[發明專利]一種目標檢測模型的訓練方法及裝置

在審

• 申請號: 202010559883.5
• 申請日: 2020-06-18
• 公開（公告）號: CN113822302A
• 公開（公告）日: 2021-12-21
• 發明（設計）人: 鄭磊波;唐劍波;李長亮
• 申請（專利權）人: 北京金山數字娛樂科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京智信禾專利代理有限公司 11637
• 代理人: 王治東

1.一種目標檢測模型的訓練方法，其特征在于，包括：

獲取第一訓練圖像；

將所述第一訓練圖像輸入至候選區域檢測模型，獲得所述第一訓練圖像對應的第一候選區域信息；

將所述第一訓練圖像和所述第一候選區域信息輸入至待訓練目標檢測模型進行訓練，獲得初始目標檢測模型；

獲取第二訓練圖像和所述第二訓練圖像對應的第二候選區域信息；

將所述第二訓練圖像和所述第二候選區域信息輸入至所述初始目標檢測模型繼續訓練，獲得目標檢測模型。

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，所述候選區域檢測模型包括特征提取層、候選區域網絡層、空間金字塔池化層、池化層；

將所述第一訓練圖像輸入至候選區域檢測模型，獲得所述第一訓練圖像對應的第一候選區域信息，包括：

將所述第一訓練圖像輸入至所述特征提取層提取所述第一訓練圖像的特征圖像；

將所述特征圖像輸入至所述候選區域網絡層，獲取所述特征圖像對應的多個子候選區域；

將所述特征圖像和多個子候選區域輸入至所述空間金字塔池化層，獲得每個所述子候選區域對應的候選特征向量；

將每個所述候選特征向量輸入至所述池化層進行池化處理，獲得所述第一訓練圖像對應的第一候選區域信息。

3.如權利要求2所述的目標檢測模型的訓練方法，其特征在于，將每個所述候選特征向量輸入至所述池化層進行池化處理，包括：

將每個所述候選特征向量做目標識別處理獲得第一權重系數矩陣，和/或將每個所述候選特征向量做目標檢測處理獲得第二權重系數矩陣；

基于所述第一權重系數矩陣和/或所述第二權重系數矩陣進行池化處理。

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，將每個所述候選特征向量做目標識別處理獲得第一權重系數矩陣，包括：

將每個所述候選特征向量做目標識別處理獲得每個所述子候選區域中每個類別的權重系數；

根據每個所述子候選區域和每個所述子候選區域中類別的權重系數生成第一權重系數矩陣。

5.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，將每個所述候選特征向量做目標檢測處理獲得第二權重系數矩陣，包括：

將每個所述候選特征向量做目標檢測處理獲得每個類別在每個子候選區域中的權重系數；

根據每個類別在每個子候選區域中的權重系數和每個所述子候選區域生成第二權重系數矩陣。

6.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，將所述第一訓練圖像和所述第一候選區域信息輸入至待訓練目標檢測模型進行訓練，獲得初始目標檢測模型，包括：

將所述第一訓練圖像和所述第一候選區域信息輸入至待訓練目標檢測模型；

所述目標檢測模型根據所述第一訓練圖像生成第一檢測區域信息；

根據所述第一檢測區域信息與所述第一候選區域信息計算第一損失值；

根據所述第一損失值調整所述待訓練目標檢測模型的模型參數直至滿足訓練條件，獲得初始目標檢測模型。

7.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，將所述第二訓練圖像和所述第二候選區域信息輸入至所述初始目標檢測模型繼續訓練，獲得目標檢測模型，包括：

將所述第二訓練圖像和所述第二候選區域信息輸入至所述初始目標檢測模型；

所述初始目標檢測模型根據所述第二訓練圖像生成第二檢測區域信息；

根據所述第二檢測區域信息與所述第二候選區域信息計算第二損失值；

根據所述第二損失值調整所述初始目標檢測模型的模型參數直至滿足訓練條件，獲得目標檢測模型。

8.一種圖像檢測方法，其特征在于，包括：

獲取待檢測圖像；

將所述待檢測圖像輸入至目標檢測模型進行目標檢測，其中，所述目標檢測模型是通過權利要求1-7中任意一項目標檢測模型的訓練方法訓練得到的；

獲取所述目標檢測模型輸出的所述待檢測圖像中的檢測結果。