摘要
本发明提供了一种作物图像的自动标注方法及装置,涉及深度学习技术领域。该方法包括:获取作物图像的训练集、测试集和验证集;基于训练集按照神经网络模型从高层到低层的解冻顺序,在第i轮训练中冻结第j组网络层之前的每个网络层的参数训练,训练第j组网络层中的参数并调整第j组网络层之后的网络层的参数;在第j组网络层以及之后的网络层的参数训练完成之后开始训练第j‑1组网络层的参数并调整第j‑1组网络层之后的网络层的参数;在第i轮的所有网络层的参数训练完后,若基于测试集和验证集验证的模型性能指标均满足预设条件,则基于训练后的神经网络模型对待标注集中的每个作物图像进行标注。基于该方案,可以提高作物图像自动标注的准确性。
技术关键词
神经网络模型
参数
图像
数据获取模块
训练集
标注方法
在线增量
置信度阈值
样本
标注装置
混合模块
标签
深度学习技术
标记
计算机设备
存储器
处理器
系统为您推荐了相关专利信息
固体浮力材料
体积弹性模量
在线监测方法
分布式应变传感器
非线性特征提取
视觉SLAM方法
地图
ORB特征
特征提取模块
静态特征