[發(fā)明專利]模型訓(xùn)練方法、圖像檢測(cè)方法及檢測(cè)裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202110663586.X
• 申請(qǐng)日: 2021-06-16
• 公開（公告）號(hào): CN113111979B
• 公開（公告）日: 2021-09-07
• 發(fā)明（設(shè)計(jì)）人: 龔向陽(yáng)
• 申請(qǐng)（專利權(quán)）人: 上海齊感電子信息科技有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海恒銳佳知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 31286
• 代理人: 黃海霞

1.一種模型訓(xùn)練方法，其特征在于，構(gòu)建乘積型Focal loss函數(shù)，使用所述乘積型Focal loss函數(shù)對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行模型訓(xùn)練并輸出訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，以應(yīng)用于基于人形圖像數(shù)據(jù)集進(jìn)行的圖像檢測(cè)方法；

所述乘積型Focal loss函數(shù)的構(gòu)建方法包括以下步驟：

設(shè)定權(quán)重值，所述權(quán)重值的表達(dá)式為：

其中，W為所述權(quán)重值，m為調(diào)整參數(shù)，P_i 是網(wǎng)絡(luò)模型輸出的特征圖中第i個(gè)像素點(diǎn)的預(yù)測(cè)概率值，γ為樣本損失調(diào)整因子，y_i是真實(shí)樣本的有效值，當(dāng)y_i=1，得到的權(quán)重值為正樣本的權(quán)重值，當(dāng)y_i=0，得到的權(quán)重值為負(fù)樣本的權(quán)重值；

設(shè)定樣本比例平衡因子α；

通過(guò)W和α構(gòu)建所述乘積型Focal loss函數(shù)。

2.根據(jù)權(quán)利要求1所述的模型訓(xùn)練方法，其特征在于，所述乘積型Focal loss函數(shù)的表達(dá)式為：

其中，L_fl-new為所述乘積型Focal loss函數(shù)，當(dāng)y_i=1，得到的乘積型Focal loss函數(shù)為正樣本的乘積型Focal loss函數(shù)，當(dāng)y_i=0，得到的乘積型Focal loss函數(shù)為負(fù)樣本的乘積型Focal loss函數(shù)。

3.根據(jù)權(quán)利要求1所述的模型訓(xùn)練方法，其特征在于，通過(guò)W和α構(gòu)建所述乘積型Focalloss函數(shù)之后，再進(jìn)行反向傳播計(jì)算和權(quán)重系數(shù)調(diào)整。

4.根據(jù)權(quán)利要求2所述的模型訓(xùn)練方法，其特征在于，所述調(diào)整參數(shù)的取值范圍為0.5-1.2。

5.根據(jù)權(quán)利要求4所述的模型訓(xùn)練方法，其特征在于，所述調(diào)整參數(shù)m取值為1，所述乘積型Focal loss函數(shù)的表達(dá)式為：

。

6.根據(jù)權(quán)利要求1所述的模型訓(xùn)練方法，其特征在于，所述γ的取值大于0，所述α的取值為0.1-0.9。

7.一種圖像檢測(cè)方法，其特征在于，包括執(zhí)行以下步驟：

S100：對(duì)人形圖像數(shù)據(jù)集進(jìn)行標(biāo)注并分為訓(xùn)練集、驗(yàn)證集和測(cè)試集；

S200：對(duì)所述訓(xùn)練集、所述驗(yàn)證集和所述測(cè)試集進(jìn)行數(shù)據(jù)預(yù)處理；

S300：使用如權(quán)利要求1-6任一項(xiàng)所述的模型訓(xùn)練方法進(jìn)行模型訓(xùn)練并輸出訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型。

8.根據(jù)權(quán)利要求7所述的圖像檢測(cè)方法，其特征在于，所述步驟S300具體包括以下步驟：

采用所述乘積型Focal loss函數(shù)在所述訓(xùn)練集上對(duì)所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行若干代模型訓(xùn)練后，將所述驗(yàn)證集輸入到所述神經(jīng)網(wǎng)絡(luò)模型得到第一模型輸出結(jié)果，然后使用NMS策略優(yōu)化所述第一模型輸出結(jié)果，再根據(jù)優(yōu)化后的所述第一模型輸出結(jié)果得到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型。

9.根據(jù)權(quán)利要求8所述的圖像檢測(cè)方法，其特征在于，所述步驟S300執(zhí)行完畢后，還包括執(zhí)行以下步驟：

S400：將所述測(cè)試集輸入到所述訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型中得到第二模型輸出結(jié)果后，采用NMS策略優(yōu)化所述第二模型輸出結(jié)果得到最終效果，然后對(duì)最終效果進(jìn)行達(dá)標(biāo)評(píng)估測(cè)試，并判斷得到的評(píng)估結(jié)果是否達(dá)到預(yù)期效果；

S500：將評(píng)估結(jié)果達(dá)到預(yù)期效果的神經(jīng)網(wǎng)絡(luò)模型部署在芯片上，進(jìn)行效果輸出。