摘要
本申请提供了一种农作物识别模型训练方法,包括:获取有标注训练图像和无标注训练图像,将有标注训练图像输入第一农作物识别模型,获得第一预测结果,将无标注训练图像输入第二农作物识别模型,获得伪标签图像。根据第一预测结果和标注信息确定类别采样率。根据伪标签图像、无标注训练图像和类别采样率生成增强图像和增强图像的伪标签图像。将增强图像输入第一农作物识别模型,获得第二预测结果,并联合标注信息、第一预测结果、增强图像的伪标签图像,更新第一农作物识别模型的参数。该方法可以对于预测结果不佳的类别,生成增强图像来对模型进行训练,使得预测结果不佳的农作物类别能够有更多的机会参与模型的训练,提高模型的预测精确度。
技术关键词
农作物识别
图像
标签
采样率
模型训练方法
存储计算机程序
掩膜
计算机设备
参数更新模块
模型训练装置
无监督
可读存储介质
模型更新
存储器
指令
像素
处理器
系统为您推荐了相关专利信息
车载摄像头模组
图像增强系统
伸缩式摄像头
恶劣工况
无人车
巡检数据
特征值
数据分析模型
数据分析方法
支持向量机模型
规划设计系统
地点位置信息
出行轨迹
历史交通数据
轨迹曲线绘制
可穿戴智能设备
深度值
导盲方法
生成深度图像
障碍物识别
故障预警系统
数据处理模块
跑道
灯光
图像采集模块