[发明专利]车辆检测模型训练方法、装置、车辆检测方法及电子设备

说明书

本申请实施例提供了一种车辆检测模型训练方法、装置、车辆检测方法及电子设备，涉及目标检测领域。该方法包括获取包括多个训练样本的训练数据集，每个训练样本包括样本图像、表征该样本图像中是否包含车辆的车辆标签和表征该样本图像中车辆位置信息的信息标签。获取每个样本图像对应的至少两个子图像的位置信息，并确定各子图像的车辆标签。通过基于各训练样本和各样本图像对应的各子图像，对包括依次级联的特征提取网络以及目标识别网络的神经网络模型进行迭代训练，直至神经网络模型的训练损失值满足训练结束条件，根据该方法训练得到的精确度较高的车辆检测模型，能够对待检测车辆进行更精确的车辆检测。

技术领域

本申请涉及目标检测领域，具体而言，本申请涉及一种车辆检测模型训练方法、装置、车辆检测方法、电子设备及计算机可读存储介质。

背景技术

随着车辆违规行为的不断增加，通过对交通图像或视频中的车辆进行快速检测，以更好地辅助城市交通管理已经成为了一项重要工作。深度学习在图像分类任务中取得广泛成功后，也被广泛应用于车辆检测任务中。

在大量的车辆检测任务中，如何对待检测车辆进行的更精确地检测，已经成为了具有挑战性的任务。

发明内容

本申请实施例提供了一种车辆检测模型训练方法、装置、车辆检测方法、电子设备及计算机可读存储介质，根据该方法训练得到的精确度较高的车辆检测模型，能够对待检测车辆进行更精确的车辆检测。

根据本申请实施例的一个方面，提供了一种车辆检测的方法，该方法包括：

获取包括多个训练样本的训练数据集，每个训练样本包括样本图像、表征该样本图像中是否包含车辆的车辆标签和表征该样本图像中车辆位置信息的信息标签；

获取每个样本图像对应的至少两个子图像在该样本图像中的位置信息，并基于每个样本图像的信息标签，确定各样本图像对应的各子图像的车辆标签；

基于各训练样本和各样本图像对应的各子图像，对包括依次级联的特征提取网络以及目标识别网络的神经网络模型进行迭代训练，直至神经网络模型的训练损失值满足训练结束条件，得到车辆检测模型；

其中，训练结束条件包括以下至少一项：

神经网络模型的损失函数收敛，神经网络模型的训练损失值小于设定值，对神经网络模型的训练次数达到设定次数。

根据本申请实施例的另一个方面，提供了一种车辆检测方法，包括：

获取待检测图像；

基于训练好的车辆检测模型，确定待检测图像中是否包括车辆以及待检测图像中车辆的位置信息，该训练好的车辆检测模型是根据上述方法训练得到的。

根据本申请实施例的另一个方面，提供了一种车辆检测的装置，该装置包括获取模块、子图像确定模块和训练模块，

获取模块，用于获取包括多个训练样本的训练数据集，每个训练样本包括样本图像、表征该样本图像中是否包含车辆的车辆标签和表征该样本图像中车辆位置信息的信息标签；

子图像确定模块，用于获取每个样本图像对应的至少两个子图像在该样本图像中的位置信息，并基于每个样本图像的信息标签，确定各样本图像对应的各子图像的车辆标签；

训练模块，用于基于各训练样本和各样本图像对应的各子图像，对包括依次级联的特征提取网络以及目标识别网络的神经网络模型进行迭代训练，直至神经网络模型的训练损失值满足训练结束条件，得到车辆检测模型；

其中，训练结束条件包括以下至少一项：

神经网络模型的损失函数收敛，神经网络模型的训练损失值小于设定值，对神经网络模型的训练次数达到设定次数。