[發明專利]鋼筋檢測模型的訓練方法及裝置

在審

• 申請號: 202211642914.9
• 申請日: 2022-12-20
• 公開（公告）號: CN115965850A
• 公開（公告）日: 2023-04-14
• 發明（設計）人: 請求不公布姓名
• 申請（專利權）人: 深圳須彌云圖空間科技有限公司
• 主分類號: G06V10/82
• 分類號: G06V10/82;G06V10/764;G06N3/0464;G06N3/08
• 代理公司: 北京嘉科知識產權代理事務所(特殊普通合伙) 11687
• 代理人: 陳美君

本公開涉及機器學習技術領域，提供了一種鋼筋檢測模型的訓練方法及裝置。該方法包括：將RetinaNet模型中的普通卷積層替換為空洞卷積層，得到鋼筋檢測模型；獲取鋼筋訓練數據集，將鋼筋訓練數據集中的訓練樣本輸入鋼筋檢測模型，輸出訓練樣本的特征圖；利用平衡度公式計算每個中心點的平衡度，基于每個中心點的平衡度對該中心點的進行分類，并在分類的過程中利用第一損失函數訓練鋼筋檢測模型；基于訓練樣本中的每個標簽對應的被分類為前景的一個或多個中心點回歸該標簽對應的檢測框的坐標，并在回歸的過程中利用第二損失函數訓練鋼筋檢測模型；基于訓練樣本中所有檢測框中每兩個相鄰檢測框的交并比，利用第三損失函數訓練鋼筋檢測模型。

技術領域

本公開涉及機器學習技術領域，尤其涉及一種鋼筋檢測模型的訓練方法及裝置。

背景技術

將機器學習應用到鋼筋檢測中，可以降低工人們的工作量。鋼筋檢測一般使用的是主流的多目標檢測，并沒有基于鋼筋檢測的特點進行優化改進。鋼筋檢測不同于一般的目標檢測，具有密集、不重疊和小目標等特點，如果僅是使用現有技術中多目標檢測的方法，不進行改進，會導致鋼筋檢測的準確率低。

在實現本公開構思的過程中，發明人發現相關技術中至少存在如下技術問題：常用機器學習檢測鋼筋的方法準確率低的問題。

發明內容

有鑒于此，本公開實施例提供了一種鋼筋檢測模型的訓練方法、、裝置、電子設備及計算機可讀存儲介質，以解決現有技術中，常用機器學習檢測鋼筋的方法準確率低的問題。

本公開實施例的第一方面，提供了一種鋼筋檢測模型的訓練方法，包括：將RetinaNet模型中的普通卷積層替換為空洞卷積層，得到鋼筋檢測模型；獲取鋼筋訓練數據集，將鋼筋訓練數據集中的訓練樣本輸入鋼筋檢測模型，輸出訓練樣本的特征圖，其中，特征圖包含多個中心點；利用平衡度公式計算每個中心點的平衡度，基于每個中心點的平衡度對該中心點的進行分類，并在分類的過程中利用第一損失函數訓練鋼筋檢測模型，其中，每個中心點的類別包括前景和背景；基于訓練樣本中的每個標簽對應的被分類為前景的一個或多個中心點回歸該標簽對應的檢測框的坐標，其中，訓練樣本中包含多個標簽，并在回歸的過程中利用第二損失函數訓練鋼筋檢測模型；基于訓練樣本中所有檢測框中每兩個相鄰檢測框的交并比，利用第三損失函數訓練鋼筋檢測模型。

本公開實施例的第二方面，提供了一種鋼筋檢測模型的訓練裝置，包括：構建模塊，被配置為將RetinaNet模型中的普通卷積層替換為空洞卷積層，得到鋼筋檢測模型；獲取模塊，被配置為獲取鋼筋訓練數據集，將鋼筋訓練數據集中的訓練樣本輸入鋼筋檢測模型，輸出訓練樣本的特征圖，其中，特征圖包含多個中心點；分類模塊，被配置為利用平衡度公式計算每個中心點的平衡度，基于每個中心點的平衡度對該中心點的進行分類，并在分類的過程中利用第一損失函數訓練鋼筋檢測模型，其中，每個中心點的類別包括前景和背景；回歸模塊，被配置為基于訓練樣本中的每個標簽對應的被分類為前景的一個或多個中心點回歸該標簽對應的檢測框的坐標，其中，訓練樣本中包含多個標簽，并在回歸的過程中利用第二損失函數訓練鋼筋檢測模型；訓練模塊，被配置為基于訓練樣本中所有檢測框中每兩個相鄰檢測框的交并比，利用第三損失函數訓練鋼筋檢測模型。

本公開實施例的第三方面，提供了一種電子設備，包括存儲器、處理器以及存儲在存儲器中并且可在處理器上運行的計算機程序，該處理器執行計算機程序時實現上述方法的步驟。

本公開實施例的第四方面，提供了一種計算機可讀存儲介質，該計算機可讀存儲介質存儲有計算機程序，該計算機程序被處理器執行時實現上述方法的步驟。