[發明專利]一種模型訓練的方法、對象檢測的方法以及相關裝置

有效

• 申請號: 201811384448.2
• 申請日: 2018-11-20
• 公開（公告）號: CN109492698B
• 公開（公告）日: 2022-11-18
• 發明（設計）人: 范奇;何慶瑋;何煒霞;潘暉;張力柯;荊彥青
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;H04L67/14
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 祝亞男

本發明公開了一種模型訓練的方法，包括：向服務器發送圖片標注指令；接收服務器發送的待訓練圖片子集合，待訓練圖片子集合屬于待訓練圖片集合，待訓練圖片集合包含M個待訓練圖片，待訓練圖片子集合包含N個待訓練圖片；獲取待訓練圖片子集合中每個待訓練圖片所對應的標簽信息，標簽信息用于標識待訓練圖片中的對象類型；向服務器發送待訓練圖片子集合以及標簽信息，以使服務器根據待訓練圖片子集合以及標簽信息，訓練得到目標檢測模型，目標檢測模型用于獲取圖片中的對象檢測信息。本發明公開了對象檢測的方法、客戶端以及服務器。本發明中用戶之間無需協商待標注圖片是否出現重復或者遺漏的情況，從而提升圖片標注的準確率。

技術領域

本發明涉及人工智能領域，尤其涉及一種模型訓練的方法、對象檢測的方法以及相關裝置。

背景技術

隨著互聯網行業的飛速發展，對應用程序進行測試的需求度也越來越高。針對游戲類應用程序而言，常見的測試方式是，對游戲畫面中的目標對象(比如小怪、道具、障礙物以及分數等)進行檢測，由此判斷游戲畫面是否正常。如果沒有正常顯示目標對象，則認為游戲畫面異常。

在對游戲畫面內的目標對象進行檢測時，首先需要人工標注大量的游戲畫面圖片，并且人工匹配每張圖片與標注文件，然后選擇合適的模型對這些標注好的圖片和對應的標注文件進行訓練，從而得到檢測模型，最后利用該檢測模型對不同的游戲畫面進行檢測，得到檢測結果。

然而，由于需要標注的游戲畫面圖片數量非常大，盡管可以多人分批量地標注圖片，但是仍可能出現圖片標注重復，或者圖片標注遺漏的情況，從而導致圖片標注的準確率降低。

發明內容

本發明實施例提供了一種模型訓練的方法、對象檢測的方法以及相關裝置，由服務器向不同的客戶端分配不同的待標注圖片，而用戶只需要在自己使用的客戶端上對收到的這部分圖片進行標注，用戶之間無需協商待標注圖片是否出現重復或者遺漏的情況，從而提升圖片標注的準確率，降低了圖片標注錯誤的風險。

有鑒于此，本發明的第一方面提供了一種模型訓練的方法，包括：

向服務器發送圖片標注指令；

接收服務器發送的待訓練圖片子集合，其中，所述待訓練圖片子集合屬于待訓練圖片集合，所述待訓練圖片集合包含M個待訓練圖片，所述待訓練圖片子集合包含N個待訓練圖片，所述M為大于或等于1的整數，所述N為大于或等于1，且小于或等于所述M的整數；

獲取所述待訓練圖片子集合中每個待訓練圖片所對應的標簽信息，其中，所述標簽信息用于標識待訓練圖片中的對象類型；

向所述服務器發送所述待訓練圖片子集合以及所述標簽信息，以使所述服務器根據所述待訓練圖片子集合以及所述標簽信息，訓練得到目標檢測模型，其中，所述目標檢測模型用于獲取圖片中的對象檢測信息。

本發明的第二方面提供了一種模型訓練的方法，包括：

接收至少一個客戶端發送的圖片標注指令；

根據所述圖片標注指令向所述至少一個客戶端中發送待訓練圖片子集合，以使每個客戶端獲取所述待訓練圖片子集合中每個待訓練圖片所對應的標簽信息，其中，所述標簽信息用于標識待訓練圖片中的對象類型，所述待訓練圖片子集合屬于待訓練圖片集合，所述待訓練圖片集合包含M個待訓練圖片，所述待訓練圖片子集合包含N個待訓練圖片，所述M為大于或等于1的整數，所述N為大于或等于1，且小于或等于所述M的整數；

接收所述至少一個客戶端發送的待訓練圖片子集合以及所述標簽信息；

根據所述待訓練圖片子集合以及所述標簽信息，訓練得到目標檢測模型，其中，所述目標檢測模型用于獲取圖片中的對象檢測信息。

本發明的第三方面提供了一種對象檢測的方法，包括：