摘要
本发明涉及一种用于安检机的图像检测模型的训练方法,属于图像检测技术领域,解决了现有技术中图像检测模型对多尺寸目标图像进行检测时误差大、精准度低的问题。所述训练方法包括:通过图像标注工具对每一个历史图像进行标注,所述历史图像数据和标注信息形成数据集;构建图像检测模型,所述图像检测模型为改进的YOLO模型,改进的YOLO模型中颈部网络采用点采样的动态上采样方法对输入的特征图进行采样,同时采用加权的方式对输入的特征图进行拼接融合;在每个训练轮次采用训练集对图像检测模型进行训练,利用验证集验证训练效果获取最优的图像检测模型。提高了训练好的图像检测模型对多尺寸目标检测的精准度。
技术关键词
图像检测模型
融合特征
输出特征
标注工具
坐标
上采样方法
图像检测技术
通道
数据
因子
特征值
网络
安检机
尺寸
图像增强
检测头
训练集
动态
邻域
系统为您推荐了相关专利信息
空间权重矩阵
数据分析方法
车辆
蒙特卡洛模拟方法
租赁点
分组调度方法
多元异构数据
数据分析方法
LSTM模型
海量异构数据
智能凿岩机
钻孔偏差
钻头
深度学习模型
激光测距传感器
存储地图数据
存取方法
编码算法
客户端
计算机存储介质