[發明專利]垃圾檢測模型的訓練方法、裝置、存儲介質及設備

有效

• 申請號: 202210154650.6
• 申請日: 2022-02-21
• 公開（公告）號: CN114241425B
• 公開（公告）日: 2022-05-31
• 發明（設計）人: 楊帆;孫羽勃;胡建國
• 申請（專利權）人: 南京甄視智能科技有限公司
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V10/44;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京德崇智捷知識產權代理有限公司 11467
• 代理人: 季承

本申請公開了一種垃圾檢測模型的訓練方法、裝置、存儲介質及設備，屬于圖像處理技術領域。所述方法包括：根據監控視頻獲取標注數據集，標注數據集中包含多個視頻幀和標注信息，標注信息包含視頻幀中垃圾的真實框和類別；獲取基于YOLOV5網絡創建的垃圾檢測模型；利用與YOLOV5網絡適配的simOTA，從標注數據集中篩選出與每個真實框相匹配的前m個最大交并比，根據前m個最大交并比生成正樣本數量K，根據正樣本數量K從標注數據集中篩選正負樣本，m取10和n中的最大值，n等于真實框對應的候選正樣本的總數和預定系數的乘積，預定系數小于1；根據正負樣本對垃圾檢測模型進行訓練。本申請可以提高垃圾檢測模型的檢測效果。

技術領域

本申請涉及圖像處理技術領域，特別涉及一種垃圾檢測模型的訓練方法、裝置、存儲介質及設備。

背景技術

隨著近年來居民生活水平的提升，越來越多的商品出現在居民的生活中，從而產生了很多的生活垃圾。我們可以通過AI（Artificial Intelligence，人工智能）+視頻監控技術，對公共區域的垃圾進行檢測，在確定有垃圾時及時清理，為居民打造良好的生活環境。

在采用垃圾檢測模型來識別視頻中的垃圾之前，需要先對垃圾檢測模型進行訓練。現有的垃圾檢測模型大多基于Yolo系列構建，Yolo系列通常是根據預定義的規則來匹配錨框（anchor）與真實框（ground truth），從而確定正負樣本。比如，比較交并比（IOU）和指定閾值的大小來劃分正負樣本，或，通過錨框與真實框的長寬比的范圍來劃分正負樣本。

垃圾是種類多且形態多變的目標，若對不同大小、形狀、不同遮擋情況下的樣本采用統一的靜態匹配策略，會導致正負樣本的劃分不準確，比如，會對某些目標會引入低質量或難以學習的正樣本，強制相同層的相同錨框去學習，可能會導致垃圾檢測模型顧此失彼，難以達到更好的檢測效果。

發明內容

本申請提供了一種垃圾檢測模型的訓練方法、裝置、存儲介質及設備，用于解決Yolo系列的正負樣本匹配機制為統一的靜態匹配策略，導致正負樣本的劃分不準確，從而影響垃圾檢測模型的檢測效果的問題。所述技術方案如下：

一方面，提供了一種垃圾檢測模型的訓練方法，所述方法包括：

根據監控視頻獲取標注數據集，所述標注數據集中包含多個視頻幀和對應的標注信息，所述標注信息中包含所述視頻幀中的垃圾的真實框和類別；

獲取基于YOLOV5網絡創建的垃圾檢測模型；

利用與所述YOLOV5網絡適配的simOTA，從所述標注數據集中篩選出與每個真實框相匹配的前m個最大交并比，根據篩選出的所述前m個最大交并比生成正樣本數量K，根據所述正樣本數量K從所述標注數據集中篩選正負樣本，m取10和n中的最大值，n等于真實框對應的候選正樣本的總數和預定系數的乘積，所述預定系數小于1；

根據所述正負樣本對所述垃圾檢測模型進行訓練。

在一種可能的實現方式中，所述利用與所述YOLOV5網絡適配的simOTA，從所述標注數據集中篩選出與每個真實框相匹配的前m個最大交并比，包括：

從所述標注數據集中獲取每個真實框對應的候選正樣本；

根據偏移公式和每個候選正樣本的偏移值，將每個候選正樣本的檢測框還原到原始的視頻幀中，所述偏移值包括中心點偏移值和寬高偏移值，所述中心點偏移值是候選正樣本的檢測框的中心點相對于視頻幀中劃分的網格的偏移值，所述寬高偏移值是所述檢測框的寬高相對于預設錨框的寬高的偏移值；

在所述原始的視頻幀中計算每個候選正樣本與對應的真實框的交并比；

利用與所述YOLOV5網絡適配的simOTA，篩選出與每個真實框相匹配的前m個最大交并比。