[發明專利]目標檢測模型的訓練方法、裝置及計算機可讀存儲介質

在審

• 申請號: 201911323856.1
• 申請日: 2019-12-19
• 公開（公告）號: CN111160434A
• 公開（公告）日: 2020-05-15
• 發明（設計）人: 賴丹宇
• 申請（專利權）人: 中國平安人壽保險股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種目標檢測模型的訓練方法，其特征在于，所述目標檢測模型的訓練方法包括：

提供目標檢測模型，所述目標檢測模型包括骨干網絡及檢測層；

獲取目標檢測數據集，所述目標檢測數據集包括不同類別的目標物體圖像；

基于所述目標檢測數據集通過邊框裁剪出不同的目標物體的圖像以形成不同類別的分類數據集；

利用分類數據集訓練所述目標檢測模型的骨干網絡；

凍結所述骨干網絡并根據所述目標檢測數據集對所述目標檢測模型的檢測層進行微調；

接收待識別的目標物體的圖像；

基于訓練好的目標檢測模型對所述待識別的目標物體的圖像進行識別。

2.如權利要求1所述的目標檢測模型的訓練方法，其特征在于，所述根據所述目標檢測數據集對所述目標檢測模型的檢測層進行微調的步驟包括：

所述檢測層包括第一檢測子層及第二檢測子層，將所述分類數據集中的像素值大于參考像素值的圖像對所述第一檢測子層進行微調；將所述分類數據集中的像素值小于或等于參考像素值的圖像對所述第二檢測子層進行微調。

3.如權利要求1所述的目標檢測模型的訓練方法，其特征在于，所述獲取目標檢測數據集的步驟包括：

接收視頻數據并提取視頻數據的每幀圖片；

采用數據標注工具對所述每幀圖片中的人頭進行標注從而生成所述目標檢測數據集。

4.如權利要求3所述的目標檢測模型的訓練方法，其特征在于，所述獲取目標檢測數據集的步驟還包括：

將所述多個不同的圖像樣本分類為復雜圖像樣本類及簡單圖像樣本類；

依據所述復雜圖像樣本類包含的多個圖像樣本提取復雜圖像特征；

依據所述簡單圖像樣本類包含的多個圖像樣本及提取的所述復雜圖像特征，提取簡單圖像特征。

5.如權利要求4所述的目標檢測模型的訓練方法，其特征在于，所述將所述多個不同的圖像樣本分類為復雜圖像樣本類及簡單圖像樣本類的步驟包括：

獲取所述多個不同的圖像樣本的分類丟失率；

將分類丟失率大于預設的閾值的樣本歸為復雜圖像樣本類，將分類丟失率小于或等于預設的閾值的樣本歸為簡單圖像樣本類。

6.一種電子裝置，其特征在于，所述電子裝置包括存儲器和處理器，所述存儲器上存儲有可在所述處理器上運行的目標檢測模型的訓練程序，所述目標檢測模型的訓練程序被所述處理器執行時實現如下步驟：

提供目標檢測模型，所述目標檢測模型包括骨干網絡及檢測層；

獲取目標檢測數據集，所述目標檢測數據集包括不同類別的目標物體圖像；

基于所述目標檢測數據集通過邊框裁剪出不同的目標物體的圖像以形成不同類別的分類數據集；

利用分類數據集訓練所述目標檢測模型的骨干網絡；

凍結所述骨干網絡并根據所述目標檢測數據集對所述目標檢測模型的檢測層進行微調；

接收待識別的目標物體的圖像；

基于訓練好的目標檢測模型對所述待識別的目標物體的圖像進行識別。

7.如權利要求6所述的電子裝置，其特征在于，所述根據所述目標檢測數據集對所述目標檢測模型的檢測層進行微調的步驟包括：

所述檢測層包括第一檢測子層及第二檢測子層，將所述分類數據集中的像素值大于參考像素值的圖像對所述第一檢測子層進行微調；將所述分類數據集中的像素值小于或等于參考像素值的圖像對所述第二檢測子層進行微調。

8.如權利要求6所述的電子裝置，其特征在于，所述獲取目標檢測數據集的步驟包括：

接收視頻數據并提取視頻數據的每幀圖片；

采用數據標注工具對所述每幀圖片中的人頭進行標注從而生成所述目標檢測數據集。