一种深度神经网络模型的在线训练方法

摘要：

本发明公开了一种深度神经网络模型的在线训练方法，涉及深度学习技术领域，解决了网络模型在训练完成后无法使用新的数据集对模型进行及时优化调整的技术问题，其技术方案要点是通过离线训练的实例分割网络对采集图像进行实例分割，基于多假设跟踪算法对多目标进行数据关联，再基于卡尔曼滤波算法对每个目标的运动状态进行估计，当漏检情况发生时，利用生成式对抗网络生成样本图像，实例分割网络利用新样本(即样本图像)进行在线训练，在线训练的方法可以根据实时反馈的数据，快速地进行网络模型参数的优化，从而可以使深度神经网络模型在实际应用中取得比离线训练更好的效果。