[发明专利]物体检测模型训练方法、装置、计算机设备及存储介质

说明书

本发明公开了一种物体检测模型训练方法、装置、计算机设备及存储介质，涉及人工智能领域。该物体检测模型训练方法包括：获取训练样本；将训练样本输入到物体检测模型中进行模型训练，其中，物体检测模型包括检测模块、分类模块和判别模块；在模型训练过程中得到由检测模块产生的检测损失、由分类模块产生的分类损失和由判别模块产生的判别损失；根据检测损失、分类损失和判别损失更新物体检测模型，得到目标物体检测模型。采用该物体检测模型训练方法训练得到的目标物体检测模型能够有效提高物体检测准确率。

【技术领域】

本发明涉及人工智能领域，尤其涉及一种物体检测模型训练方法、装置、计算机设备及存储介质。

【背景技术】

物体检测是计算机视觉中的经典问题之一，其任务是用框去标出图像中物体的位置，并给出物体的类别。从传统的人工设计特征加浅层分类器的框架，到基于深度学习的端到端的检测框架，物体检测在一步步地改进，但是，目前常用的物体检测方法如YOLO(YouOnly Look Once)检测方法、SSD(Single Shot Multi-Box Detection)等检测方法仍普遍存在物体检测准确率较低的问题。

【发明内容】

有鉴于此，本发明实施例提供了一种物体检测模型训练方法、装置、计算机设备及存储介质，用以解决目前仍普遍存在物体检测准确率较低的问题。

第一方面，本发明实施例提供了一种物体检测模型训练方法，包括：

获取训练样本；

将所述训练样本输入到物体检测模型中进行模型训练，其中，所述物体检测模型包括检测模块、分类模块和判别模块；

在模型训练过程中得到由所述检测模块产生的检测损失、由所述分类模块产生的分类损失和由所述判别模块产生的判别损失；

根据所述检测损失、所述分类损失和所述判别损失更新所述物体检测模型，得到目标物体检测模型。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，在所述将所述训练样本输入到物体检测模型中进行模型训练之前，所述方法还包括：

获取待处理物体检测模型，所述待处理物体检测模型包括所述检测模块和所述分类模块；

在所述待处理物体检测模型中加入所述判别模块，其中，所述判别模块用于对所述检测模块和/或分类模块输出的结果进行判别；

对加入所述判别模块后的所述待处理物体检测模型进行模型的初始化操作，得到所述物体检测模型。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述将所述训练样本输入到物体检测模型中进行模型训练，包括：

输入所述训练样本，通过所述物体检测模型提取所述训练样本的特征向量；

将所述特征向量进行归一化处理，得到归一化特征向量，其中，归一化处理的表达式为：y＝(x-MinValue)/(MaxValue-MinValue)，y为所述归一化特征向量，x为所述特征向量，MaxValue为所述特征向量中特征值的最大值，MinValue为所述特征向量中特征值的最小值；

根据所述归一化特征向量对所述物体检测模型进行模型训练。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述在模型训练过程中得到由所述检测模块产生的检测损失、由所述分类模块产生的分类损失和由所述判别模块产生的判别损失，包括：

在模型训练过程中，得到所述检测模块输出的第一训练特征向量，采用预设的检测损失函数计算所述第一训练特征向量与预先存储的第一标签向量之间的损失，得到所述检测损失；