[發明專利]一種目標分類模型的訓練方法及裝置

有效

• 申請號: 202010114039.1
• 申請日: 2020-02-23
• 公開（公告）號: CN113298102B
• 公開（公告）日: 2022-06-24
• 發明（設計）人: 吳梓恒;胡杰
• 申請（專利權）人: 魔門塔（蘇州）科技有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/28;G06V10/46;G06V10/82;G06K9/62;G06T7/80;G06N3/04;G06N3/08
• 代理公司: 北京科領智誠知識產權代理事務所(普通合伙) 11782
• 代理人: 陳士騫

1.一種目標分類模型的訓練方法，其特征在于，所述方法應用于車輛或服務器，包括：

獲得訓練圖像以及每一訓練圖像對應的標定信息，其中，每一標定信息包括：所對應訓練圖像包含的樣本目標的標定檢測信息，所述標定檢測信息包括標定類別信息和/或標定位置信息；

針對初始二值化分類模型的特征提取層的每一卷積層，利用該卷積層對應的第一特征提取操作，對該卷積層對應的輸入圖像進行特征提取，得到該卷積層對應的輸出圖像；其中，若卷積層為二值化卷積層，所述第一特征提取操作包括：第一二值化特征提取操作以及預設維度變換操作；若卷積層為非二值化卷積層，所述第一特征提取操作包括預設卷積操作；每一非第一層卷積層對應的輸入圖像為：該非第一層卷積層的前一卷積層對應的輸出圖像，第一層卷積層對應的輸入圖像為：所述訓練圖像；

利用所述初始二值化分類模型的特征分類層以及最后一層卷積層對應的輸出圖像，確定該輸出圖像對應的訓練圖像所包含樣本目標的預測檢測信息，所述預測檢測信息包括預測類別信息和/或預測位置信息；

利用所述訓練圖像所包含樣本目標的預測檢測信息以及所述訓練圖像所包含樣本目標的標定檢測信息，調整所述特征提取層以及所述特征分類層的參數，直至所述初始二值化分類模型滿足預設收斂條件，確定出目標二值化分類模型；

在所述第一特征提取操作包括：第一二值化特征提取操作以及預設維度變換操作的情況下，所述針對初始二值化分類模型的特征提取層的每一卷積層，利用該卷積層對應的第一特征提取操作，對該卷積層對應的輸入圖像進行特征提取，得到該卷積層對應的輸出圖像的步驟，包括：

針對初始二值化分類模型的特征提取層的每一卷積層，對該卷積層對應的輸入圖像進行二值化，得到二值化輸入圖像；

對該卷積層對應的浮點型參數進行二值化，得到二值化后的參數；

并利用二值化后的參數對所述二值化輸入圖像進行卷積操作以及歸一化操作，得到第一特征圖像；

對該卷積層對應的輸入圖像進行預設維度變換操作，得到第二特征圖像，其中，所述第二特征圖像對應的維度信息與所述第一特征圖像對應的維度信息相同；

利用所述第一特征圖像以及所述第二特征圖像，確定該卷積層對應的輸出圖像。

2.如權利要求1所述的方法，其特征在于，所述第一特征提取操作還包括：圖像幅度特征恢復操作；

所述利用二值化后的參數對所述二值化輸入圖像進行卷積操作以及歸一化操作，得到第一特征圖像的步驟之前，所述方法還包括：

利用預設幅度特征計算方式，計算該卷積層對應的輸入圖像對應的幅度特征，得到第一幅度特征圖像，其中，所述預設幅度特征計算方式包括：將該卷積層對應的輸入圖像中各維度所對應圖像相同位置處的像素點的值的絕對值相加，再求平均值；

所述利用二值化后的參數對所述二值化輸入圖像進行卷積操作以及歸一化操作，得到第一特征圖像的步驟，包括：

利用二值化后的卷積參數對所述二值化輸入圖像進行卷積操作，得到第三特征圖；

利用所述第一幅度特征圖像以及所述第三特征圖，得到第四特征圖；

利用該卷積層對應的歸一化參數對所述第四特征圖進行歸一化操作，得到第一特征圖像。

3.如權利要求1所述的方法，其特征在于，所述第一特征提取操作包括預設卷積操作的情況下；

所述針對初始二值化分類模型的特征提取層的每一卷積層，利用該卷積層對應的第一特征提取操作，對該卷積層對應的輸入圖像進行特征提取，得到該卷積層對應的輸出圖像的步驟，包括：

針對初始二值化分類模型的特征提取層的每一卷積層，利用該卷積層對應的浮點型參數，對該卷積層對應的輸入圖像進行卷積操作以及歸一化操作，得到該卷積層對應的輸出圖像。