[发明专利]检测模型训练方法、装置、存储介质和计算机设备在审

专利信息
申请号: 202010108690.8 申请日: 2020-02-21
公开(公告)号: CN111311475A 公开(公告)日: 2020-06-19
发明(设计)人: 毛懿荣;李岩;王汉杰;陈波 申请(专利权)人: 广州腾讯科技有限公司
主分类号: G06T1/00 分类号: G06T1/00;G06K9/62;G06N20/00
代理公司: 广州华进联合专利商标代理有限公司 44224 代理人: 李文渊;杨欢
地址: 510300 广东省广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 检测 模型 训练 方法 装置 存储 介质 计算机 设备
【权利要求书】:

1.一种检测模型训练方法,包括:

获取待处理的原始图像和多于一类的标记图像;

对于每类标记图像,分别从所述原始图像的目标区域中随机选取目标位置作为所述标记图像的嵌入位置;

对于每类标记图像,分别根据相应的嵌入位置,将所述标记图像中的至少一部分嵌入至所述原始图像得到对应的样本图像;

将所述样本图像作为训练样本,并将所述样本图像中所嵌入的标记图像的标记类别作为相应的训练标签;

通过所述训练样本和相应的训练标签,对待训练的检测模型进行训练。

2.根据权利要求1所述的方法,其特征在于,所述获取待处理的原始图像和多于一类的标记图像,包括:

获取待处理的原始图像和多于一类的标记模板;

从预设尺寸比例范围内随机选取目标尺寸比例;

根据所述原始图像的尺寸,按所述目标尺寸比例对各类标记模板分别进行缩放处理,得到相应的标记图像。

3.根据权利要求1所述的方法,其特征在于,所述目标位置包括核心位置和非核心位置;所述对于每类标记图像,分别从所述原始图像的目标区域中随机选取目标位置作为所述标记图像的嵌入位置,包括:

确定所述原始图像的目标区域中的核心位置;

获取将所述核心位置作为嵌入位置时的概率值;所述核心位置所对应的概率值为所述目标区域中各目标位置所对应的概率值中的最大值;

根据所述目标区域中各非核心位置分别与所述核心位置的距离,确定将各非核心位置分别作为嵌入位置时的概率值;所述非核心位置所对应的概率值与所述非核心位置至所述核心位置的距离呈负相关;

对于每类标记图像,分别按照所述原始图像的目标区域中各目标位置各自对应的概率值,选取相应的目标位置作为所述标记图像的嵌入位置。

4.根据权利要求3所述的方法,其特征在于,所述确定所述原始图像的目标区域中的核心位置,包括:

获取预设数量的平台专有图像;各所述平台专有图像分别包括相应平台所对应的标记图像;

根据各标记图像的目标顶点分别在所述平台专有图像中的坐标,确定与所述目标顶点对应的平均坐标;

将所述平均坐标作为所述原始图像的目标区域中的核心位置。

5.根据权利要求3所述的方法,其特征在于,所述目标区域包括左上角区域和右下角区域;所述对于每类标记图像,分别按照所述原始图像的目标区域中各目标位置各自对应的概率值,选取相应的目标位置作为所述标记图像的嵌入位置,包括:

当所述目标区域为左上角区域时,对于每类标记模板,分别按照所述原始图像的左上角区域中各目标位置各自对应的概率值,选取相应的目标位置作为所述标记图像的左上顶点所对应的嵌入位置;

当所述目标区域为右下角区域时,对于每类标记模板,分别按照所述原始图像的右下角区域中各目标位置各自对应的概率值,选取相应的目标位置作为所述标记图像的右下顶点所对应的嵌入位置。

6.根据权利要求1所述的方法,其特征在于,所述样本图像包括第一样本图像和第二样本图像;所述对于每类标记图像,分别根据相应的嵌入位置,将所述标记图像中的至少一部分嵌入至所述原始图像中得到对应的样本图像,包括:

对于每类标记图像,确定所述标记图像中待完整嵌入的第一标记图像和待遮挡嵌入的第二标记图像;

将所述第一标记图像按照相应的嵌入位置完整嵌入至所述原始图像中,得到对应的第一样本图像;

将所述第二标记图像按照相应的嵌入位置完整嵌入至所述原始图像中,并从预设遮挡比例范围内随机选取目标遮挡比例,按照所述目标遮挡比例将所述第二标记图像中的一部分移出至所述原始图像的边界,得到对应的第二样本图像。

7.根据权利要求1所述的方法,其特征在于,所述将所述样本图像作为训练样本,并将所述样本图像中所嵌入标记图像的标记类别作为相应的训练标签,包括:

确定各所述样本图像中嵌入的标记图像的标记类别、以及所述标记图像在所述原始图像中的位置信息;

将所述样本图像作为训练样本,并将所述样本图像中所嵌入标记图像的标记类别和对应的位置信息共同作为所述训练样本的训练标签。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州腾讯科技有限公司,未经广州腾讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010108690.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top