度损失值和每个预设剪裁比例对应的精度损失值， 在所述多个预设剪 裁比例中确定待选剪裁比例， 所述待选剪裁比例对应的精度损失值小于或等于所述预设精 度损失值； 将精度损失值与所述预设精度损失值差值最小的待选剪裁比例， 确定为所述目标剪裁 比例。 5.根据权利要求1 ‑4任一项所述的方法， 其特 征在于， 确定初始模型， 包括： 获取YOLO模型； 将所述YOLO模型的主干网络更新为混洗网络， 在所述YOLO模型中删除中尺度特征层， 以及更新所述YOLO模型的损失函数， 得到所述初始模型。 6.根据权利要求1 ‑5任一项所述的方法， 其特征在于， 获取训练数据集和验证数据集， 包括： 获取多个初始图像； 对所述多个初始图像进行增强处 理， 得到多个样本图像； 通过预设工具对所述多个样本图像进行标注处理， 得到每个样本图像的图像识别结 果； 根据所述多个样本图像和每个样本图像的图像识别结果， 确定所述训练数据集和所述权　利　要　求　书 1/3 页 2 CN 115527092 A 2验证数据集。 7.根据权利要求6所述的方法， 其特征在于， 针对所述多个初始图像中的任意一个初始 图像； 对所述初始图像进行增强处 理， 得到所述初始图像对应的多个样本图像， 包括： 对所述初始图像进行如下处理中的至少一种， 以得到所述初始图像对应的多个样本图 像： 缩放处理、 翻转处理、 平移处理、 旋转处理、 灰度填补处理、 均值化处理、 方差标准化处 理、 颜色变换处 理、 混合图像处 理、 随机多尺度操作处 理。 8.根据权利要求1 ‑7任一项所述的方法， 其特征在于， 通过所述训练数据集对初始模型 进行训练， 得到第一模型， 包括： 通过所述初始模型对所述训练集中的样本图像进行处理， 以在所述样本图像中确定预 测区域， 所述预测区域对应预测框； 确定所述样本区域对应的样本 框的样本面积和样本中心点； 根据所述预测框的预测面积、 预测中心点、 所述样本面积和所述样本中心点， 确定损失 函数的损失值； 根据所述损 失值更新所述初始模型的模型参数， 直至所述初始模型收敛时， 得到所述 第一模型。 9.根据权利要求1 ‑8任一项所述的方法， 其特 征在于， 所述方法还 包括： 确定待处 理图像； 对所述待处 理图像进行 预处理； 通过所述目标模型对所述预处理后的图像进行处理， 以确定得到第一目标区域、 和所 述第一目标区域的识别结果。 10.一种模型训练装置， 其特征在于， 所述装置包括： 获取模块、 第一确定模块、 剪裁模 块、 量化模块， 其中， 所述获取模块用于， 获取训练数据集和验证数据集， 所述训练数据集和所述验证数据 集分别包括多张样本图像、 每个样本图像对应的样本区域和所述样本区域的样本识别结 果； 所述第一确定模块用于， 确定初始模型， 并通过所述训练数据集对初始模型进行训练， 得到第一模型； 所述剪裁模块用于， 根据预设精度损 失值和所述验证数据集， 对所述第一模型进行剪 裁处理， 得到第二模型； 所述量化模块用于， 对所述第 二模型进行模型量化处理， 得到目标模型， 所述目标模型 用于确定在图像中确定目标区域和所述目标区域的识别结果。 11.一种终端设备， 其特 征在于， 包括： 处 理器和存 储器； 所述存储器用于， 存 储计算机程序； 所述处理器用于， 执行所述存储器中存储的计算机程序， 实现如权利要求1至9中任一 项所述的方法。 12.一种计算机可读存储介质， 其特征在于， 其中， 所述计算机可读存储介质中存储有 计算机执行指 令， 当所述计算机执行指 令被处理器执行时用于实现权利要求 1至9任一项 所 述的方法。 13.一种计算机程序产品， 其特征在于， 包括计算机程序， 该计算机程序被处理器执行权　利　要　求　书 2/3 页 3 CN 115527092 A 3