【技術(shù)實(shí)現(xiàn)步驟摘要】
本公開涉及人工智能，尤其涉及計(jì)算機(jī)視覺、深度學(xué)習(xí)、大模型和圖像處理技術(shù)等，更具體地，涉及一種樣本生成、深度學(xué)習(xí)模型的訓(xùn)練、視頻流處理方法及裝置、設(shè)備和介質(zhì)。
技術(shù)介紹
1、隨著計(jì)算機(jī)技術(shù)的發(fā)展，人工智能技術(shù)也得到了發(fā)展。例如，可以利用人工智能技術(shù)來對工業(yè)園區(qū)產(chǎn)生的海量生產(chǎn)數(shù)據(jù)進(jìn)行處理，實(shí)現(xiàn)對海量生產(chǎn)數(shù)據(jù)中的危險(xiǎn)作業(yè)行為、異常環(huán)境變化等情況進(jìn)行監(jiān)測分析，以期望達(dá)到危險(xiǎn)監(jiān)測告警的目的。
技術(shù)實(shí)現(xiàn)思路
1、本公開提供了一種樣本生成、深度學(xué)習(xí)模型的訓(xùn)練、視頻流處理方法及裝置、設(shè)備和介質(zhì)。
2、根據(jù)本公開的一個(gè)方面，提供了一種樣本生成方法，包括：分別基于第一方式和第二方式處理m個(gè)候選圖像序列，得到每個(gè)上述候選圖像序列各自的第一檢測信息和第二檢測信息，其中，上述第一檢測信息表征了上述候選圖像序列是否包括目標(biāo)對象和上述目標(biāo)對象的運(yùn)動(dòng)狀態(tài)中的至少之一，上述第二檢測信息表征了上述候選圖像序列是否包括上述目標(biāo)對象和上述目標(biāo)對象的運(yùn)動(dòng)狀態(tài)中的至少之一，m為正整數(shù)；根據(jù)每個(gè)上述候選圖像序列各自的第一檢測信息和第二檢測信息，在上述m個(gè)候選圖像序列中，確定n個(gè)目標(biāo)圖像序列，n小于或等于m的正整數(shù)；以及，根據(jù)上述n個(gè)目標(biāo)圖像序列、每個(gè)上述目標(biāo)圖像序列各自的第一檢測信息和第二檢測信息，生成顯著樣本集。
3、根據(jù)本公開的一個(gè)方面，提供了一種深度學(xué)習(xí)模型的訓(xùn)練方法，包括：獲取顯著樣本集，其中，上述顯著樣本集是利用樣本生成方法生成的，上述顯著樣本集包括多個(gè)目標(biāo)圖像序列和每個(gè)上述目標(biāo)圖像序列各自的
4、根據(jù)本公開的一個(gè)方面，提供了一種視頻流處理方法，包括：獲取待處理視頻流；以及，將上述待處理視頻流輸入至經(jīng)訓(xùn)練的深度學(xué)習(xí)模型，得到視頻流處理結(jié)果；其中，上述經(jīng)訓(xùn)練的深度學(xué)習(xí)模型是利用深度學(xué)習(xí)模型的訓(xùn)練方法訓(xùn)練得到的。
5、根據(jù)本公開的另一個(gè)方面，提供了一種樣本生成裝置，包括：第一處理模塊，用于分別基于第一方式和第二方式處理m個(gè)候選圖像序列，得到每個(gè)上述候選圖像序列各自的第一檢測信息和第二檢測信息，其中，上述第一檢測信息表征了上述候選圖像序列是否包括目標(biāo)對象和所述目標(biāo)對象的運(yùn)動(dòng)狀態(tài)中的至少之一，上述第二檢測信息表征了上述候選圖像序列是否包括上述目標(biāo)對象和上述目標(biāo)對象的運(yùn)動(dòng)狀態(tài)中的至少之一，m為正整數(shù)；第一確定模塊，用于根據(jù)每個(gè)上述候選圖像序列各自的第一檢測信息和第二檢測信息，在上述m個(gè)候選圖像序列中，確定n個(gè)目標(biāo)圖像序列，n小于或等于m的正整數(shù)；以及，生成模塊，用于根據(jù)上述n個(gè)目標(biāo)圖像序列、每個(gè)上述目標(biāo)圖像序列各自的第一檢測信息和第二檢測信息，生成顯著樣本集。
6、根據(jù)本公開的另一個(gè)方面，提供了一種深度學(xué)習(xí)模型的訓(xùn)練裝置，包括：第一獲取模塊，用于獲取顯著樣本集，其中，上述顯著樣本集是利用樣本生成裝置生成的，上述顯著樣本集包括多個(gè)目標(biāo)圖像序列和每個(gè)上述目標(biāo)圖像序列各自的標(biāo)簽信息；第一輸入模塊，用于將上述目標(biāo)圖像序列輸入至教師學(xué)生網(wǎng)絡(luò)中的教師模型，得到第一樣本檢測信息；第二輸入模塊，用于將上述目標(biāo)圖像序列輸入至上述教師學(xué)生網(wǎng)絡(luò)中的學(xué)生模型，得到第二樣本檢測信息；以及，訓(xùn)練模塊，用于根據(jù)上述標(biāo)簽信息、上述第一樣本檢測信息和上述第二樣本檢測信息之間的差異，對上述學(xué)生模型的模型參數(shù)進(jìn)行調(diào)整，得到經(jīng)訓(xùn)練的深度學(xué)習(xí)模型。
7、根據(jù)本公開的另一個(gè)方面，提供了一種視頻流處理裝置，包括：第二獲取模塊，用于獲取待處理視頻流；以及第三處理模塊，用于將上述待處理視頻流輸入至經(jīng)訓(xùn)練的深度學(xué)習(xí)模型，得到視頻流處理結(jié)果；其中，上述經(jīng)訓(xùn)練的深度學(xué)習(xí)模型是利用深度學(xué)習(xí)模型的訓(xùn)練裝置訓(xùn)練得到的。
8、根據(jù)本公開的另一方面，提供了一種電子設(shè)備，包括：一個(gè)或多個(gè)處理器；存儲(chǔ)器，用于存儲(chǔ)一個(gè)或多個(gè)計(jì)算機(jī)程序，其中，上述一個(gè)或多個(gè)處理器執(zhí)行上述一個(gè)或多個(gè)計(jì)算機(jī)程序以實(shí)現(xiàn)上述方法的步驟。
