[發(fā)明專利]訓練目標檢測模型的方法及裝置、目標檢測方法及裝置

在審

• 申請?zhí)枺?/td>: 202010843340.6
• 申請日: 2020-08-20
• 公開（公告）號: CN112036457A
• 公開（公告）日: 2020-12-04
• 發(fā)明（設計）人: 黃超
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/32;G06N3/04
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 李嘯;姜冰

本公開涉及基于人工智能的訓練目標檢測模型的方法及裝置、目標檢測方法及裝置。訓練目標檢測模型的方法包括：獲取圖像樣本集合；在圖像樣本集合中的圖像樣本中，標注一個或多個目標；使用經(jīng)標注的圖像樣本集合來訓練參考模型；構造目標檢測模型，該目標檢測模型所包含的節(jié)點的數(shù)量小于參考模型所包含的節(jié)點的數(shù)量；以及參考經(jīng)訓練的參考模型的注意力特征，使用經(jīng)標注的圖像樣本集合來訓練目標檢測模型。檢測圖像中的目標的方法包括：將通過上述訓練目標檢測模型的方法訓練的目標檢測模型用于檢測圖像中的目標。

技術領域

本公開一般涉及機器視覺領域，具體來說，本公開涉及基于人工智能的訓練目標檢測模型的方法及裝置、目標檢測方法及裝置。

背景技術

目標檢測近年來已經(jīng)取得了很重要的進展，目標檢測的任務是找出圖像中感興趣的目標或感興趣的區(qū)域（region of interest, ROI）。在游戲自動化測試中，目標檢測扮演著重要的角色，也是自動化檢測的基礎，同時由于各類目標有不同的外觀、形狀以及姿態(tài)，加上成像時光照或者遮擋等因素的干擾，使得目標檢測一直是計算機視覺領域具有挑戰(zhàn)性的任務。

在現(xiàn)有的技術方案中，存在著多種目標檢測方法，諸如基于只看一次（You OnlyLook Once，YOLO）的目標檢測方案、基于級聯(lián)區(qū)域卷積神經(jīng)網(wǎng)絡（Region ConvolutionalNeural Network, RCNN）的目標檢測方案等。然而，這些方法訓練的模型所包含的節(jié)點數(shù)量都比較多，導致模型復雜度較高，模型參數(shù)多，推導速度慢，不適合線上部署。

發(fā)明內(nèi)容

有鑒于此，本公開的實施例中提供了基于人工智能的訓練目標檢測模型的方法及裝置、目標檢測方法及裝置。

根據(jù)本公開的第一方面，提供了一種訓練目標檢測模型的方法，包括：獲取圖像樣本集合；在圖像樣本集合中的圖像樣本中，標注一個或多個目標；使用經(jīng)標注的圖像樣本集合來訓練參考模型；構造目標檢測模型，該目標檢測模型所包含的節(jié)點的數(shù)量小于參考模型所包含的節(jié)點的數(shù)量；以及參考經(jīng)訓練的參考模型的注意力特征，使用經(jīng)標注的圖像樣本集合來訓練目標檢測模型。此處，使用模型所包含的節(jié)點數(shù)量來代表模型的規(guī)模，一般而言，模型所包含的節(jié)點數(shù)量越多，則模型就越復雜，包含的模型參數(shù)越多，目標檢測速度越慢；反之，模型所包含的節(jié)點數(shù)量越少，模型就越輕量化，包含的模型參數(shù)越少，目標檢測速度越快。在一些實施例中，目標檢測模型包含的卷積層的數(shù)量小于參考模型包含的卷積層的數(shù)量；和/或使目標檢測模型包含的卷積通道的數(shù)量小于參考模型包含的卷積通道的數(shù)量，從而目標檢測模型所包含的節(jié)點的數(shù)量小于參考模型所包含的節(jié)點的數(shù)量。

根據(jù)本公開的第二方面，提供了一種檢測圖像中的目標的方法，包括：將通過上述方法訓練的目標檢測模型用于檢測圖像中的目標。

根據(jù)本公開的第三方面，提供了一種訓練目標檢測模型的裝置，包括：圖像樣本獲取模塊，被配置成獲取圖像樣本集合；目標標注模塊，被配置成在圖像樣本集合中的圖像樣本中，標注一個或多個目標；模型訓練模塊，被配置成：使用經(jīng)標注的圖像樣本集合來訓練參考模型；構造目標檢測模型，該目標檢測模型所包含的節(jié)點的數(shù)量小于參考模型所包含的節(jié)點的數(shù)量；以及參考經(jīng)訓練的參考模型的注意力特征，使用經(jīng)標注的圖像樣本集合來訓練目標檢測模型。

在一些實施例中，圖像樣本獲取模塊進一步被配置成通過以下方式來獲取圖像樣本集合：從圖像集合中獲取包含目標的多個圖像樣本；從所獲取的多個圖像樣本中刪除目標面積占圖像樣本面積的比例小于閾值的圖像樣本；以及從所獲取的多個圖像樣本中刪減相似度高于閾值的圖像樣本。

在一些實施例中，目標標注模塊進一步被配置成通過以下方式來在圖像樣本中標注一個或多個目標：在圖像樣本中設置一個或多個目標框，用于標注一個或多個目標的中心位置的x坐標、y坐標、一個或多個目標的寬度、以及一個或多個目標的高度。目標標注模塊進一步被配置成通過以下方式來在圖像樣本中標注一個或多個目標：標注一個或多個目標的類別。