[发明专利]模型训练方法、图像检测方法及检测装置

权利要求书

1.一种模型训练方法，其特征在于，构建乘积型Focal loss函数，使用所述乘积型Focal loss函数对神经网络模型进行模型训练并输出训练好的神经网络模型，以应用于基于人形图像数据集进行的图像检测方法；

所述乘积型Focal loss函数的构建方法包括以下步骤：

设定权重值，所述权重值的表达式为：

其中，W为所述权重值，m为调整参数，P_i 是网络模型输出的特征图中第i个像素点的预测概率值，γ为样本损失调整因子，y_i是真实样本的有效值，当y_i=1，得到的权重值为正样本的权重值，当y_i=0，得到的权重值为负样本的权重值；

设定样本比例平衡因子α；

通过W和α构建所述乘积型Focal loss函数。

2.根据权利要求1所述的模型训练方法，其特征在于，所述乘积型Focal loss函数的表达式为：

其中，L_fl-new为所述乘积型Focal loss函数，当y_i=1，得到的乘积型Focal loss函数为正样本的乘积型Focal loss函数，当y_i=0，得到的乘积型Focal loss函数为负样本的乘积型Focal loss函数。

3.根据权利要求1所述的模型训练方法，其特征在于，通过W和α构建所述乘积型Focalloss函数之后，再进行反向传播计算和权重系数调整。

4.根据权利要求2所述的模型训练方法，其特征在于，所述调整参数的取值范围为0.5-1.2。

5.根据权利要求4所述的模型训练方法，其特征在于，所述调整参数m取值为1，所述乘积型Focal loss函数的表达式为：

。

6.根据权利要求1所述的模型训练方法，其特征在于，所述γ的取值大于0，所述α的取值为0.1-0.9。

7.一种图像检测方法，其特征在于，包括执行以下步骤：

S100：对人形图像数据集进行标注并分为训练集、验证集和测试集；

S200：对所述训练集、所述验证集和所述测试集进行数据预处理；

S300：使用如权利要求1-6任一项所述的模型训练方法进行模型训练并输出训练好的神经网络模型。

8.根据权利要求7所述的图像检测方法，其特征在于，所述步骤S300具体包括以下步骤：

采用所述乘积型Focal loss函数在所述训练集上对所述神经网络模型进行若干代模型训练后，将所述验证集输入到所述神经网络模型得到第一模型输出结果，然后使用NMS策略优化所述第一模型输出结果，再根据优化后的所述第一模型输出结果得到训练好的神经网络模型。

9.根据权利要求8所述的图像检测方法，其特征在于，所述步骤S300执行完毕后，还包括执行以下步骤：

S400：将所述测试集输入到所述训练好的神经网络模型中得到第二模型输出结果后，采用NMS策略优化所述第二模型输出结果得到最终效果，然后对最终效果进行达标评估测试，并判断得到的评估结果是否达到预期效果；

S500：将评估结果达到预期效果的神经网络模型部署在芯片上，进行效果输出。