[發明專利]基于有限樣本的物體檢測器的實現方法及裝置

有效

• 申請號: 201711443454.6
• 申請日: 2017-12-27
• 公開（公告）號: CN108229658B
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 喬宇;陳豪;王亞立
• 申請（專利權）人: 深圳先進技術研究院
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08
• 代理公司: 深圳中一專利商標事務所 44237
• 代理人: 郭鴻

本發明適用于物體檢測技術領域，提供了基于有限樣本的物體檢測器的實現方法及裝置，包括：建立基于神經網絡的物體檢測器；基于正則化的遷移學習過程，訓練所述物體檢測器。通過本發明可在目標域數據有限的條件下提高物體檢測器的性能。

技術領域

本發明屬于物體檢測技術領域，尤其涉及基于有限樣本的物體檢測器的實現方法及裝置。

背景技術

深度學習技術的蓬勃發展，推動了物體檢測器的性能提高。這些基于深度學習的物體檢測器通常需要大規模、且標定完全的數據支撐。然而，對于一個給定檢測任務，收集和標定這些的數據集通常是有限的，這樣就大大減弱了深度學習檢測器的檢測性能。因此，如何擺脫大規模檢測數據的收集和標定工作，對于物體檢測器在實際場景中的應用具有重要意義。

故，有必要提出一種新的技術方案，以解決上述技術問題。

發明內容

有鑒于此，本發明提供了基于有限樣本的物體檢測器的實現方法及裝置，以在目標域數據有限的條件下提高物體檢測器的性能。

本發明的第一方面提供了一種基于有限樣本的物體檢測器的實現方法，所述實現方法包括：

建立基于神經網絡的物體檢測器；

基于正則化的遷移學習過程，訓練所述物體檢測器。

本發明的第二方面提供了一種基于有限樣本的物體檢測器的實現裝置，所述實現裝置包括：

建立模塊，用于建立基于神經網絡的物體檢測器；

訓練模塊，用于基于正則化的遷移學習過程，訓練所述物體檢測器。

本發明的第三方面提供了一種基于有限樣本的物體檢測器的實現裝置，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現上述第一方面所述實現方法的步驟。

本發明的第四方面提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執行時實現如上述第一方面所述實現方法的步驟。

本發明與現有技術相比存在的有益效果是：本發明方案首先建立新型的神經網絡檢測框架，即首先建立基于神經網絡的物體檢測器，然后再基于正則化的遷移學習過程，訓練所述物體檢測器，以在目標域數據有限的條件下提高物體檢測性能，即提高物體檢測器的性能。

附圖說明

為了更清楚地說明本發明實施例中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。

圖1是本發明實施例一提供的基于有限樣本的物體檢測器的實現方法的實現流程示意圖；

圖2是本發明實施例二提供的基于有限樣本的物體檢測器的實現方法的實現流程示意圖；

圖3是本發明實施例三提供的基于有限樣本的物體檢測器的實現裝置的示意圖；

圖4是本發明實施例四提供的基于有限樣本的物體檢測器的實現裝置的示意圖。

具體實施方式

以下描述中，為了說明而不是為了限定，提出了諸如特定系統結構、技術之類的具體細節，以便透徹理解本發明實施例。然而，本領域的技術人員應當清楚，在沒有這些具體細節的其它實施例中也可以實現本發明。在其它情況中，省略對眾所周知的系統、裝置、電路以及方法的詳細說明，以免不必要的細節妨礙本發明的描述。