[发明专利]产生一物件侦测模型的计算装置及方法及物件侦测装置

说明书

一种产生一物件侦测模型的计算装置及方法被公开。该计算装置将一训练影像划分为多个训练区块，且该训练影像中包含一训练物件。该计算装置针对该多个训练区块的每一者，依据一影像标记数据以及一信心分数转换函数计算该训练物件涵盖该训练区块的一正确信心分数，且该影像标记数据包含该训练物件在该训练影像中的一位置信息。然后，该计算装置通过该训练影像、该多个正确信心分数以及该影像标记数据训练一深度学习模型，以产生该物件侦测模型。

技术领域

本发明是关于一种产生一物件侦测模型的计算装置及方法以及一物件侦测装置。更具体而言，本发明的实施例是关于一种以一训练影像的区块性的信心分数训练一深 度学习模型，以产生物件侦测模型的计算装置及方法，以及通过该物件侦测模型侦测 影像中是否存在目标物件的物件侦测装置。

背景技术

在传统基于深度学习模型的影像物件侦测技术中，在训练其深度学习模型的阶段通常相当耗时。以著名的物件侦测技术「You Only Look Once:Unified,Real-Time ObjectDetection,Joseph Redmon,Santosh Divvala,Ross Girshick and Ali Farhadi」为例，除了所 侦测的物件大小差异较大时容易出现定位误差的缺陷外，在训练其深度学习模型的一 损失函数中，排除物件类别识别的部分后仍需要针对五个参数(即，一边缘框(boundingbox)的「x轴」与「y轴」坐标、该边缘框的宽度与高度、以及该边缘框中是否存在 物件的一信心分数)进行收敛才能完成该深度学习模型的训练，故相当耗费时间与运 算资源。有鉴于此，在本发明所属技术领域中提供一种相对简洁且省时的产生物件侦 测模型的方法将是重要的。

发明内容

为了至少解决上述问题，本发明的实施例提供了一种产生一物件侦测模型的计算装置。该计算装置可包含一存储器以及与该存储器电性连接的一处理器。该存储器可 存储一训练影像与相应的一影像标记数据。该训练影像中可包含一训练物件，且该影 像标记数据可包含该训练物件在该训练影像中的一位置信息。该处理器可将该训练影 像划分为多个训练区块。接着，该处理器可针对该多个训练区块的每一者，依据该影 像标记数据以及一信心分数转换函数计算该训练物件涵盖该训练区块的一正确信心分 数。随后，该处理器可通过该训练影像、该多个正确信心分数以及该影像标记数据训 练一深度学习模型，以产生该物件侦测模型。

为了至少解决上述问题，本发明的实施例还提供了一种产生一物件侦测模型的方法。该方法可包含以下步骤：

一计算装置将一训练影像划分为多个训练区块，其中该训练影像中包含一训练物件；

该计算装置针对该多个训练区块的每一者，依据一影像标记数据以及一信心分数转换函数计算该训练物件涵盖该训练区块的一正确信心分数，其中该影像标记数据包 含该训练物件在该训练影像中的一位置信息；以及

该计算装置通过该训练影像、该多个正确信心分数以及该影像标记数据训练一深度学习模型，以产生该物件侦测模型。

为了至少解决上述问题，本发明的实施例还提供了一种物件侦测装置。该物件侦测装置可包含一存储器以及与该存储器电性连接的一处理器。该存储器可存储一物件 侦测模型。该处理器可产生该物件侦测模型。除此之外，该处理器可通过该物件侦测 模型将一影像划分为多个区块。接着，该处理器可针对该多个区块的每一者，通过该 物件侦测模型计算一目标物件涵盖该区块的一信心分数。该处理器还可依据该多个区 块及该多个信心分数，确认包含该目标物件的一封闭窗。随后，该处理器可依据该封 闭窗，确认该目标物件于该影像中的一侦测位置。

不同于传统的物件侦测模型训练方法，本发明的实施例中的产生物件侦测模型的计算装置会通过信心分数转换函数来针对影像中的多个区块计算信心分数，并且以该 多个信心分数来训练一深度学习模型。归因于该信心分数转换函数，该深度学习模型 的损失函数仅需针对信心分数进行收敛，故相较于传统的物件侦测模型训练方法明显 花费较少的时间与资源。