[發(fā)明專利]檢測模型訓練方法、裝置、存儲介質(zhì)和計算機設備在審
| 申請?zhí)枺?/td> | 202010108690.8 | 申請日： | 2020-02-21 |
| 公開（公告）號： | CN111311475A | 公開（公告）日： | 2020-06-19 |
| 發(fā)明（設計）人： | 毛懿榮;李巖;王漢杰;陳波 | 申請（專利權）人： | 廣州騰訊科技有限公司 |
| 主分類號： | G06T1/00 | 分類號： | G06T1/00;G06K9/62;G06N20/00 |
| 代理公司： | 廣州華進聯(lián)合專利商標代理有限公司 44224 | 代理人： | 李文淵;楊歡 |
| 地址： | 510300 廣東省廣*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 檢測 模型 訓練 方法 裝置 存儲 介質(zhì) 計算機 設備 | ||
1.一種檢測模型訓練方法，包括：
獲取待處理的原始圖像和多于一類的標記圖像；
對于每類標記圖像，分別從所述原始圖像的目標區(qū)域中隨機選取目標位置作為所述標記圖像的嵌入位置；
對于每類標記圖像，分別根據(jù)相應的嵌入位置，將所述標記圖像中的至少一部分嵌入至所述原始圖像得到對應的樣本圖像；
將所述樣本圖像作為訓練樣本，并將所述樣本圖像中所嵌入的標記圖像的標記類別作為相應的訓練標簽；
通過所述訓練樣本和相應的訓練標簽，對待訓練的檢測模型進行訓練。
2.根據(jù)權利要求1所述的方法，其特征在于，所述獲取待處理的原始圖像和多于一類的標記圖像，包括：
獲取待處理的原始圖像和多于一類的標記模板；
從預設尺寸比例范圍內(nèi)隨機選取目標尺寸比例；
根據(jù)所述原始圖像的尺寸，按所述目標尺寸比例對各類標記模板分別進行縮放處理，得到相應的標記圖像。
3.根據(jù)權利要求1所述的方法，其特征在于，所述目標位置包括核心位置和非核心位置；所述對于每類標記圖像，分別從所述原始圖像的目標區(qū)域中隨機選取目標位置作為所述標記圖像的嵌入位置，包括：
確定所述原始圖像的目標區(qū)域中的核心位置；
獲取將所述核心位置作為嵌入位置時的概率值；所述核心位置所對應的概率值為所述目標區(qū)域中各目標位置所對應的概率值中的最大值；
根據(jù)所述目標區(qū)域中各非核心位置分別與所述核心位置的距離，確定將各非核心位置分別作為嵌入位置時的概率值；所述非核心位置所對應的概率值與所述非核心位置至所述核心位置的距離呈負相關；
對于每類標記圖像，分別按照所述原始圖像的目標區(qū)域中各目標位置各自對應的概率值，選取相應的目標位置作為所述標記圖像的嵌入位置。
4.根據(jù)權利要求3所述的方法，其特征在于，所述確定所述原始圖像的目標區(qū)域中的核心位置，包括：
獲取預設數(shù)量的平臺專有圖像；各所述平臺專有圖像分別包括相應平臺所對應的標記圖像；
根據(jù)各標記圖像的目標頂點分別在所述平臺專有圖像中的坐標，確定與所述目標頂點對應的平均坐標；
將所述平均坐標作為所述原始圖像的目標區(qū)域中的核心位置。
5.根據(jù)權利要求3所述的方法，其特征在于，所述目標區(qū)域包括左上角區(qū)域和右下角區(qū)域；所述對于每類標記圖像，分別按照所述原始圖像的目標區(qū)域中各目標位置各自對應的概率值，選取相應的目標位置作為所述標記圖像的嵌入位置，包括：
當所述目標區(qū)域為左上角區(qū)域時，對于每類標記模板，分別按照所述原始圖像的左上角區(qū)域中各目標位置各自對應的概率值，選取相應的目標位置作為所述標記圖像的左上頂點所對應的嵌入位置；
當所述目標區(qū)域為右下角區(qū)域時，對于每類標記模板，分別按照所述原始圖像的右下角區(qū)域中各目標位置各自對應的概率值，選取相應的目標位置作為所述標記圖像的右下頂點所對應的嵌入位置。
6.根據(jù)權利要求1所述的方法，其特征在于，所述樣本圖像包括第一樣本圖像和第二樣本圖像；所述對于每類標記圖像，分別根據(jù)相應的嵌入位置，將所述標記圖像中的至少一部分嵌入至所述原始圖像中得到對應的樣本圖像，包括：
對于每類標記圖像，確定所述標記圖像中待完整嵌入的第一標記圖像和待遮擋嵌入的第二標記圖像；
將所述第一標記圖像按照相應的嵌入位置完整嵌入至所述原始圖像中，得到對應的第一樣本圖像；
將所述第二標記圖像按照相應的嵌入位置完整嵌入至所述原始圖像中，并從預設遮擋比例范圍內(nèi)隨機選取目標遮擋比例，按照所述目標遮擋比例將所述第二標記圖像中的一部分移出至所述原始圖像的邊界，得到對應的第二樣本圖像。
7.根據(jù)權利要求1所述的方法，其特征在于，所述將所述樣本圖像作為訓練樣本，并將所述樣本圖像中所嵌入標記圖像的標記類別作為相應的訓練標簽，包括：
確定各所述樣本圖像中嵌入的標記圖像的標記類別、以及所述標記圖像在所述原始圖像中的位置信息；
將所述樣本圖像作為訓練樣本，并將所述樣本圖像中所嵌入標記圖像的標記類別和對應的位置信息共同作為所述訓練樣本的訓練標簽。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于廣州騰訊科技有限公司，未經(jīng)廣州騰訊科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010108690.8/1.html，轉載請聲明來源鉆瓜專利網(wǎng)。
