[發(fā)明專利]視覺模型的訓(xùn)練方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010211623.9
• 申請(qǐng)日: 2020-03-24
• 公開（公告）號(hào): CN113449538A
• 公開（公告）日: 2021-09-28
• 發(fā)明（設(shè)計(jì)）人: 陳奇華
• 申請(qǐng)（專利權(quán)）人: 順豐科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/34;G06K9/54;G06K9/62;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 深圳紫藤知識(shí)產(chǎn)權(quán)代理有限公司 44570
• 代理人: 遠(yuǎn)明

1.一種目標(biāo)視覺模型的訓(xùn)練方法，其特征在于，所述方法包括：

獲取第一樣本圖像和背景圖像，所述背景圖像是指任意場(chǎng)景的圖像，所述第一樣本圖像是指承載了第一目標(biāo)物體的圖像；

根據(jù)所述第一樣本圖像獲取目標(biāo)圖像，并將所述目標(biāo)圖像置于所述背景圖像得到第二樣本圖像，所述目標(biāo)圖像是指所述第一樣本圖像中承載物體的區(qū)域的圖像；

將各個(gè)樣本圖像輸入至待訓(xùn)練模型中，以使得所述待訓(xùn)練模型根據(jù)所述樣本圖像預(yù)測(cè)出對(duì)應(yīng)的預(yù)測(cè)類別，其中，所述樣本圖像包括所述第一樣本圖像和所述第二樣本圖像，所述樣本圖像標(biāo)注有圖像中的物體的類別標(biāo)簽，所述類別標(biāo)簽用于指示所述樣本圖像中的物體所屬的目標(biāo)類別；

根據(jù)所述目標(biāo)類別和所述預(yù)測(cè)類別，確定第一損失值，并根據(jù)所述第一損失值對(duì)所述待訓(xùn)練模型的模型參數(shù)進(jìn)行調(diào)整，直至滿足預(yù)設(shè)的停止訓(xùn)練條件，將訓(xùn)練好的所述待訓(xùn)練模型作為目標(biāo)視覺模型。

2.根據(jù)權(quán)利要求1所述的目標(biāo)視覺模型的訓(xùn)練方法，其特征在于，所述待訓(xùn)練模型還包括目標(biāo)分割分支，所述樣本圖像還標(biāo)注有圖像中的物體的分割標(biāo)簽，所述分割標(biāo)簽用于指示所述樣本圖像中的物體的分割數(shù)據(jù)；

所述根據(jù)所述第一損失值對(duì)所述待訓(xùn)練模型的模型參數(shù)進(jìn)行調(diào)整，直至滿足預(yù)設(shè)的停止訓(xùn)練條件，將訓(xùn)練好的所述待訓(xùn)練模型作為目標(biāo)視覺模型，包括：

獲取所述目標(biāo)分割分支根據(jù)所述樣本圖像輸出的預(yù)測(cè)分割數(shù)據(jù)；

根據(jù)所述預(yù)測(cè)分割數(shù)據(jù)和所述分割標(biāo)簽對(duì)應(yīng)的分割數(shù)據(jù)，確定第二損失值；

根據(jù)所述第一損失值和所述第二損失值，對(duì)所述待訓(xùn)練模型的模型參數(shù)進(jìn)行調(diào)整，直至滿足預(yù)設(shè)的停止訓(xùn)練條件，將訓(xùn)練好的所述待訓(xùn)練模型作為目標(biāo)視覺模型。

3.根據(jù)權(quán)利要求2所述的目標(biāo)視覺模型的訓(xùn)練方法，其特征在于，所述待訓(xùn)練模型還包括關(guān)鍵點(diǎn)檢測(cè)分支，所述樣本圖像還標(biāo)注有圖像中的物體的關(guān)鍵點(diǎn)標(biāo)簽，所述關(guān)鍵點(diǎn)標(biāo)簽用于指示所述樣本圖像中的物體的關(guān)鍵點(diǎn)信息；

所述根據(jù)所述第一損失值和所述第二損失值，對(duì)所述待訓(xùn)練模型的模型參數(shù)進(jìn)行調(diào)整，直至滿足預(yù)設(shè)的停止訓(xùn)練條件，將訓(xùn)練好的所述待訓(xùn)練模型作為目標(biāo)視覺模型，包括：

獲取所述關(guān)鍵點(diǎn)檢測(cè)分支根據(jù)所述樣本圖像輸出的預(yù)測(cè)關(guān)鍵點(diǎn)；

根據(jù)所述預(yù)測(cè)關(guān)鍵點(diǎn)和所述關(guān)鍵點(diǎn)標(biāo)簽對(duì)應(yīng)的關(guān)鍵點(diǎn)信息，確定第三損失值；

根據(jù)所述第一損失值、所述第二損失值和所述第三損失值，對(duì)所述待訓(xùn)練模型的模型參數(shù)進(jìn)行調(diào)整，直至滿足預(yù)設(shè)的停止訓(xùn)練條件，將訓(xùn)練好的所述待訓(xùn)練模型作為目標(biāo)視覺模型。

4.根據(jù)權(quán)利要求3所述的目標(biāo)視覺模型的訓(xùn)練方法，其特征在于，所述方法還包括：

獲取待檢測(cè)圖像，并將所述待檢測(cè)圖像輸入所述目標(biāo)視覺模型；

獲取所述關(guān)鍵點(diǎn)檢測(cè)分支根據(jù)所述待檢測(cè)圖像輸出的第二目標(biāo)物體的關(guān)鍵點(diǎn)，所述第二目標(biāo)物體是指所述待檢測(cè)圖像中承載的物體。

5.根據(jù)權(quán)利要求2所述的目標(biāo)視覺模型的訓(xùn)練方法，其特征在于，所述方法還包括：

獲取待識(shí)別圖像，并將所述待識(shí)別圖像輸入所述目標(biāo)視覺模型；

獲取所述目標(biāo)分割分支根據(jù)所述待識(shí)別圖像輸出的第三目標(biāo)物體的分割數(shù)據(jù)，所述第三目標(biāo)物體是指所述待識(shí)別圖像中承載的物體。

6.根據(jù)權(quán)利要求1所述的目標(biāo)視覺模型的訓(xùn)練方法，其特征在于，所述第二樣本圖像對(duì)應(yīng)的類別標(biāo)簽與所述第一樣本圖像對(duì)應(yīng)的類別標(biāo)簽相同。

7.根據(jù)權(quán)利要求1-6任一項(xiàng)所述的目標(biāo)視覺模型的訓(xùn)練方法，其特征在于，所述樣本圖像還包括第三樣本圖像，所述第三樣本圖像通過以下步驟得到：

對(duì)待處理圖像進(jìn)行圖像預(yù)處理，得到所述第三樣本圖像，所述待處理圖像包括第一樣本圖像、第二樣本圖像中的至少一種，所述圖像預(yù)處理包括圖像旋轉(zhuǎn)、圖像縮放、圖像裁剪、圖像濾波、圖像填充、圖像對(duì)比度變換、圖像顏色變換、圖像銳化操作中的至少一種。