[發明專利]一種模型訓練的方法及裝置

有效

• 申請號: 202110641511.1
• 申請日: 2021-06-09
• 公開（公告）號: CN113344198B
• 公開（公告）日: 2022-08-26
• 發明（設計）人: 吳桐;黃君實;羅玄;魏曉明
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06V10/82
• 分類號: G06V10/82;G06V10/25;G06V10/764;G06N3/08;G06N3/04;G06K9/62
• 代理公司: 北京曼威知識產權代理有限公司 11709
• 代理人: 方志煒

本說明書公開了一種模型訓練的方法及裝置，獲取第一圖像，并將第一圖像輸入到感知模型，以針對第一圖像涉及的每個目標物，將提取出的該目標物在第一圖像中對應的至少一個感興趣圖像區域進行融合，以確定該目標物在第一圖像中的目標物區域，并確定第一圖像涉及的目標物的識別結果，對感知模型進行訓練。而后，確定該目標物在第二圖像中對應的目標物區域，將第二圖像輸入到識別模型，得到該目標物在第二圖像中的識別區域。最后，以最小化該目標物在第二圖像中對應的目標物區域，與識別區域之間的偏差為優化目標，對識別模型進行訓練。本方法能夠提高圖像對應的標注的精細程度以及準確性，進而提高了識別模型的識別準確率，以更好的完成識別任務。

技術領域

本說明書涉及計算機技術領域，尤其涉及一種模型訓練的方法及裝置。

背景技術

隨著計算機視覺技術的發展，傳統的語義分割任務通常需要獲取應用場景下的大量圖像作為訓練數據，并對這些訓練圖像中的每個像素點進行人工標注，標注出每個像素點對應的目標類別，這種標注方式需要消耗大量的人力和時間來完成，訓練成本十分昂貴。

基于此，目前通常采用粗略標注的方式，來確定出圖像中一個目標物的一個感興趣圖像區域，并以此來生成用于訓練識別模型所需的圖像標注，從而降低標注的成本。然而，感興趣圖像區域往往只是目標物在圖像中對應的一部分區域，所以，感興趣圖像區域并不能準確的表征出目標物在圖像中的完整區域，這樣一來，通過這種方式所訓練出的識別模型，識別準確率往往較低。

因此，如何能夠有效地提高識別模型的準確性，則是一個亟待解決的問題。

發明內容

本說明書提供一種模型訓練的方法及裝置，以部分的解決現有技術存在的上述問題。

本說明書采用下述技術方案：

本說明書提供了一種模型訓練的方法，包括：

獲取第一圖像；

將所述第一圖像輸入到感知模型，以針對所述第一圖像涉及的每個目標物，將提取出的該目標物在所述第一圖像中對應的至少一個感興趣圖像區域進行融合，以確定該目標物在所述第一圖像中的目標物區域，并根據所述目標物區域，確定所述第一圖像涉及的目標物的識別結果；

根據所述識別結果，對所述感知模型進行訓練；

將第二圖像輸入到訓練后感知模型，以針對所述第二圖像中涉及的每個目標物，確定該目標物在所述第二圖像中對應的目標物區域，將所述第二圖像輸入到識別模型，得到該目標物在所述第二圖像中的識別區域；

以最小化該目標物在所述第二圖像中對應的目標物區域，與所述識別區域之間的偏差為優化目標，對所述識別模型進行訓練。

可選地，所述第一圖像包括多個關聯圖像，所述多個關聯圖像中包含有同種類別的目標物的圖像；

將所述第一圖像輸入到感知模型，以針對所述第一圖像涉及的每個目標物，將提取出的該目標物在所述第一圖像中對應的至少一個感興趣圖像區域進行融合，以確定該目標物在所述第一圖像中的目標物區域，并根據所述目標物區域，確定所述第一圖像涉及的目標物的識別結果，具體包括：

將所述多個關聯圖像輸入到所述感知模型中，以針對每個關聯圖像，將提取出的所述同種類別的目標物在該關聯圖像中對應的至少一個感興趣圖像區域進行融合，以確定所述同種類別的目標物在該關聯圖像中的目標物區域，并根據所述同種類別的目標物在該關聯圖像中的目標物區域，確定所述同種類別的目標物在該關聯圖像下對應的識別結果。

可選地，根據所述識別結果，對所述感知模型進行訓練，具體包括：

以所述同種類別的目標物在各關聯圖像中對應的像素的像素特征相接近為優化目標，根據所述同種類別的目標物在各關聯圖像下對應的識別結果，對所述感知模型進行訓練。