[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

本申請提供一種目標檢測模型的訓練方法及裝置，其中所述目標檢測模型的訓練方法包括：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。通過本方法降低了標注樣本數據的成本，提高了目標檢測的準確率，加快了模型的訓練速度。

技術領域

本申請涉及人工智能技術領域，特別涉及一種目標檢測模型的訓練方法及裝置、圖像檢測方法及裝置、計算設備和計算機可讀存儲介質。

背景技術

隨著人工智能技術的發展，自動標注系統得到了廣泛的應用，自動標注系統是基于目標檢測模型的應用，將待檢測圖像輸入至目標檢測模型后，目標檢測模型響應于輸入的待檢測圖片標注相應的檢測內容。

現有的目標檢測模型在訓練過程中，需要人工對訓練圖像進行標注，標注出訓練圖像中的檢測內容，再將標注好的訓練圖像輸入至目標檢測模型中進行訓練，但是這種訓練方法需要的訓練周期較長，而且需要大量的人工標注訓練圖像進行訓練，因此需要花費大量的人力物力，提高了訓練模型的成本。

因此如何縮短模型訓練周期，降低模型訓練成本，就成為技術人員目前亟待解決的問題。

發明內容

有鑒于此，本申請實施例提供了一種目標檢測模型的訓練方法及裝置、計算設備和計算機可讀存儲介質，以解決現有技術中存在的技術缺陷。

根據本申請實施例的第一方面，提供了一種目標檢測模型的訓練方法，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。

可選的，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。

可選的，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。

可選的，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；