[发明专利]训练目标检测模型的方法、目标检测方法及电子设备

说明书

本申请实施例涉及目标检测技术领域，公开了一种训练目标检测模型的方法、目标检测方法及电子设备。其中，所述训练目标检测模型的方法包括：获取图像样本，所述图像样本标注有目标标签；将所述图像样本分解为第一颜色图像样本、第二颜色图像样本和第三颜色图像样本；将所述第一颜色图像样本、所述第二颜色图像样本和所述第三颜色图像样本分别输入预设神经网络进行迭代训练，在所述预设神经网络收敛时，获得目标检测模型。本申请能够有效降低光照、亮度对目标检测的影响，减少漏检、误检问题，有效提高目标检测的准确度和召回率。

技术领域

本申请实施例涉及目标检测技术领域，尤其涉及一种训练目标检测 模型的方法、目标检测方法及电子设备。

背景技术

随着移动通信技术的快速发展以及人民生活水平的提升，各种智能 终端已广泛应用于人民的日常工作和生活，使得人们越来越习惯于使用 APP等软件，使得美颜自拍、拍照测肤此类功能的APP需求也变得越来 越多，因此，不少用户希望此类APP能够自动分析出脸部的痘痘情况。

本申请发明人在实现本申请实施例的过程中，发现：现有的技术很 多都是采用手动点击去痘痘的功能，过程繁琐，不利于用户的体验，同 时痘痘有效信息小，特征不够明显，传统的图像处理算法很难满足需求， 用户拍照的图片容易受到光照强度、亮度等因素的干扰，容易导致漏检、 误检的情况。

发明内容

本申请实施例的目的是提供一种训练目标检测模型的方法、目标检 测方法及电子设备，能够有效降低光照、亮度对目标检测的影响，减少 漏检、误检问题，有效提高目标检测的准确度和召回率。

为解决上述技术问题，本申请实施例采用以下技术方案：

第一方面，本申请实施例中提供给了一种训练目标检测模型的方法， 包括：

获取图像样本，所述图像样本标注有目标标签；

将所述图像样本分解为第一颜色图像样本、第二颜色图像样本和第 三颜色图像样本；

将所述第一颜色图像样本、所述第二颜色图像样本和所述第三颜色 图像样本分别输入预设神经网络进行迭代训练，在所述预设神经网络收 敛时，获得目标检测模型；

其中，所述预设神经网络为三通道网络结构，任一通道的所述网络 结构均包括特征提取模块、特征融合模块及SSH检测模块，所述第一颜 色图像样本、所述第二颜色图像样本和所述第三颜色图像样本分别通过 一通道的所述网络结构进行迭代训练。

在一些实施例中，所述预设神经网络包括第一通道特征提取模块、 第一通道特征融合模块及第一通道SSH检测模块；

所述将所述第一颜色图像样本、所述第二颜色图像样本和所述第三 颜色图像样本分别输入预设神经网络进行迭代训练，在所述预设神经网 络收敛时，获得目标检测模型，包括：

利用第一通道特征提取模块对所述第一颜色图像样本进行特征提 取，获取第一颜色通道特征；

所述第一颜色通道特征通过所述第一通道特征融合模块与第二颜 色通道特征和/或第三颜色通道特征进行特征融合，获得第一融合特征；

将所述第一融合特征输入所述第一通道SSH检测模块，获得多个第 一预测框对应的概率和位置；

基于所述第一预测框对应的概率和位置、以及所述目标标签计算第 一损失值；

根据所述第一损失值、第二损失值和第三损失值调整预设神经网络， 直至预设神经网络收敛，获得所述目标检测模型；

其中，所述第一损失值、所述第二损失值及所述第三损失值分别用 于指示一所述通道的损失值。

在一些实施例中，所述基于所述第一预测框对应的概率和位置、以 及所述目标标签计算第一损失值，包括：