[發(fā)明專利]多數(shù)據(jù)集目標(biāo)檢測訓(xùn)練方法、系統(tǒng)、存儲介質(zhì)及電子設(shè)備

在審

• 申請?zhí)枺?/td>: 202210163241.2
• 申請日: 2022-02-22
• 公開（公告）號: CN114743063A
• 公開（公告）日: 2022-07-12
• 發(fā)明（設(shè)計）人: 堯麗君;王語斌
• 申請（專利權(quán)）人: 同盾科技有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/72;G06V10/82;G06V10/94;G06V40/10;G06N3/08;G06N3/04;G06K9/62
• 代理公司: 北京知果之信知識產(chǎn)權(quán)代理有限公司 11541
• 代理人: 高科

1.一種多數(shù)據(jù)集目標(biāo)檢測訓(xùn)練方法，其特征在于，包括：

將新增類別數(shù)據(jù)集和對應(yīng)的第一標(biāo)注文件均分別輸入到第一檢測模型和第二檢測模型，進(jìn)行檢測模型訓(xùn)練；

利用訓(xùn)練完成后的第一檢測模型和第二檢測模型對歷史數(shù)據(jù)集中的新增類別進(jìn)行數(shù)據(jù)清洗，得到數(shù)據(jù)清洗后的歷史數(shù)據(jù)集和對應(yīng)的第二標(biāo)注文件；

將所述新增類別數(shù)據(jù)集和數(shù)據(jù)清洗后的歷史數(shù)據(jù)集合并，并將合并后的數(shù)據(jù)集和對應(yīng)的第三標(biāo)注文件輸入到第三檢測模型，進(jìn)行模型訓(xùn)練，訓(xùn)練完成后部署。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將新增類別數(shù)據(jù)集和對應(yīng)的第一標(biāo)注文件均分別輸入到第一檢測模型和第二檢測模型，進(jìn)行檢測模型訓(xùn)練，包括：

將所述新增類別數(shù)據(jù)集和對應(yīng)的第一標(biāo)注文件，按照圖像的第一輸入分辨率輸入到第一檢測模型；

將所述新增類別數(shù)據(jù)集和對應(yīng)的第一標(biāo)注文件，按照圖像的第二輸入分辨率輸入到第二檢測模型；

分別輸入到所述第一檢測模型和所述第二檢測模型后，進(jìn)行新增類別的檢測模型訓(xùn)練。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述采用半監(jiān)督方式，利用訓(xùn)練完成后的第一檢測模型和第二檢測模型對歷史數(shù)據(jù)集中的新增類別進(jìn)行數(shù)據(jù)清洗，包括：

采用半監(jiān)督方式，利用訓(xùn)練完成后的第一檢測模型和第二檢測模型對歷史數(shù)據(jù)集中的新增類別進(jìn)行偽標(biāo)注，輸出目標(biāo)檢測框；

針對第一檢測模型和第二檢測模型都檢測出的目標(biāo)，根據(jù)所述目標(biāo)檢測框計算IOU和置信度分?jǐn)?shù)，分別判斷所述IOU和所述置信度分?jǐn)?shù)與預(yù)設(shè)閾值的大小關(guān)系。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述分別判斷所述IOU和所述置信度分?jǐn)?shù)與預(yù)設(shè)閾值的大小關(guān)系包括：

如果所述IOU大于第一閾值，且第一檢測模型和第二檢測模型的置信度分?jǐn)?shù)均大于第二閾值，則保留所述目標(biāo)，并將目標(biāo)的位置信息和類別信息記錄到歷史數(shù)據(jù)集對應(yīng)的第二標(biāo)注文件；

否則，將歷史數(shù)據(jù)集中歷史類別數(shù)據(jù)量較少的目標(biāo)進(jìn)行第一數(shù)據(jù)增強，填充至所述目標(biāo)檢測框的位置，并將所述數(shù)據(jù)量較少的目標(biāo)的位置信息和類別信息記錄到歷史數(shù)據(jù)集對應(yīng)的第二標(biāo)注文件；

其中，所述第一數(shù)據(jù)增強包括隨機縮放、隨機翻轉(zhuǎn)、隨機對比度變換、隨機噪聲和mixup中的任意一種或多種。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述保留所述目標(biāo)，并將目標(biāo)的位置信息和類別信息記錄到歷史數(shù)據(jù)集對應(yīng)的第二標(biāo)注文件，包括：

判斷所述第一檢測模型和第二檢測模型的置信度分?jǐn)?shù)是否相等；

如果不相等，則將較大的置信度分?jǐn)?shù)對應(yīng)的目標(biāo)檢測框的位置信息和類別信息，記錄到歷史數(shù)據(jù)集對應(yīng)的第二標(biāo)注文件；

如果相等，則任取其中一個檢測模型的目標(biāo)檢測框的位置信息和類別信息，記錄到歷史數(shù)據(jù)集對應(yīng)的第二標(biāo)注文件。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)新增類別數(shù)據(jù)集對應(yīng)的第一標(biāo)注文件和歷史數(shù)據(jù)集對應(yīng)的第二標(biāo)注文件，得到合并后的數(shù)據(jù)集對應(yīng)的第三標(biāo)注文件；

所述將合并后的數(shù)據(jù)集和對應(yīng)的第三標(biāo)注文件輸入到第三檢測模型，進(jìn)行模型訓(xùn)練，訓(xùn)練完成后部署，包括：

將所述合并后的數(shù)據(jù)集和對應(yīng)的第三標(biāo)注文件進(jìn)行第二數(shù)據(jù)增強，按照圖像的第三輸入分辨率輸入到第三檢測模型，進(jìn)行模型訓(xùn)練；

其中，所述第二數(shù)據(jù)增強包括顏色變幻、mixup、Mosaic和隨機翻轉(zhuǎn)中的任意一種或多種。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述訓(xùn)練完成后部署包括：

將訓(xùn)練完成后的第三檢測模型轉(zhuǎn)換為TensorRT并采用fp16量化加速，以提升模型運行速度；

采用Docker部署。