[发明专利]目标检测模型生成方法、装置、设备及存储介质在审
申请号: | 202010778791.6 | 申请日: | 2020-08-05 |
公开(公告)号: | CN112085056A | 公开(公告)日: | 2020-12-15 |
发明(设计)人: | 刘业鹏;曾钰胜;程骏;顾景;王玥;庞建新 | 申请(专利权)人: | 深圳市优必选科技股份有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/08 |
代理公司: | 深圳中一联合知识产权代理有限公司 44414 | 代理人: | 刘永康 |
地址: | 518000 广东省深圳市南山区*** | 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: | 目标 检测 模型 生成 方法 装置 设备 存储 介质 | ||
本申请提供一种目标检测模型生成方法、装置、设备及存储介质,涉及目标检测技术领域,能够有效改善由于负样本的影响,导致的目标检测模型出现误检的现象。该方法包括:对待训练的目标监测模型在迭代训练过程中,按照节点顺序依次确定目标检测模型的迭代节点的检测准确率,并针对监测准确率小于或等于预设的准确率阈值的任意迭代节点,对目标检测模型在该迭代节点的检错负样本进行增加处理,得到增强负样本之后,根据增强负样本和第一预设数量的训练样本对目标检测模型,在迭代节点进行训练;在完成迭代节点的训练后,返回节点顺序依次确定目标检测模型的迭代节点的检测准确率的步骤以及后续步骤,直至完成对目标检测模型的训练。
技术领域
本申请涉及目标检测技术领域,尤其涉及一种目标检测模型生成方法、装置、设备及存储介质。
背景技术
目前,为了保证目标检测的准确性,可以通过目标检测模型获取检测结果,该检测结果包括拍摄图像或者视频帧中包括的各个目标。然而传统方法在训练目标检测模型时,将有标注框的位置视为正样本,以标注框的位置和尺寸为起点进行随机缩放和随机抠图,同时还可以使用随机变换等其他数据扩充方式获取到更多的正样本,从而实现对目标检测模型的训练。这种传统的训练方法通常没有考虑到负样本对目标检测模型检测准确性的影响。通常来说,将图像中非正样本区域的其他区域称为负样本,在目标检测模型训练过程中,如果没有考虑到负样本的影响,则会导致很多误检的现象无法消除。
发明内容
本申请实施例提供了一种目标检测模型生成方法、装置、设备及存储介质,能够有效改善由于负样本的影响,导致的目标检测模型出现误检的现象。
第一方面,本申请提供一种目标检测模型的生成方法,包括:
将第一预设数量的训练样本输入待训练的目标检测模型,开始对所述目标检测模型进行迭代训练,所述训练样本包括正样本和负样本;
按照节点顺序确定未完成训练的当前迭代节点为目标迭代节点,获取所述目标检测模型在所述目标迭代节点的上一迭代节点对应的模型参数;
根据所述模型参数确定所述目标检测模型在所述目标迭代节点的检测准确率;
若所述检测准确率小于或等于预设的准确率阈值,则根据预设的负样本增强规则,对所述目标检测模型在所述目标迭代节点的检错负样本进行增加处理,得到增强负样本;
根据所述增强负样本和所述第一预设数量的训练样本对所述目标检测模型,在所述目标迭代节点进行训练;
在完成所述目标迭代节点的训练后,返回所述按照节点顺序确定未完成训练的当前迭代节点为目标迭代节点的步骤以及后续步骤,直至完成对所述目标检测模型的训练。
在一可选的实现方式中,在根据所述模型参数确定所述目标检测模型在所述目标迭代节点的检测准确率之后,还包括:
若所述检测准确率大于预设的准确率阈值,则根据所述第一预设数量的训练样本对所述目标检测模型,在所述目标迭代节点进行训练。
在一可选的实现方式中,根据预设的负样本增强规则,对所述目标检测模型在所述目标迭代节点的检错负样本进行增加处理,得到增强负样本,包括:
获取所述目标检测模型在所述目标迭代节点的检错负样本;
分别获取第二预设数量的所述检错负样本;
分别将各所述第二预设数量的所述检错负样本与所述正样本进行间隔拼接,得到拼接之后的图像;
按照预设的裁剪规则裁剪所有拼接之后的所述图像,得到所述增强负样本。
在一可选的实现方式中,所述拼接之后的图像为宫格图像,所述检错负样本和所述正样本分别间隔放置在所述宫格图像的各个宫格内。
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深圳市优必选科技股份有限公司,未经深圳市优必选科技股份有限公司许可,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/202010778791.6/2.html,转载请声明来源钻瓜专利网。