【技术实现步骤摘要】
轻量级检测模型的训练方法、装置、电子设备及存储介质
本申请涉及计算机
,进一步涉及人工智能、深度学习以及图像识别领域,尤其是一种轻量级检测模型的训练方法、装置、电子设备及存储介质。
技术介绍
智能眼底筛查系统是指在无专业眼科医师经验依赖的情况下,根据受检者的眼底照片信息自主做出符合专业医生诊断标准的自主诊断系统。由于具有相关专业技能的眼科医师与待筛查大众人口的比例悬殊,所以智能眼底筛查诊断系统在国家防盲治盲的道路上具有广大的市场前景和深远的应用意义。通常来说,将深度学习模型应用于眼底智能诊断系统的方式可归结为以下两类:一种是基于黑盒的深度学习分类模型直接进行决策输出;这种方法以直接根据受检者的眼底照片做出有疾病或者无疾病或者得出疾病等级的决策判断为主。第二种则是白盒模型,根据受检者的眼底照片检测其是否有可疑病灶或体征,进一步得出是否患有相关疾病的诊断决策,在诊断逻辑上更符合专业医师的诊断流程。具体而言,在第二种场景的白盒模型研发过程中,往往会遇到以下几种问题:第一、由于本地终端的算力、内存和存储资源的共同约束下,模型的参数量受到了极大程度的限制;第二、由于智能医疗诊断系统是一个面向社区筛查、面向体检中心应用的系统,所以检测模块在耗时上也同样具有很强的约束;第三、由于眼底疾病的早期筛查往往依赖于微小目标的检测,所以如何在资源受限以及速度要求高的情况下尽量提高细小目标的检出精度,具有十分重要的意义。现有的技术方案均为在算力资源和精度上的博弈权衡,主要问题在于:第一、目标检测性能极大程度依赖于检测模型 ...
【技术保护点】
1.一种轻量级检测模型的训练方法,其特征在于,所述方法包括:/n当待训练模型不满足收敛条件时,将当前样本图像输入至待训练模型中,得到所述待训练模型输出的检测结果;/n根据所述待训练模型输出的检测结果以及预先确定的所述当前样本图像的真实结果,计算所述当前样本图像对应的辅助损失函数值;/n根据所述当前样本图像对应的辅助损失函数值和预先确定的所述当前样本图像对应的非辅助损失函数值,对所述待训练模型进行训练,将下一个样本图像作为所述当前样本图像,重复执行上述操作,直到待训练模型满足所述收敛条件为止。/n
【技术特征摘要】 【专利技术属性】
1.一种轻量级检测模型的训练方法,其特征在于,所述方法包括:
当待训练模型不满足收敛条件时,将当前样本图像输入至待训练模型中,得到所述待训练模型输出的检测结果;
根据所述待训练模型输出的检测结果以及预先确定的所述当前样本图像的真实结果,计算所述当前样本图像对应的辅助损失函数值;
根据所述当前样本图像对应的辅助损失函数值和预先确定的所述当前样本图像对应的非辅助损失函数值,对所述待训练模型进行训练,将下一个样本图像作为所述当前样本图像,重复执行上述操作,直到待训练模型满足所述收敛条件为止。
2.根据权利要求1所述的方法,其特征在于,所述根据所述待训练模型输出的检测结果以及预先确定的所述当前样本图像的真实结果,计算所述当前样本图像对应的辅助损失函数值,包括:
根据所述待训练模型输出的检测结果以及预先确定的真实结果,计算各个检测对象对应的尺度缩放因子和损失函数项;
根据各个检测对象对应的尺度缩放因子和损失函数项,计算所述当前样本图像对应的辅助损失函数值。
3.根据权利要求2所述的方法,其特征在于,所述根据所述待训练模型输出的检测结果以及预先确定的真实结果,计算各个检测对象对应的尺度缩放因子,包括:
在所述检测结果中提取出各个检测对象的目标检测框的高度和宽度,并在所述真实结果中提取出各个检测对象的真实检测框的高度和宽度;
根据各个目标检测框的高度和宽度计算各个目标检测框的面积,并根据各个真实检测框的高度和宽度计算各个真实检测框的面积;
根据各个目标检测框的面积和与其对应的真实检测框的面积,计算各个检测对象对应的尺度缩放因子。
4.根据权利要求3所述的方法,其特征在于,所述根据各个目标检测框的面积和各个真实检测框的面积,计算各个检测对象对应的尺度缩放因子,包括:
在全部的检测对象中提取出一个检测对象作为当前检测对象,按照以下公式计算所述当前检测对象对应的尺度缩放因子:其中,A表示所述当前检测对象的目标检测框;|A|表示所述目标检测框的面积;B表示当前检测对象的真实检测框;|B|表示所述真实检测框的面积;重复执行上述操作,直到计算出各个检测对象对应的尺度缩放因子。
5.根据权利要求2所述的方法,其特征在于,所述根据所述待训练模型输出的检测结果以及预先确定的所述当前样本图像的真实结果,计算各个检测对象对应的损失函数项,包括:
在所述检测结果中提取出各个检测对象的目标检测框的高度、宽度以及中心点的位置,并在所述真实结果中提取出各个检测对象的真实检测框的高度、宽度以及中心点的位置;
根据各个目标检测框的高度、宽度以及中心点的位置和各个真实检测框的高度、宽度以及中心点的位置,确定各个目标检测框和与其对应的真实检测框的最小闭包区域的高度、宽度以及中心点的位置;
根据各个目标检测框的高度、宽度以及中心点的位置、各个真实检测框的高度、宽度以及中心点的位置、各个最小闭包区域的高度、宽度以及中心点的位置,计算各个检测对象对应的损失函数项。
6.根据权利要求5所述的方法,其特征在于,所述根据各个目标检测框的高度、宽度以及中心点的位置、各个真实检测框的高度、宽度以及中心点的位置、各个最小闭包区域的高度、宽度以及中心点的位置,计算各个检测对象对应的损失函数项,包括:
在全部的检测对象中提取出一个检测对象作为当前检测对象,按照以下公式计算所述当前检测对象对应的损失函数项:其中,A表示所述当前检测对象对应的目标检测框;B表示所述当前检测对象的真实检测框;C表示所述目标检测框和所述真实检测框的最小闭包区域;|A∩B|表示所述目标检测框与所述真实检测框的交集的面积;|A∪B|表示所述目标检测框与所述真实检测框的并集的面积;|C\(A∪B)|在所述目标检测框和所述真实检测框的最小闭包区域中除去所述目标检测框与所述真实检测框的并集的面积;|C|表示所述目标检测框和所述真实检测框的最小闭包区域的面积;重复执行上述操作,直到计算出各个检测对象对应的损失函数项。
技术研发人员:武秉泓,杨叶辉,杨大陆,王磊,许言午,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。