[發明專利]模型訓練方法、裝置、設備及可讀存儲介質

在審

• 申請號: 202011133948.6
• 申請日: 2020-10-21
• 公開（公告）號: CN112215298A
• 公開（公告）日: 2021-01-12
• 發明（設計）人: 劉彥宏
• 申請（專利權）人: 平安國際智慧城市科技股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市力道知識產權代理事務所(普通合伙) 44507
• 代理人: 張傳義

1.一種基于目標檢測的模型訓練方法，其特征在于，所述方法包括：

加載待訓練的目標檢測模型；

獲取輸入的圖像樣本集，并確定所述圖像樣本集對應的擾動圖像集；

根據所述圖像樣本集以及所述擾動圖像集，對所述待訓練的目標檢測模型進行訓練；

確定訓練后的目標檢測模型是否收斂；

若確定所述訓練后的目標檢測模型收斂，則存儲訓練好的目標檢測模型。

2.根據權利要求1所述的模型訓練方法，其特征在于，所述根據所述圖像樣本集以及所述擾動圖像集，對所述目標檢測模型進行訓練，包括：

將所述圖像樣本集以及所述擾動圖像樣本集輸入至所述待訓練的目標檢測模型中，得到對應的標準向量集以及擾動向量集；

根據所述標準向量集以及所述擾動向量集，確定所述圖像樣本集對應的目標擾動圖像集；

根據所述圖像樣本集以及所述目標擾動圖像樣本集，對所述待訓練的目標檢測模型進行訓練。

3.根據權利要求2所述的模型訓練方法，其特征在于，所述根據所述標準向量集以及所述擾動向量集，確定所述圖像樣本集對應的目標擾動圖像集，包括：

根據所述標準向量集和所述擾動向量集，確定相應的傳輸成本矩陣；

確定所述傳輸成本矩陣對應的最優傳輸矩陣，以得到對應的特征匹配距離；

根據所述特征匹配距離，確定所述圖像樣本集對應的目標擾動圖像集。

4.根據權利要求3所述的模型訓練方法，其特征在于，所述根據所述圖像樣本集以及所述目標擾動圖像樣本集，對所述待訓練的目標檢測模型進行訓練，包括：

確定所述圖像樣本集對應的第一損失函數，以及確定所述目標擾動圖像集對應的第二損失函數；

根據所述第一損失函數與所述第二損失函數，對所述待訓練的目標檢測模型進行參數調節，以對所述待訓練的目標檢測模型進行訓練。

5.根據權利要求4所述的訓練方法，其特征在于，所述確定訓練后的目標檢測模型是否收斂，包括：

確定當前所對應的目標損失函數，其中所述目標損失函數為第一損失函數與第二損失函數相加得到；

基于所述模型參數，確定所述目標損失函數對應的損失值；

根據所述損失值，確定訓練后的目標檢測模型是否收斂。

6.根據權利要求5所述的訓練方法，其特征在于，所述根據所述損失值確定訓練后的目標檢測模型是否收斂，包括：

獲取預設的損失閾值，并將所述損失值與所述損失閾值進行比較；

若所述損失值小于或者等于所述損失閾值，則確定所述訓練后的目標檢測模型收斂；

若所述損失值大于所述損失閾值，則確定所述訓練后的目標檢測模型未收斂。

7.根據權利要求1至6中任一項所述的訓練方法，其特征在于，所述確定訓練到的目標檢測模型是否收斂之后，還包括：

若確定所述訓練后的目標檢測模型未收斂，則執行步驟：根據所述圖像樣本集以及所述擾動圖像集，對所述待訓練的目標檢測模型進行訓練。

8.一種基于目標檢測的模型訓練裝置，其特征在于，所述裝置包括：

模型加載模塊，用于加載待訓練的目標檢測模型；

樣本擾動模塊，用于獲取輸入的圖像樣本集，并確定所述圖像樣本集對應的擾動圖像集；

模型訓練模塊，用于根據所述圖像樣本集以及所述擾動圖像集，對所述待訓練的目標檢測模型進行訓練；

結果判斷模塊，用于確定訓練后的目標檢測模型是否收斂；

數據存儲模塊，用于若確定所述訓練后的目標檢測模型收斂，則存儲訓練好的目標檢測模型。

9.一種計算機設備，其特征在于，包括存儲器和處理器：

所述存儲器中存儲有計算機可讀指令，所述計算機可讀指令被所述處理器執行時，使得所述處理器執行如權利要求1至7中任一項所述的基于目標檢測的模型訓練方法的步驟。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機程序，所述計算機可讀指令被所述處理器執行時，使得一個或多個處理器執行如權利要求1至7中任一項所述的基于目標檢測的模型訓練方法的步驟。