[发明专利]目标检测模型的训练方法、装置及计算机可读存储介质

说明书

本发明涉及一种生物识别技术，揭露了一种目标检测模型的训练方法、装置及计算机可读存储介质，目标检测模型的训练方法包括：提供目标检测模型，目标检测模型包括骨干网络及检测层；获取目标检测数据集，目标检测数据集包括不同类别的目标物体图像；基于目标检测数据集通过边框裁剪出不同的目标物体的图像以形成不同类别的分类数据集；利用分类数据集训练目标检测模型的骨干网络；冻结骨干网络并根据检测目标检测数据集对目标检测模型的检测层进行微调；接收待识别的目标物体的图像；基于训练好的目标检测模型对待识别的目标物体的图像进行识别。本发明提高了目标检测模型的训练速度和精度，缩短了训练时间，提升训练效率。

技术领域

本发明涉及生物识别技术领域，尤其涉及一种目标检测模型的训练方法、装置及计算机可读存储介质。

背景技术

目标检测的任务是找出图像中所有感兴趣的目标(物体)，确定它们的位置和大小。由于各类物体有不同的外观，形状，姿态，加上成像时光照，遮挡等因素的干扰，目标检测一直是机器视觉领域最具有挑战性的问题。目标检测在很多计算机视觉领域中已经有了很多成熟的应用，如人脸检测、行人检测、图像检索和视频监控等。

现有的目标检测方法训练时主要是迁移imagenet上的分类预训练模型来做微调，这些预训练模型种类、适用性有限，且重新设计网络并在imagenet之类的大数据集上训练是需要识别目标物体的类别，同时需要知道目标物体的具体位置，这样比较费时。

发明内容

本发明提供一种目标检测模型的训练方法、装置及计算机可读存储介质，其主要目的在于利用分类数据集对检测模型的骨干网络及检测层分开训练，不需要检测目标物体的具体位置的信息，从而缩短了训练时间。

为实现上述目的，本发明提供一种目标检测模型的训练方法，所述目标检测模型的训练方法包括：

提供目标检测模型，所述目标检测模型包括骨干网络及检测层；

获取目标检测数据集，所述目标检测数据集包括不同类别的目标物体图像；

基于所述目标检测数据集通过边框裁剪出不同的目标物体的图像以形成不同类别的分类数据集；

利用分类数据集训练所述目标检测模型的骨干网络；

冻结所述骨干网络并根据所述目标检测数据集对所述目标检测模型的检测层进行微调；

接收待识别的目标物体的图像；

基于训练好的目标检测模型对所述待识别的目标物体的图像进行识别。

可选地，所述根据所述目标检测数据集对所述目标检测模型的检测层进行微调的步骤包括：

所述检测层包括第一检测子层及第二检测子层，将所述分类数据集中的像素值大于参考像素值的图像对所述第一检测子层进行微调；将所述分类数据集中的像素值小于或等于参考像素值的图像对所述第二检测子层进行微调。

可选地，所述获取目标检测数据集的步骤包括：

接收视频数据并提取视频数据的每帧图片；

采用数据标注工具对所述每帧图片中的人头进行标注从而生成所述目标检测数据集。

可选地，所述获取目标检测数据集的步骤还包括：

将所述多个不同的图像样本分类为复杂图像样本类及简单图像样本类；

依据所述复杂图像样本类包含的多个图像样本提取复杂图像特征；

依据所述简单图像样本类包含的多个图像样本及提取的所述复杂图像特征，提取简单图像特征。

可选地，所述将所述多个不同的图像样本分类为复杂图像样本类及简单图像样本类的步骤包括：