9、根據(jù)本公開的另一方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序或指令，上述計(jì)算機(jī)程序或指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述方法的步驟。
10、根據(jù)本公開的另一方面，提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序或指令，上述計(jì)算機(jī)程序或指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述方法的步驟。
11、應(yīng)當(dāng)理解，本部分所描述的內(nèi)容并非旨在標(biāo)識(shí)本公開的實(shí)施例的關(guān)鍵或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過以下的說明書而變得容易理解。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種樣本生成方法，包括：
2.根據(jù)權(quán)利要求1所述的方法，其中，基于第一方式處理M個(gè)候選圖像序列包括：
3.根據(jù)權(quán)利要求1所述的方法，其中，所述根據(jù)每個(gè)所述候選圖像序列各自的第一檢測信息和第二檢測信息，在所述M個(gè)候選圖像序列中，確定N個(gè)目標(biāo)圖像序列包括：
4.根據(jù)權(quán)利要求3所述的方法，其中，所述第一檢測信息和所述第二檢測信息還均包括與所述目標(biāo)對象相關(guān)的第一置信度和與所述運(yùn)動(dòng)狀態(tài)相關(guān)的第二置信度；
5.根據(jù)權(quán)利要求1至4中任一項(xiàng)所述的方法，其中，所述根據(jù)所述N個(gè)目標(biāo)圖像序列、每個(gè)所述目標(biāo)圖像序列各自的第一檢測信息和第二檢測信息，生成顯著樣本集包括：
6.根據(jù)權(quán)利要求1至4中任一項(xiàng)所述的方法，還包括，在分別基于第一方式和第二方式處理所述根據(jù)M個(gè)候選圖像序列之前：
7.一種深度學(xué)習(xí)模型的訓(xùn)練方法，包括：
8.一種視頻流處理方法，包括：
9.一種樣本生成裝置，包括：
10.根據(jù)權(quán)利要求9所述的裝置，其中，所述第一處理模塊包括：
11.根據(jù)權(quán)利要求9所述的裝置，其中，所
12.根據(jù)權(quán)利要求11所述的裝置，其中，所述第一檢測信息和所述第二檢測信息還均包括與所述目標(biāo)對象相關(guān)的第一置信度和與所述運(yùn)動(dòng)狀態(tài)相關(guān)的第二置信度；
13.根據(jù)權(quán)利要求9至12中任一項(xiàng)所述的裝置，其中，所述生成模塊包括：
14.根據(jù)權(quán)利要求9至12中任一項(xiàng)所述的裝置，還包括：
15.一種深度學(xué)習(xí)模型的訓(xùn)練裝置，包括：
16.一種視頻流處理裝置，包括：
17.一種電子設(shè)備，包括：
18.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序或指令，其特征在于，所述計(jì)算機(jī)程序或指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)根據(jù)權(quán)利要求1~8中任一項(xiàng)所述方法的步驟。
19.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序或指令，其特征在于，所述計(jì)算機(jī)程序或指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)根據(jù)權(quán)利要求1~8中任一項(xiàng)所述方法的步驟。
...【技術(shù)特征摘要】
1.一種樣本生成方法，包括：
2.根據(jù)權(quán)利要求1所述的方法，其中，基于第一方式處理m個(gè)候選圖像序列包括：
3.根據(jù)權(quán)利要求1所述的方法，其中，所述根據(jù)每個(gè)所述候選圖像序列各自的第一檢測信息和第二檢測信息，在所述m個(gè)候選圖像序列中，確定n個(gè)目標(biāo)圖像序列包括：
4.根據(jù)權(quán)利要求3所述的方法，其中，所述第一檢測信息和所述第二檢測信息還均包括與所述目標(biāo)對象相關(guān)的第一置信度和與所述運(yùn)動(dòng)狀態(tài)相關(guān)的第二置信度；
5.根據(jù)權(quán)利要求1至4中任一項(xiàng)所述的方法，其中，所述根據(jù)所述n個(gè)目標(biāo)圖像序列、每個(gè)所述目標(biāo)圖像序列各自的第一檢測信息和第二檢測信息，生成顯著樣本集包括：
6.根據(jù)權(quán)利要求1至4中任一項(xiàng)所述的方法，還包括，在分別基于第一方式和第二方式處理所述根據(jù)m個(gè)候選圖像序列之前：
7.一種深度學(xué)習(xí)模型的訓(xùn)練方法，包括：
8.一種視頻流處理方法，包括：
9.一種樣本生成裝置，包括：
10.根據(jù)權(quán)...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：洪娉婷，徐光耀，
申請(專利權(quán))人：北京百度網(wǎng)訊科技有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會(huì)獲得科技券。