摘要
本发明涉及一种旋转图像检测模型的训练方法,属于射线图像目标检测技术领域,解决了现有方法训练得到的检测模型无法准确识别旋转目标且资源耗费大的问题。所述训练方法包括:标注每个预处理后的射线图像中各个目标的类别标签和旋转包围框的四角点坐标,计算每个目标的旋转包围框的中心点坐标标签和协方差矩阵标签;将一个射线图像及图像中标注的各个目标对应的类别标签、中心点坐标标签和协方差矩阵标签作为一个训练样本,得到若干个训练样本;利用训练集对预设神经网络模型进行预设迭代次数的训练,根据每次迭代过程结束时验证集的评估结果确定训练完成的旋转图像检测模型。实现了对旋转图像检测模型的快速训练,且提升了对旋转图像的检测精度。
技术关键词
图像检测模型
神经网络模型
协方差矩阵
标签
坐标
预测类别
射线
系列
梯度下降算法
随机梯度下降
批量
滤波
样本
资源
精度
参数
系统为您推荐了相关专利信息
CCUS技术
束缚水饱和度
水气
气藏采收率
储层孔隙度
储能电站
样本
全生命周期数据
RBF神经网络
阶段
车辆零部件
零件特征
装配误差
数字孪生体
夹角余弦
粒径测量方法
中药颗粒
近红外光谱仪
制粒设备
大颗粒