[发明专利]物体检测模型训练方法、检测方法、装置、设备及介质

说明书

本发明公开了一种物体检测模型训练方法、检测方法、装置、设备及介质。该物体检测模型训练方法方法包括：获取初始网络模型，所述初始网络模型包括至少两个针对不同尺度区间的物体的检测子模块；根据所述尺度区间对对应的数据增广策略进行调整；分别利用调整后的数据增广策略对训练样本图像进行增广，并利用增广后的训练样本图像根据尺度区间对所述初始网络模型中对应的检测子模块进行训练，得到物体检测模型。本发明不需要增加网络复杂度，通过调整数据增广策略来增加数据多样性，能有效提高训练得到的物体检测模型的检出率。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种物体检测模型训练方法、检测方法、装置、设备及介质。

背景技术

目标检测作为计算视觉领域里的一个重要功能，有着广泛的研究价值和应用价值，随着深度学习的发展，目标检测的性能大幅度提升，已经能够满足大部分场景的需求。在应用过程中，往往存在对某个尺度的物体检出率高、对其他尺度的物体检出率低的情况，并不能保证对任何尺度的物体都能够有效的检出。为了解决该问题，现有的目标检测方法考虑通过为不同尺度物体的模型引入相同的语义特征或者设计复杂的损失函数使其侧重于检出率低的物体的方案来解决，但是为不同尺度物体的模型引入相同的语义特征往往需要复杂的网络设计，会增加目标检测算法的复杂度，而设计复杂的函数会使目标检测算法侧重于某个特定尺度的物体，这往往在一定程度上会降低其他尺度物体的检出率。

发明内容

本发明提供了一种物体检测模型训练方法、检测方法、装置、设备及存储器，不需要增加网络复杂度，通过调整数据增广策略来增加数据多样性来，能有效提高训练得到的物体检测模型的检出率。

为实现上述设计，本发明采用以下技术方案：

第一方面，提供了一种物体检测模型训练方法，该物体检测模型训练方法包括：

获取初始网络模型，所述初始网络模型包括至少两个针对不同尺度区间的物体的检测子模块；

根据所述尺度区间对对应的数据增广策略进行调整；

分别利用调整后的数据增广策略对训练样本图像进行增广，并利用增广后的训练样本图像根据尺度区间对所述初始网络模型中对应的检测子模块进行训练，得到物体检测模型。

第二方面提供了一种物体检测方法，该物体检测方法包括：

获取待检测图像；

对所述待检测图像进行物体检测；其中，所述物体检测方法基于物体检测模型实现，所述物体检测模型是采用上述的物体检测模型训练方法训练得到的。

第三方面提供了一种物体检测模型训练装置，该物体检测模型训练装置包括：

模型获取模块，用于获取初始网络模型，所述初始网络模型包括至少两个针对不同尺度区间的物体的检测子模块；

策略调整模块，用于根据所述尺度区间对对应的数据增广策略进行调整；

模型训练模块，用于分别利用调整后的数据增广策略对训练样本图像进行增广，并利用增广后的训练样本图像根据尺度区间对所述初始网络模型中对应的检测子模块进行训练，得到物体检测模型。

第四方面提供了一种物体检测模型，所述物体检测模型是采用如上所述的物体检测模型训练方法训练得到的，所述物体检测模型包括：

图像获取模块，用于获取待检测图像；

检测模块，包括各尺度区间对应的检测子模块，用于对所述待检测图像进行物体检测。

第五方面提供了一种计算机设备，该所述计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述的物体检测模型训练方法、或实现如上所述的物体检测方法。