[发明专利]一种目标检测模型的训练方法

权利要求书

1.一种目标检测模型的训练方法，其特征在于，所述方法包括：

获取预先训练的第一模型与第二模型，所述第一模型包括处理模块，其中，所述处理模块包括DWConv以及PWConv，所述第二模型包括VGG16模块；

根据所述第一模型与所述第二模型，确定出初始的目标检测模型；

根据第一数据集训练所述初始的目标检测模型，确定出符合条件的目标检测模型。

2.根据权利要求1所述的目标检测模型的训练方法，其特征在于，获取预先训练的所述第一模型与所述第二模型之前，所述方法还包括：

构建初始的第一模型；

根据第二数据集训练所述初始的第一模型，确定出符合条件的第一模型。

3.根据权利要求2所述的目标检测模型的训练方法，其特征在于，所述第一模型包括卷积层、池化层以及全连接层，其中，所述第一模型的卷积层包括卷积模块与多个处理模块。

4.根据权利要求3所述的目标检测模型的训练方法，其特征在于，所述卷积模块包括多个3x3Conv；所述处理模块包括多个3x3DWConv与多个1x1PWConv。

5.根据权利要求4所述的目标检测模型的训练方法，其特征在于，所述处理模块的处理过程具体包括:

接收预设尺寸的图片，将所述图片输入至3个3X3的DWConv进行卷积操作，得到第一特征图；

对所述第一特征图使用32个1X1的PWConv进行卷积操作，得到第二特征图；

对所述第二特征图使用32个3X3的DWConv进行卷积操作，得到第三特征图；

将所述第二特征图与所述第三特征图进行堆叠操作，得到第四特征图。

6.根据权利要求3所述的目标检测模型的训练方法，其特征在于，所述根据所述第一模型与所述第二模型，确定出初始的目标检测模型，具体包括：

将预先训练的所述第一模型中所述卷积层进行保存，并将所述池化层与所述全连接层删除；

将删除所述池化层与所述全连接层的第一模型替换所述第二模型的VGG16模块，确定出初始的目标检测模型。

7.根据权利要求6所述的目标检测模型的训练方法，其特征在于，所述根据第一数据集训练所述初始的目标检测模型，确定出符合条件的目标检测模型之前，所述方法还包括：

将所述第一模型中预设层的卷积权重进行固定。

8.根据权利要求3所述的目标检测模型的训练方法，其特征在于，所述全连接层设置有三个，三个全连接层的神经元个数分别为4096、4096以及1000。

9.根据权利要求1所述的目标检测模型的训练方法，其特征在于，所述根据第一数据集训练所述初始的目标检测模型，确定出符合条件的目标检测模型之后，所述方法还包括：

将目标图像输入至预先训练的目标检测模型；

根据所述目标检测模型确定出目标图像的检测结果。

10.根据权利要求1-9任一项所述的目标检测模型的训练方法，其特征在于，所述第二模型为Faster RCNN模型。