[发明专利]图像检测模型的训练方法、装置及终端设备在审

专利信息
申请号: 202010965685.9 申请日: 2020-09-15
公开(公告)号: CN112200004A 公开(公告)日: 2021-01-08
发明(设计)人: 郭渺辰;程骏;张惊涛;王东;胡淑萍;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: G06K9/00 分类号: G06K9/00;G06K9/36;G06K9/62
代理公司: 深圳中一联合知识产权代理有限公司 44414 代理人: 耿立平
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: 图像 检测 模型 训练 方法 装置 终端设备
【权利要求书】:

1.一种图像检测模型的训练方法,其特征在于,包括:

获取多组训练数据,其中,每组训练数据中包括N幅训练图像,所述N为大于1的正整数;

获取待训练的图像检测模型的模型参数,并根据所述模型参数将每组训练数据中的N幅训练图像进行图像合成处理,得到每组训练数据对应的合成图像;

利用所述合成图像对所述图像检测模型进行训练,得到训练后的图像检测模型。

2.如权利要求1所述的图像检测模型的训练方法,其特征在于,所述模型参数包括输入图像的尺寸;

所述根据所述模型参数分别将每组训练数据中的N幅训练图像进行图像合成处理,得到每组训练数据对应的合成图像,包括:

对于每组训练数据,根据所述输入图像的尺寸确定所述训练数据中每幅训练图像的合成尺寸;

将所述训练数据中的N幅训练图像按照各自对应的合成尺寸进行图像合成处理,得到每组训练数据对应的合成图像。

3.如权利要求2所述的图像检测模型的训练方法,其特征在于,所述输入图像的尺寸包括输入图像的长度值和宽度值;

所述每幅训练图像的合成尺寸包括所述每幅训练图像在所述合成图像中对应的长度值和宽度值;

所述对于每组训练数据,根据所述输入图像的尺寸确定所述训练数据中每幅训练图像的合成尺寸,包括:

根据所述输入图像的长度值确定所述训练数据中的每幅训练图像在所述合成图像中对应的长度值;

根据所述输入图像的宽度值确定所述训练数据中的每幅训练图像在所述合成图像中对应的宽度值。

4.如权利要求1所述的图像检测模型的训练方法,其特征在于,在利用所述合成图像对所述图像检测模型进行训练,得到训练后的图像检测模型之后,所述方法还包括:

获取待检测图像,并将所述待检测图像输入到所述训练后的图像检测模型中,得到输出的目标图像,其中,所述目标图像为所述待检测图像中目标物体对应的子图像;

利用预设的模板图像库对所述目标图像进行图像识别,得到识别结果。

5.如权利要求4所述的图像检测模型的训练方法,其特征在于,所述模板图像库中包括至少两种类别的图像,每种类别的图像中包括至少一张模板图像;

所述利用预设的模板图像库对所述目标图像进行图像识别,得到识别结果,包括:

将所述目标图像分别与所述模板图像库中每种类别的图像进行比对,得到所述目标图像与所述每种类别的图像的比对结果;

根据所述目标图像与所述每种类别的图像的比对结果,确定所述目标图像所属的图像类别,并将所述图像类别记为所述识别结果。

6.如权利要求5所述的图像检测模型的训练方法,其特征在于,所述将所述目标图像分别与所述模板图像库中每种类别的图像进行比对,得到所述目标图像与所述每种类别的图像的比对结果,包括:

对于所述模板图像库中每种类别的图像,分别计算所述目标图像与所述类别的图像中的每幅模板图像之间的相似值;

计算所述相似值的平均值,并将所述平均值记为所述目标图像与所述类别的图像的比对结果。

7.如权利要求6所述的图像检测模型的训练方法,其特征在于,所述对于所述模板图像库中每种类别的图像,分别计算所述目标图像与所述类别的图像中的每幅模板图像之间的相似值,包括:

对于所述类别的图像中的每幅模板图像,将所述模板图像和所述目标图像分别缩放至预设尺寸;

将缩放后的模板图像转换为第一灰度图像,并根据所述第一灰度图像中像素点的像素值生成第一像素编码;

将缩放后的目标图像转换为第二灰度图像,并根据所述第二灰度图像中像素点的像素值生成第二像素编码;

计算所述第一像素编码和所述第二像素编码之间的重合度,并将所述重合度记为所述模板图像和所述目标图像之间的相似值。

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/202010965685.9/1.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