用于训练目标检测模型的方法、目标检测方法及装置制造方法及图纸

本申请公开了一种用于训练目标检测模型的方法、目标检测方法及装置，涉及人工智能领域，尤其涉及计算机视觉、深度学习等领域。具体实现方案为：获取样本图片集合以及样本图片集合中各个样本图片的标注区域；根据标注区域和预设的目标锚点框，确定各个样本图片的第一交并比；根据标注区域和目标锚点框对应的辅助锚点框，确定各个样本图片的第二交并比；根据样本图片集合、第一交并比和第二交并比，对待训练的目标检测模型进行训练，得到训练好的目标检测模型。这一过程能够平衡模型训练复杂度与模型训练精准度。

【技术实现步骤摘要】
用于训练目标检测模型的方法、目标检测方法及装置
本公开涉及人工智能领域，具体涉及计算机视觉、深度学习等
，尤其涉及一种用于训练目标检测模型的方法、目标检测方法及装置。
技术介绍
目前，目标检测已广泛应用至智能化交通系统、智能化监控系统等多种场景，用于在各个应用场景中提取目标。在实践中发现，现在应用于目标检测的模型如需较高的精准度，则需要引入大量复杂的处理逻辑，会导致模型训练复杂度增高。可见，如何实现平衡模型训练复杂度与模型训练精准度成为了亟需解决的问题。
技术实现思路
本公开提供了一种用于训练目标检测模型的方法、目标检测方法及装置。根据本公开的一方面，提供了一种用于训练目标检测模型的方法，包括：获取样本图片集合以及样本图片集合中各个样本图片的标注区域；根据标注区域和预设的目标锚点框，确定各个样本图片的第一交并比；根据标注区域和目标锚点框对应的辅助锚点框，确定各个样本图片的第二交并比；根据样本图片集合、第一交并比和第二交并比，对待训练的目标检测模型进行训练，得到训练好的目标检测模型。根据本公开的另一方面，提供了一种目标检测方法，包括：根据目标图片、预设的目标锚点框和训练好的目标检测模型，确定目标图片的候选区域和锚点框区域；基于候选区域和锚点框区域，确定目标图片的目标区域。根据本公开的另一方面，提供了一种用于训练目标检测模型的装置，包括：目标获取单元，被配置成获取样本图片集合以及样本图片集合中各个样本图片的标注区域；第一交并比确定单元，被配置成根据标注区域和预设的目标锚点框，确定各个样本图片的第一交并比；第二交并比确定单元，被配置成根据标注区域和目标锚点框对应的辅助锚点框，确定各个样本图片的第二交并比；模型训练单元，被配置成根据样本图片集合、第一交并比和第二交并比，对待训练的目标检测模型进行训练，得到训练好的目标检测模型。根据本公开的另一方面，提供了一种目标检测装置，包括：区域确定单元，被配置成根据目标图片、预设的目标锚点框和训练好的目标检测模型，确定目标图片的候选区域和锚点框区域；目标确定单元，被配置成基于候选区域和锚点框区域，确定目标图片的目标区域。根据本公开的另一方面，提供了一种执行用于训练目标检测模型的方法或目标检测方法的电子设备，包括：一个或多个计算单元；存储单元，用于存储一个或多个程序；当一个或多个程序被一个或多个计算单元执行，使得一个或多个计算单元实现如上任意一项用于训练目标检测模型的方法或目标检测方法。根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行如上任意一项用于训练目标检测模型的方法或目标检测方法。根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被计算单元执行时实现如上任意一项用于训练目标检测模型的方法或目标检测方法。根据本申请的技术，提供一种用于训练目标检测模型的方法，能够采用目标锚点框和辅助锚点框分别计算得到第一交并比和第二交并比，利用第一交并比和第二交并比对待训练的目标检测模型进行训练，能够提高交并比的精准度，从而提高模型的训练精准度。此外，采用本申请的模型训练方法，无需引入较为复杂的处理逻辑，只需对锚点框进行优化，将锚点框划分为目标锚点框和辅助锚点框进行相应的处理，模型训练复杂度较低，从而实现了平衡模型训练复杂度与模型训练精准度。应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。附图说明附图用于更好地理解本方案，不构成对本公开的限定。其中：图1是根据本公开第一实施例的示例性系统架构示意图；图2是根据本公开第二实施例的用于训练目标检测模型的方法示意图；图3是根据本公开第三实施例的用于训练目标检测模型的方法示意图；图4是根据本公开第四实施例的目标检测方法示意图；图5是可以实现本公开实施例的目标检测场景图；图6是根据本公开第五实施例的用于训练目标检测模型的装置示意图；图7是根据本公开第六实施例的目标检测装置示意图；图8是用来实现本公开实施例的用于训练目标检测模型的方法或目标检测方法的电子设备的框图。具体实施方式以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。图1是根据本公开第一实施例的示例性系统架构示意图，其示出了可以应用本申请的用于训练目标检测模型的方法、目标检测方法、用于训练目标检测模型的装置或者目标检测装置的实施例的示例性系统架构100。如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103可以为手机、电脑以及平板等电子设备，在终端设备101、102、103中可以获取用于目标检测的目标图片，也可以获取用于训练目标检测模型的样本图片集合。其中，目标图片和样本图片集合中的各个样本图片均包含需要检测的目标。终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于电视、智能手机、平板电脑、电子书阅读器、车载电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。服务器105可以是提供各种服务的服务器，例如可以获取终端设备101、102、103中的样本图片集合，将样本图片集合和样本图片集合中各个样本图片的标注区域作为目标检测模型的训练数据，通过目标锚点框和辅助锚点框计算各个样本图片的交并比，来对待训练的目标检测模型进行训练，得到训练好的目标检测模型。在终端设备101、102、103接收到需要进行目标检测的目标图片的情况下，终端设备101、102、103可以通过网络104将目标图片发送给服务器105，以使服务器105根据目标图片、目标锚点框和训练好的目标检测模型，确定目标图片的目标区域，并将目标区域返回给终端设备101、102、103，以使终端设备101、102、103输出目标区域。本文档来自技高网...

