[發明專利]目標檢測模型訓練方法、裝置及通信設備

在審

• 申請號: 202110264474.7
• 申請日: 2021-03-11
• 公開（公告）號: CN113034449A
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 邵池;程駿;林燦然;郭渺辰;龐建新
• 申請（專利權）人: 深圳市優必選科技股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G06T7/11
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 甘瑩

本申請適用于機器人技術領域，提供了目標檢測模型訓練方法、裝置及通信設備，包括：獲取第一圖像，所述第一圖像為經過人工標注的圖像，一張所述第一圖像唯一對應一個標注信息；對所述第一圖像進行處理，得到與所述第一圖像不同的第二圖像，所述第二圖像的標注信息與所述第一圖像的標注信息相同；根據所述第一圖像和所述第二圖像對待訓練的目標檢測模型進行訓練，得到訓練后的目標檢測模型。通過上述方法，能夠快速訓練出具有較高檢測精度的訓練后的目標檢測模型。

技術領域

本申請屬于機器人技術領域，尤其涉及目標檢測模型訓練方法、裝置、通信設備及計算機可讀存儲介質。

背景技術

目標檢測是目前計算機視覺領域熱門的研究方向之一，其目的是獲取目標在圖像中的類別信息和位置信息。隨著深度學習技術的發展，越來越多的目標檢測應用開始落地，并在視頻監控、自動駕駛、人機交互等方面取得了長足的進步。對于人類來說，完成目標檢測不算困難，人類通過對圖像中不同顏色模塊的感知，進而很容易定位并分類出其中的目標物體。但對于計算機來說，一張紅綠藍(Red Green Blue，RGB)圖像就是一個紅綠藍像素矩陣，其很難從紅綠藍像素矩陣中直接得到類似于香蕉和蘋果這樣的抽象概念并在圖像中確定其位置，進一步地，若要在環境復雜多變的背景的圖像中檢測多個物體，則目標檢測就變得更加困難。

目標檢測模型能否很好地適應不同的場景，與很多因素都有關系，其中，訓練數據的豐富程度就是一個重要因素。為了讓目標檢測模型在實際使用中發揮更好的性能，在采集數據的過程中，傾向于采集涵蓋盡可能多的場景的數據，且采集的數據量足夠大。然而，采集數據以及對采集的數據進行精準的標注需要耗費較多的時間與精力，故，難以快速訓練出具有較高檢測精度的目標檢測模型。

發明內容

本申請實施例提供了一種目標檢測模型訓練方法，可以解決具有較高檢測精度的目標檢測模型的訓練時長過長的問題。

第一方面，本申請實施例提供了一種目標檢測模型訓練方法，包括：

獲取第一圖像，所述第一圖像為經過人工標注的圖像，一張所述第一圖像唯一對應一個標注信息；

對所述第一圖像進行處理，得到與所述第一圖像不同的第二圖像，所述第二圖像的標注信息與所述第一圖像的標注信息相同；

根據所述第一圖像和所述第二圖像對待訓練的目標檢測模型進行訓練，得到訓練后的目標檢測模型。

第二方面，本申請實施例提供了一種目標檢測方法，包括：

獲取待檢測的圖像；

采用如權利要求第一方面所述的訓練后的目標檢測模型對所述待檢測的圖像進行目標檢測，得到檢測結果。

第三方面，本申請實施例提供了一種目標檢測模型訓練裝置，包括：

第一圖像獲取單元，用于獲取第一圖像，所述第一圖像為經過人工標注的圖像，一張所述第一圖像唯一對應一個標注信息；

第二圖像獲取單元，用于對所述第一圖像進行處理，得到與所述第一圖像不同的第二圖像，所述第二圖像的標注信息與所述第一圖像的標注信息相同；

訓練單元，用于根據所述第一圖像和所述第二圖像對待訓練的目標檢測模型進行訓練，得到訓練后的目標檢測模型。

第四方面，本申請實施例提供了一種通信設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現如第一方面或第二方面所述的方法。

第五方面，本申請實施例提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執行時實現如第一方面或第二方面所述的方法。