[发明专利]对象检测模型的优化方法、装置、设备及存储介质

权利要求书

1.一种对象检测模型的优化方法，其特征在于，所述方法包括：

获取数据样本，其中，所述数据样本包括对象的标识信息及对象的图像数据；

根据所述对象的图像数据，通过初始神经网络模型，生成包括至少一个对象待检测区域的候选区域集合；

根据所述候选区域集合和所述图像数据，通过初始神经网络模型的全卷积神经进行分割，得到包括至少一个对象的像素级轮廓检测区域；

根据所述对象的像素级轮廓检测区域及所述对象的标识信息，调整所述初始神经网络模型的模型参数，得到优化后的模型。

2.根据权利要求1所述的方法，其特征在于，所述根据所述候选区域集合和所述图像数据，通过初始神经网络模型的全卷积神经进行分割，得到包括至少一个对象的像素级轮廓检测区域，包括：

根据所述候选区域集合和所述图像数据，通过双线性插值法，得到尺寸相同的特征图；

根据所述尺寸相同的特征图，通过初始神经网络模型的全卷积神经进行分割，得到包括至少一个对象的像素级轮廓检测区域。

3.根据权利要求1所述的方法，其特征在于，所述根据所述对象的像素级轮廓检测区域及所述对象的标识信息，调整所述初始神经网络模型的模型参数，得到优化后的模型，包括：

根据所述对象的像素级轮廓检测区域及所述对象的标识信息计算损失函数，其中，所述对象的标识信息包括对象的轮廓信息；

根据所述损失函数，调整所述初始神经网络模型的模型参数；

当调整后的初始神经网络模型的损失函数低于第一预设阈值时，将调整后的初始神经网络模型确定为优化后的对象检测模型。

4.根据权利要求1所述的方法，其特征在于，所述方法包括：

根据所述候选区域集合和所述图像数据，通过初始神经网络模型生成第一特征图，并与所述初始神经网络模型中的至少一层网络线性叠加生成第二特征图；

通过所述初始神经网络模型对所述第二特征图进行分类，生成分类后的对象信息；

根据所述分类后的对象信息及所述对象的标识信息，调整所述初始神经网络模型的模型的参数，得到优化后的模型。

5.根据权利要求4所述的方法，其特征在于，所述根据所述候选区域集合和所述图像数据，通过初始神经网络模型生成第一特征图，并与所述初始神经网络模型中的至少一层网络线性叠加生成第二特征图，包括：

根据所述候选区域集合和所述图像数据，通过初始神经网络模型，利用双线性插值法，得到尺寸相同的第一特征图：

所述尺寸相同的第一特征图与所述初始神经网络模型中的至少一层网络线性叠加生成第二特征图。

6.根据权利要求1或4所述的方法，其特征在于，所述根据所述对象的图像数据，通过初始神经网络模型，生成包括至少一个对象待检测区域的候选区域集合，包括：

根据所述对象的图像数据，通过初始神经网络模型，提取至少一个对象在所述图像数据中的位置信息；

根据所述位置信息，生成包括至少一个对象待检测区域的候选区域集合。

7.根据权利要求4所述的方法，其特征在于，所述根据所述分类后的对象信息及所述对象的标识信息，调整所述初始神经网络模型的模型的参数，得到优化后的模型，包括：

根据分类后的对象信息及所述对象的标识信息确定损失函数；

根据所述损失函数反向更新所述初始神经网络模型的模型参数；

当更新后的初始神经网络模型的损失函数低于第一预设阈值时，将更新后的初始神经网络模型确定为优化后的对象检测模型；

所述对象的标识信息包括对象佩戴安全帽或对象未佩戴安全帽。

8.根据权利要求1至5，7中任意一项所述的方法，其特征在于，所述获取数据样本，包括：

获取图像传感器采集的包括对象的图像数据，对所述图像数据进行平移、镜像和缩放处理中的至少一种，得到所述数据样本。