(19)中华 人民共和国 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 202111627016.1 (22)申请日 2021.12.28 (71)申请人 阿波罗智联 （北京） 科技有限公司 地址 100176 北京市大兴区经济技 术开发 区瑞合西二路7号院1号楼1层101 (72)发明人 朱双贺　曹亮　 (74)专利代理 机构 北京品源专利代理有限公司 11332 代理人 倪焱 (51)Int.Cl. G06K 9/62(2022.01) G06V 10/774(2022.01) (54)发明名称 模型训练方法、 装置、 设备、 介质及程序 产品 (57)摘要 本公开提供模型训练方法、 装置、 设备、 介质 及程序产品， 涉及计算机技术领域， 尤其涉及车 联网和智能座舱技术领域。 具体实现方案为： 获 取模糊图像的标注结果； 所述模糊图像通过对原 始图像进行模糊处理得到； 获取原始图像； 确定 所述标注结果和所述原始图像 之间的关联关系； 基于所述标注结果、 所述原始图像和所述关联关 系， 对目标网络模型进行训练。 本公开实施例的 技术方案可以避免图像标注过程中隐私数据的 泄露。 权利要求书3页 说明书12页 附图6页 CN 114330543 A 2022.04.12 CN 114330543 A 1.一种模型训练方法， 包括： 获取模糊图像的标注结果； 所述模糊图像通过对原 始图像进行模糊处 理得到； 获取原始图像； 确定所述标注结果和所述原 始图像之间的关联关系； 基于所述标注结果、 所述原 始图像和所述关联关系， 对目标网络模型进行训练。 2.根据权利要求1所述的方法， 其中， 确定所述标注结果和所述原始图像之间的关联关 系， 包括： 从所述标注结果中提取模糊图像标识； 从所述原 始图像中提取原 始图像标识； 根据所述模糊图像标识和所述原始图像标识， 确定所述标注结果和所述原始图像之间 的关联关系。 3.根据权利要求1所述的方法， 其中， 基于所述标注结果、 所述原始图像和所述关联关 系， 对目标网络模型进行训练， 包括： 依据所述标注结果中模糊标注框的位置， 在关联的原 始图像中标记 原始标注框； 将所述标注结果中模糊标注框的标签作为关联的原 始标注框的标签； 基于所述原始图像、 所述原始标注框和原始标注框的标签， 对目标网络模型进行训练； 所述目标网络模型为图像 检测模型。 4.根据权利要求1所述的方法， 其中， 基于所述标注结果、 所述原始图像和所述关联关 系， 对目标网络模型进行训练， 包括： 依据所述标注结果中模糊标注框的位置， 在 关联的原始图像中选取与 所述模糊标注框 匹配的局部图像； 将所述标注结果中模糊标注框的标签作为所述局部图像的标签； 基于所述局部 图像和局部 图像的标签， 对目标网络模型进行训练； 所述目标网络模型 为图像分类模型。 5.根据权利要求1所述的方法， 其中， 所述原始图像和所述模糊图像由采集设备确定； 所述模糊图像的标注结果由标注设备确定； 所述目标网络模型由模型训练设备进行训练。 6.一种模型训练方法， 包括： 对原始图像进行模糊处 理得到模糊图像； 向标注设备发送所述模糊图像， 用于指示所述标注设备对所述模糊图像进行标注， 得 到模糊图像的标注结果； 向模型训练设备发送原始图像， 用于指示所述模型训练设备执行如下： 确定所述标注 结果和所述原始图像之间的关联关系； 基于所述标注结果、 所述原始图像和所述关联关系， 对目标网络模型进行训练。 7.根据权利要求6所述的方法， 其中， 对原始图像进行模糊处理包括下述至少一种方 式： 采用高斯模糊算法， 对所述原 始图像进行模糊处 理； 采用方框模糊算法， 对所述原 始图像进行模糊处 理； 采用双重模糊算法， 对所述原 始图像进行模糊处 理。 8.一种模型训练装置， 包括：权　利　要　求　书 1/3 页 2 CN 114330543 A 2标注结果获取模块， 用于获取模糊图像的标注结果； 所述模糊图像通过对原始图像进 行模糊处 理得到； 原始图像获取模块， 用于获取原 始图像； 关联关系确定模块， 用于确定所述标注结果和所述原 始图像之间的关联关系； 模型训练模块， 用于基于所述标注结果、 所述原始图像和所述关联关系， 对目标网络模 型进行训练。 9.根据权利要求8所述的装置， 其中， 所述关联关系确定模块， 包括： 模糊图像标识获取 单元， 用于从所述标注结果中提取模糊图像标识； 原始图像标识获取 单元， 用于从所述原 始图像中提取原 始图像标识； 关联关系确定单元， 用于根据所述模糊图像标识和所述原始图像标识， 确定所述标注 结果和所述原 始图像之间的关联关系。 10.根据权利要求8所述的装置， 其中， 所述模型训练模块， 包括： 原始标注框标记单元， 用于依据所述标注结果中模糊标注框的位置， 在关联的原始图 像中标记 原始标注框； 原始标签确定单元， 用于将所述标注结果中模糊标注框的标签作为关联的原始标注框 的标签； 检测模型训练单元， 用于基于所述原始图像、 所述原始标注框和 原始标注框的标签， 对 目标网络模型进行训练； 所述目标网络模型为图像 检测模型。 11.根据权利要求8所述的装置， 其中， 所述模型训练模块， 包括： 局部图像获取单元， 用于依据所述标注结果中模糊标注框的位置， 在关联的原始图像 中选取与所述模糊标注框匹配的局部图像； 局部标签确定单元， 用于将所述标注结果中模糊标注框的标签作为所述局部图像的标 签； 分类模型训练单元， 用于基于所述局部 图像和局部 图像的标签， 对目标网络模型进行 训练； 所述目标网络模型为图像分类模型。 12.根据权利要求8所述的装置， 其中， 所述原始图像和所述模糊图像由采集设备确定； 所述模糊图像的标注结果由标注设备确定； 所述目标网络模型由模型训练设备进行训练。 13.一种模型训练装置， 包括： 模糊图像获取模块， 用于对原 始图像进行模糊处 理得到模糊图像； 模糊图像发送模块， 用于向标注设备发送所述模糊图像， 用于指示所述标注设备对所 述模糊图像进行 标注， 得到模糊图像的标注结果； 原始图像发送模块， 用于向模型训练设备发送原始图像， 用于指示所述模型训练设备 执行如下： 确定所述标注结果和所述原始图像之间的关联关系； 基于所述标注结果、 所述原 始图像和所述关联关系， 对目标网络模型进行训练。 14.根据权利要求13所述的装置， 其中， 所述模糊图像获取模块， 用于执行下述至少一 项： 采用高斯模糊算法， 对所述原 始图像进行模糊处 理； 采用方框模糊算法， 对所述原 始图像进行模糊处 理； 采用双重模糊算法， 对所述原 始图像进行模糊处 理。权　利　要　求　书 2/3 页 3 CN 114330543 A 3