[發明專利]視覺模型的訓練方法、裝置、設備及存儲介質

在審

• 申請號: 202010211623.9
• 申請日: 2020-03-24
• 公開（公告）號: CN113449538A
• 公開（公告）日: 2021-09-28
• 發明（設計）人: 陳奇華
• 申請（專利權）人: 順豐科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/54;G06K9/62;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 深圳紫藤知識產權代理有限公司 44570
• 代理人: 遠明

1.一種目標視覺模型的訓練方法，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景的圖像，所述第一樣本圖像是指承載了第一目標物體的圖像；

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

將各個樣本圖像輸入至待訓練模型中，以使得所述待訓練模型根據所述樣本圖像預測出對應的預測類別，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，所述樣本圖像標注有圖像中的物體的類別標簽，所述類別標簽用于指示所述樣本圖像中的物體所屬的目標類別；

根據所述目標類別和所述預測類別，確定第一損失值，并根據所述第一損失值對所述待訓練模型的模型參數進行調整，直至滿足預設的停止訓練條件，將訓練好的所述待訓練模型作為目標視覺模型。

2.根據權利要求1所述的目標視覺模型的訓練方法，其特征在于，所述待訓練模型還包括目標分割分支，所述樣本圖像還標注有圖像中的物體的分割標簽，所述分割標簽用于指示所述樣本圖像中的物體的分割數據；

所述根據所述第一損失值對所述待訓練模型的模型參數進行調整，直至滿足預設的停止訓練條件，將訓練好的所述待訓練模型作為目標視覺模型，包括：

獲取所述目標分割分支根據所述樣本圖像輸出的預測分割數據；

根據所述預測分割數據和所述分割標簽對應的分割數據，確定第二損失值；

根據所述第一損失值和所述第二損失值，對所述待訓練模型的模型參數進行調整，直至滿足預設的停止訓練條件，將訓練好的所述待訓練模型作為目標視覺模型。

3.根據權利要求2所述的目標視覺模型的訓練方法，其特征在于，所述待訓練模型還包括關鍵點檢測分支，所述樣本圖像還標注有圖像中的物體的關鍵點標簽，所述關鍵點標簽用于指示所述樣本圖像中的物體的關鍵點信息；

所述根據所述第一損失值和所述第二損失值，對所述待訓練模型的模型參數進行調整，直至滿足預設的停止訓練條件，將訓練好的所述待訓練模型作為目標視覺模型，包括：

獲取所述關鍵點檢測分支根據所述樣本圖像輸出的預測關鍵點；

根據所述預測關鍵點和所述關鍵點標簽對應的關鍵點信息，確定第三損失值；

根據所述第一損失值、所述第二損失值和所述第三損失值，對所述待訓練模型的模型參數進行調整，直至滿足預設的停止訓練條件，將訓練好的所述待訓練模型作為目標視覺模型。

4.根據權利要求3所述的目標視覺模型的訓練方法，其特征在于，所述方法還包括：

獲取待檢測圖像，并將所述待檢測圖像輸入所述目標視覺模型；

獲取所述關鍵點檢測分支根據所述待檢測圖像輸出的第二目標物體的關鍵點，所述第二目標物體是指所述待檢測圖像中承載的物體。

5.根據權利要求2所述的目標視覺模型的訓練方法，其特征在于，所述方法還包括：

獲取待識別圖像，并將所述待識別圖像輸入所述目標視覺模型；

獲取所述目標分割分支根據所述待識別圖像輸出的第三目標物體的分割數據，所述第三目標物體是指所述待識別圖像中承載的物體。

6.根據權利要求1所述的目標視覺模型的訓練方法，其特征在于，所述第二樣本圖像對應的類別標簽與所述第一樣本圖像對應的類別標簽相同。

7.根據權利要求1-6任一項所述的目標視覺模型的訓練方法，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：

對待處理圖像進行圖像預處理，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，所述圖像預處理包括圖像旋轉、圖像縮放、圖像裁剪、圖像濾波、圖像填充、圖像對比度變換、圖像顏色變換、圖像銳化操作中的至少一種。