[發明專利]基于深度學習的檢測模型生成方法及裝置

在審

• 申請號: 202210139601.5
• 申請日: 2022-02-15
• 公開（公告）號: CN114648671A
• 公開（公告）日: 2022-06-21
• 發明（設計）人: 周卓立;任鵬
• 申請（專利權）人: 成都臻識科技發展有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 成都九鼎天元知識產權代理有限公司 51214
• 代理人: 劉世權

1.一種基于深度學習的檢測模型生成方法，其特征在于，所述方法包括以下步驟：

構建深度學習模型；其中，所述深度學習模型包括第一卷積模塊；

獲取訓練集，并利用所述訓練集對所述深度學習模型進行訓練，獲得目標檢測模型；

對所述目標檢測模型進行重參數化，以使所述目標檢測模型中的第一卷積模塊替換為第二卷積模塊；

將替換后的所述目標檢測模型發送至終端設備，以使所述終端設備在接收到待檢測數據時，執行檢測任務。

2.如權利要求1所述的基于深度學習的檢測模型生成方法，其特征在于，所述第一卷積模塊包括至少一個第一conv+bn模塊，所述第一conv+bn模塊的輸入端為N通道輸入端，所述第一conv+bn模塊的輸出端為N通道輸出端。

3.如權利要求2所述的基于深度學習的檢測模型生成方法，其特征在于，所述第二卷積模塊包括至少一個第二conv+bn模塊和至少一個第三conv+bn模塊，所述第二conv+bn模塊的輸入端為N通道輸入端，所述第二conv+bn模塊的輸出端連接第三conv+bn模塊的輸入端，所述第三conv+bn模塊的輸出端為N通道輸出端。

4.如權利要求3所述的基于深度學習的檢測模型生成方法，其特征在于，所述第一conv+bn模塊和第二conv+bn模塊的尺寸為3×3，所述第三conv+bn模塊的尺寸為1×1。

5.如權利要求3所述的基于深度學習的檢測模型生成方法，其特征在于，所述第二conv+bn模塊的輸出端和第三conv+bn模塊的輸入端為N×4傳輸通道。

6.如權利要求1所述的基于深度學習的檢測模型生成方法，其特征在于，所述深度學習模型采用resnet結構或vgg結構。

7.如權利要求1所述的基于深度學習的檢測模型生成方法，其特征在于，所述訓練集為訓練圖像集，所述待檢測數據為待檢測圖像。

8.一種基于深度學習的檢測模型生成裝置，其特征在于，所述基于深度學習的檢測模型生成裝置包括：

構建模塊，用于構建深度學習模型；其中，所述深度學習模型包括第一卷積模塊；

獲取模塊，用于獲取訓練集，并利用所述訓練集對所述深度學習模型進行訓練，獲得目標檢測模型；

替換模塊，用于對所述目標檢測模型進行重參數化，以使所述目標檢測模型中的第一卷積模塊替換為第二卷積模塊；

發送模塊，用于將替換后的所述目標檢測模型發送至終端設備，以使所述終端設備在接收到待檢測數據時，執行檢測任務。

9.一種基于深度學習的檢測模型生成設備，其特征在于，所述基于深度學習的檢測模型生成設備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的基于深度學習的檢測模型生成程序，所述基于深度學習的檢測模型生成程序被所述處理器執行時實現如權利要求1至7中任一項所述的基于深度學習的檢測模型生成方法的步驟。

10.一種存儲介質，其特征在于，所述存儲介質上存儲有基于深度學習的檢測模型生成程序，所述基于深度學習的檢測模型生成程序被處理器執行時實現如權利要求1至7中任一項所述的基于深度學習的檢測模型生成方法的步驟。