[发明专利]用于对象识别模型的训练方法、装置及计算机存储介质

说明书

本发明公开一种用于对象识别模型的训练方法、装置以及计算机存储介质，该方法包括：获取对象数据训练集和对象数据测试集，对象数据训练集包括训练背景和标注的训练对象框，对象数据测试集包括测试背景和标注的测试对象框；利用对象数据训练集训练对象识别模型；利用对象数据测试集测试对象识别模型并且获得对应的召回率、漏检的测试对象框和误检的测试背景框；以及响应于召回率小于召回率阈值，将漏检的测试对象框加入对象数据训练集作为标注的训练对象框，将误检的测试背景框加入对象数据训练集作为训练背景，返回利用对象数据训练集训练对象识别模型的步骤以进行迭代训练。本发明可以在不增加对象识别模型复杂度的情况下，有效提升模型精度。

技术领域

本发明涉及对象识别领域，特别是涉及一种用于对象识别模型的训练方法、装置及计算机存储介质。

背景技术

以人脸识别为代表的对象识别是计算机视觉领域中应用最广泛的一种技术，并且是诸如自动驾驶、智能支付、安全监测、智能家居等领域的基础技术。如何提高对象识别模型的精度是工业界一直追求的目标。

工业界往往通过增加模型表达能力、优化损失函数、增加关键点作为监督信息等方法优化对象识别的模型。但是这些方法在提高模型精度的同时也急剧增加了模型的复杂度。

发明内容

本发明提供一种用于对象识别模型的训练方法、装置及计算机存储介质，以解决现有技术中提高模型精度的同时，模型复杂度急剧增加的问题。

为解决上述技术问题，本发明采用的一个技术方案是一种用于对象识别模型的训练方法。该方法包括：获取对象数据训练集和对象数据测试集，对象数据训练集包括训练背景和标注的训练对象框，对象数据测试集包括测试背景和标注的测试对象框；利用对象数据训练集训练对象识别模型；利用对象数据测试集测试对象识别模型并且获得对应的召回率、漏检的测试对象框和误检的测试背景框；以及响应于召回率小于召回率阈值，将漏检的测试对象框加入对象数据训练集作为标注的训练对象框，将误检的测试背景框加入对象数据训练集作为训练背景，返回利用对象数据训练集训练对象识别模型的步骤以进行迭代训练。

为解决上述技术问题，本发明采用的另一个技术方案是一种用于对象识别模型的训练装置。该装置包括获取模块、训练模块和测试模块。获取模块配置成获取对象数据训练集和对象数据测试集，对象数据训练集包括标注的训练对象框和训练背景，对象数据测试集包括标注的测试对象框和测试背景。训练模块配置成利用对象数据训练集训练对象识别模型。测试模块配置成利用对象数据测试集测试对象识别模型并且获得对应的召回率、漏检的测试对象框和误检的测试背景框。其中，响应于召回率小于召回率阈值，将漏检的测试对象框加入对象数据训练集作为训练对象框，将误检的测试背景框加入对象数据训练集作为训练背景，返回利用对象数据训练集训练对象识别模型的步骤以进行迭代训练。

为解决上述技术问题，本发明采用的另一个技术方案是一种用于对象识别模型的训练装置。该装置包括处理器和存储器。存储器中存储有计算机程序。处理器用于执行计算机程序以实现上述用于对象识别模型的训练方法。

为解决上述技术问题，本发明采用的又一个技术方案是一种非暂态计算机存储介质。该非暂态计算机存储介质存储有计算机程序。该计算机程序被执行时实现上述用于对象识别模型的训练方法。

区别于现有技术，本发明通过上述方法、装置和存储介质，实现了在不增加对象识别模型复杂度的情况下，有效提升模型精度的技术效果。

附图说明

为更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明用于对象识别模型的训练方法的流程示意图；

图2示出对象数据测试集中包含漏检的测试对象框的一个示例图像；