(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211067184.4 (22)申请日 2022.09.01 (71)申请人 成都知道创宇信息技 术有限公司 地址 610000 四川省成 都市高新区中国(四 川)自由贸易试验区天府大道北段28 号C座9楼 (72)发明人 何悄然　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 张欣欣 (51)Int.Cl. G06V 10/75(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) (54)发明名称 基于多模型集成学习的训练方法、 装置、 电 子设备和可读存 储介质 (57)摘要 本申请提供一种基于多模型集成学习的训 练方法、 装置、 电子设备和可读存储介质， 在获取 包含多张样 本图像的样本图像集后， 将各张样本 图像分别导入至多个不同的检测模 型中， 获得各 个检测模型对样本图像的检测结果。 再将多个检 测结果导入判别器中， 基于样 本图像的样本标签 和判别器的判别结果构建的目标函数对判别器 进行训练， 直至满足预设要求时， 获得训练完成 的判别器。 本方案中， 首先利用多个不同的检测 模型进行检测， 以从多角度进行样本图像的处 理， 获得样本图像多方面的信息， 最终再基于多 方面的信息综合实现判别器的训练， 可以提高模 型对图像处 理的精确率及召回率。 权利要求书2页 说明书9页 附图3页 CN 115359280 A 2022.11.18 CN 115359280 A 1.一种基于多模型集成学习的训练方法， 其特 征在于， 所述方法包括： 获取样本图像集， 所述样本图像集包括多张样本图像； 针对各所述样本 图像， 将所述样本 图像分别导入至多个不同的检测模型中， 获得各所 述检测模型对所述样本图像的检测结果； 将多个检测结果导入至判别器中， 并基于所述样本图像的样本标签和所述判别器的判 别结果构建的目标函数对所述判别器进行训练， 直至满足预设要求时， 获得训练完成的判 别器。 2.根据权利要求1所述的基于多模型集成学习的训练方法， 其特征在于， 所述将多个检 测结果导入至判别器中， 并基于所述样本图像的样本标签和所述判别器的判别结果构建的 目标函数对所述判别器进行训练的步骤， 包括： 为各所述检测模型设置对应的权 重值； 将携带对应的权重值的各个检测结果导入至判别器中， 并基于所述样本图像的样本标 签和所述判别器的判别结果构建的目标函数指导所述判别器的网络参数的调整和各所述 权重值的调整， 以实现训练。 3.根据权利要求1所述的基于多模型集成学习的训练方法， 其特征在于， 所述将多个检 测结果导入至判别器中， 并基于所述样本图像的样本标签和所述判别器的判别结果构建的 目标函数对所述判别器进行训练的步骤， 包括： 利用构建的特 征提取网络提取获得 所述样本图像的图像特 征； 将所述图像特征和多个检测结果导入至判别器中， 并基于所述样本图像的样本标签和 所述判别器的判别结果构建的目标函数对所述判别器进行训练。 4.根据权利要求1所述的基于多模型集成学习的训练方法， 其特征在于， 多个检测模型 中包括目标检测模型； 所述将所述样本图像分别导入至多个不同的检测模型中， 获得各所述检测模型对所述 样本图像的检测结果的步骤， 包括： 将所述样本图像导入至目标检测模型中进行处理， 以识别出所述样本图像中是否包含 目标对象； 在所述样本图像中包含目标对象时， 输出所述目标对象在所述样本图像中的占比以及 位置信息 。 5.根据权利要求1所述的基于多模型集成学习的训练方法， 其特征在于， 多个检测模型 中包括分类模型； 所述将所述样本图像分别导入至多个不同的检测模型中， 获得各所述检测模型对所述 样本图像的检测结果的步骤， 包括： 将所述样本图像导入至分类模型中进行处理， 以获得所述样本图像所属于多个对象类 别中各所述对象类别的概 率值； 输出所述多个对象类别以及对应的概 率值。 6.根据权利要求1所述的基于多模型集成学习的训练方法， 其特征在于， 多个检测模型 中包括特 征匹配模型； 所述将所述样本图像分别导入至多个不同的检测模型中， 获得各所述检测模型对所述 样本图像的检测结果的步骤， 包括：权　利　要　求　书 1/2 页 2 CN 115359280 A 2将所述样本图像导入所述特征匹配模型中进行处理， 以将所述样本图像与 预先构建的 违规库中的各个违规图像进行特征匹配， 获得所述样本图像与各所述违规图像之 间的匹配 度； 获得与所述样本图像之间匹配度最大的违规图像， 以及对应的匹配度。 7.根据权利要求1所述的基于多模型集成学习的训练方法， 其特征在于， 所述将多个检 测结果导入至判别器中的步骤， 包括： 对多个检测结果进行归一 化处理， 将归一 化处理后的检测结果 导入至判别器中。 8.一种基于多模型集成学习的训练装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取样本图像集， 所述样本图像集包括多张样本图像； 获得模块， 用于针对各所述样本 图像， 将所述样本 图像分别导入至多个不同的检测模 型中， 获得 各所述检测模型对所述样本图像的检测结果； 训练模块， 用于将多个检测结果导入至判别器中， 并基于所述样本 图像的样本标签和 所述判别器的判别结果构建的目标函数对所述判别器进行训练， 直至满足预设要求时， 获 得训练完成的判别器。 9.一种电子设备， 其特征在于， 包括一个或多个存储介质和一个或多个与存储介质通 信的处理器， 一个或多个存储介质存储有处理器可执行 的机器可执行指令， 当电子设备运 行时， 处理器执行所述机器可 执行指令， 以执 行权利要求1 ‑7中任意一项所述的方法步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有机器可执 行指令， 所述机器可 执行指令被执 行时实现权利要求1 ‑7中任意一项所述的方法步骤。权　利　要　求　书 2/2 页 3 CN 115359280 A 3