[发明专利]检测模型的训练方法、装置、计算机设备和存储介质

权利要求书

1.一种检测模型的训练方法，其特征在于，所述方法包括：

通过目标检测模型和至少一个参考检测模型，分别对每张待标注图像进行关键点检测，得到与各所述待标注图像分别对应的至少两组关键点预测结果；

根据每张所述待标注图像所对应的所述关键点预测结果，确定每张所述待标注图像分别对应的离散信息量；

从多张所述待标注图像中筛选出离散信息量满足目标离散条件的目标图像，并获取每张所述目标图像分别对应的实际关键点信息；

基于包括有所述实际关键点信息的各所述目标图像，对所述目标检测模型和至少一个参考检测模型分别进行当前轮的模型训练；

基于当前轮训练得到的目标检测模型和至少一个参考检测模型，以及更新的多张待标注图像，返回执行所述分别对每张待标注图像进行关键点检测的步骤，以进入下一轮的模型训练，并继续执行，直至达到训练停止条件时结束训练，得到最终训练好的目标检测模型。

2.根据权利要求1所述的方法，其特征在于，所述根据每张所述待标注图像所对应的所述关键点预测结果，确定每张所述待标注图像分别对应的离散信息量，包括：

针对每张所述待标注图像，确定所述待标注图像所对应的所述至少两组关键点预测结果之间的离散程度；

基于所述离散程度，确定所述待标注图像对应的离散信息量。

3.根据权利要求2所述的方法，其特征在于，所述针对每张所述待标注图像，确定所述待标注图像所对应的所述至少两组关键点预测结果之间的离散程度，包括：

对于每张所述待标注图像，将所述至少两组关键点预测结果中与相同关键点所对应的预测关键点信息作为一套待处理数据；

对于每套待处理数据，计算相应待处理数据所对应的标准差；

根据各套待处理数据的标准差，确定所述待标注图像所对应的所述至少两组关键点预测结果之间的离散程度。

4.根据权利要求3所述的方法，其特征在于，所述对于每套待处理数据，计算相应待处理数据所对应的标准差，包括：

对于每套待处理数据，基于相应待处理数据中对应第一方向的第一预测关键点信息，确定第一标准差；

基于相应待处理数据中对应第二方向的第二预测关键点信息，确定第二标准差；所述第一方向和所述第二方向相互垂直；

基于所述第一标准差和所述第二标准差，确定相应待处理数据所对应的标准差。

5.根据权利要求1所述的方法，其特征在于，所述从多张所述待标注图像中筛选出离散信息量满足目标离散条件的目标图像，包括：

按照各所述待标注图像所对应的离散信息量的大小，对多张所述待标注图像进行排序，并基于排序结果从多张所述待标注图像中筛选出离散信息量最高的指定数量的待标注图像作为目标图像；或者，

从多张所述待标注图像中筛选出离散信息量高于信息量阈值的待标注图像作为目标图像。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取每张所述待标注图像中同一参照物的参照距离；

基于每张所述待标注图像的所述参照距离，对每张所述待标注图像进行归一化处理；

所述根据每张所述待标注图像所对应的所述关键点预测结果，确定每张所述待标注图像分别对应的离散信息量，包括：

基于归一化处理后的每张所述待标注图像所对应的所述关键点预测结果，确定每张所述待标注图像分别对应的离散信息量。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

采用包括样本关键点信息的多张初始图像对目标检测模型和至少一个参考检测模型进行预训练，得到预训练的目标检测模型以及预训练的至少一个参考检测模型，执行所述分别对每张待标注图像进行关键点检测的步骤；

所述基于包括有所述实际关键点信息的各所述目标图像，对所述目标检测模型和至少一个参考检测模型分别进行当前轮的模型训练，包括：

基于包括有所述实际关键点信息的各所述目标图像，以及包括有所述样本关键点信息的各所述初始图像，对所述目标检测模型和至少一个参考检测模型分别进行当前轮的模型训练。