[发明专利]目标检测模型的训练方法及装置、电子设备和存储介质在审
申请号: | 202110868166.5 | 申请日: | 2021-07-29 |
公开(公告)号: | CN113642431A | 公开(公告)日: | 2021-11-12 |
发明(设计)人: | 陈子亮 | 申请(专利权)人: | 北京百度网讯科技有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62 |
代理公司: | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人: | 张梦瑶 |
地址: | 100085 北京市*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 目标 检测 模型 训练 方法 装置 电子设备 存储 介质 | ||
1.一种目标检测模型的训练方法,包括:
获取训练图像信息,其中,所述训练图像信息包括:样本图像,以及所述样本图像的样本目标信息;
将所述样本图像输入目标检测模型,以获取特征图序列以及预测目标信息,其中,所述特征图序列中的各个特征图按照尺度大小进行排序;
针对所述特征图序列中任意两个特征图组成的特征图对,对所述特征图对中的两个特征图按照第一尺度进行区域关系图提取处理,得到区域关系图对,其中,所述第一尺度为所述两个特征图的尺度中的较大尺度;
根据各个所述区域关系图对、所述样本目标信息、所述预测目标信息,对所述目标检测模型进行训练,得到训练好的目标检测模型。
2.根据权利要求1所述的方法,其中,所述将所述样本图像输入目标检测模型,以获取特征图序列以及预测目标信息,包括:
将所述样本图像输入所述目标检测模型,以获取所述目标检测模型输出的预测目标信息,以及所述目标检测模型的主干网络中各个特征提取层输出的特征图;
对各个所述特征图按照尺度大小进行排序,得到所述特征图序列。
3.根据权利要求1所述的方法,其中,所述针对所述特征图序列中任意两个特征图组成的特征图对,对所述特征图对中的两个特征图按照第一尺度进行区域关系图提取处理,得到区域关系图对,包括:
针对所述特征图序列中任意两个特征图组成的特征图对,获取所述特征图对中的第一特征图和第二特征图,其中,所述第一特征图的尺度大于所述第二特征图的尺度;
确定所述第一特征图的尺度为所述第一尺度;
对所述第二特征图按照所述第一尺度进行上采样,得到所述第一尺度的目标特征图;
对所述目标特征图进行区域关系图提取处理,得到所述目标特征图对应的区域关系图;
对所述第一特征图进行区域关系图提取处理,得到所述第一特征图对应的区域关系图;
根据所述目标特征图对应的区域关系图以及所述第一特征图对应的区域关系图,生成所述区域关系图对。
4.根据权利要求3所述的方法,其中,所述对所述目标特征图进行区域关系图提取处理,得到所述目标特征图对应的区域关系图,包括:
对所述目标特征图进行分块处理,得到多个特征子图;
针对每个待处理的特征子图,将所述待处理的特征子图分别与所述目标特征图中的各个其他特征子图按照自注意力机制进行处理,确定所述待处理的特征子图对应的区域关系子图;
根据各个所述区域关系子图,生成所述目标特征图对应的区域关系图。
5.根据权利要求1所述的方法,其中,所述根据各个所述区域关系图对、所述样本目标信息、所述预测目标信息,对所述目标检测模型进行训练,得到训练好的目标检测模型,包括:
对所述特征图对中的两个特征图分别按照注意力机制进行处理,得到所述第一尺度的两个注意力特征图;
根据所述第一尺度的两个注意力特征图,生成注意力特征图对;
根据各个所述区域关系图对、各个所述注意力特征图对、所述样本目标信息以及所述预测目标信息构建损失函数;
根据所述损失函数的值,对所述目标检测模型进行训练,得到训练好的目标检测模型。
6.根据权利要求5所述的方法,其中,所述根据各个所述区域关系图对、各个所述注意力特征图对、所述样本目标信息以及所述预测目标信息构建损失函数,包括:
针对每个特征图对,根据所述特征图对对应的区域关系图,构建第一子损失函数;
根据所述特征图对对应的注意力特征图对,构建第二子损失函数;
根据所述样本目标信息以及所述预测目标信息,构建第三子损失函数;
根据各个所述特征图对对应的第一子损失函数和第二子损失函数,以及所述第三子损失函数,构建所述损失函数。
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北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,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/202110868166.5/1.html,转载请声明来源钻瓜专利网。