[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

说明书

本申请涉及一种检测模型的训练方法、装置、计算机设备和存储介质，应用于机器学习领域。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，得到与各待标注图像分别对应的至少两组关键点预测结果；确定每张待标注图像分别对应的离散信息量，再筛选出离散信息量满足目标离散条件的目标图像，并获取分别对应的实际关键点信息；基于包括有实际关键点信息的各目标图像，对各模型分别进行模型训练；基于当前轮训练得到的各模型，以及更新的多张待标注图像，返回执行分别对每张待标注图像进行关键点检测的步骤，直至达到训练停止条件时结束训练，得到训练好的目标检测模型。采用本方法能够提高训练效率。

技术领域

本申请涉及计算机技术领域，特别是涉及一种检测模型的训练方法、装置、计算机设备和存储介质。

背景技术

随着计算机技术的发展，出现了各种处理图像、处理视频的技术，可以用于但不限于视频图像处理、短视频编辑、及视频通话等多种需要对图像进行再编辑的项目或者产品中。在对图像进行再编辑的过程中，通常是通过关键点检测模型预测出图像中的关键点，再基于关键点进行处理。

可以理解的是，计算机需要预先对关键点检测模型进行训练，而传统的训练方式，通常是基于关键点检测模型的初始化标注数据，组建关键点的标注团队，通过标注团队人工对关键点检测模型进行训练和优化。

然而，目前的检测模型的训练方式，需要通过人工对大量的训练样本图像进行标注，存在训练效率低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高训练效率的检测模型的训练方法、装置、计算机设备和存储介质。

一种检测模型的训练方法，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。

一种检测模型的训练装置，所述装置包括：

检测模块，用于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；

确定模块，用于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；

筛选模块，用于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；

训练模块，用于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。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上述的方法的步骤。