【技术保护点】
1.一种用于训练目标检测模型的方法，包括：/n获取样本图片集合以及所述样本图片集合中各个样本图片的标注区域；/n根据所述标注区域和预设的目标锚点框，确定各个样本图片的第一交并比；/n根据所述标注区域和所述目标锚点框对应的辅助锚点框，确定各个样本图片的第二交并比；/n根据所述样本图片集合、所述第一交并比和所述第二交并比，对待训练的目标检测模型进行训练，得到训练好的目标检测模型。/n

【技术特征摘要】
1.一种用于训练目标检测模型的方法，包括：
获取样本图片集合以及所述样本图片集合中各个样本图片的标注区域；
根据所述标注区域和预设的目标锚点框，确定各个样本图片的第一交并比；
根据所述标注区域和所述目标锚点框对应的辅助锚点框，确定各个样本图片的第二交并比；
根据所述样本图片集合、所述第一交并比和所述第二交并比，对待训练的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，所述根据所述样本图片集合、所述第一交并比和所述第二交并比，对待训练的目标检测模型进行训练，得到训练好的目标检测模型，包括：
将所述样本图片集合中的各个样本图片输入所述待训练的目标检测模型，得到所述待训练的目标检测模型输出的各个样本图片的预测区域；
对所述第一交并比和所述第二交并比进行最大池化操作，得到目标交并比；
基于所述预测区域、所述目标交并比以及预设的损失函数，确定所述待训练的目标检测模型的优化方向；
基于所述优化方向对所述待训练的目标检测模型进行训练，得到训练好的目标检测模型。


3.根据权利要求2所述的方法，其中，所述基于所述预测区域、所述目标交并比以及预设的损失函数，确定所述待训练的目标检测模型的优化方向，包括：
根据所述目标交并比和预设的交并比阈值，确定所述目标锚点框中出现目标的概率信息；
根据所述概率信息、所述预测区域以及所述预设的损失函数，确定所述待训练的目标检测模型的优化方向。


4.根据权利要求1所述的方法，还包括：
对所述目标锚点框进行平移，得到所述目标锚点框对应的辅助锚点框。


5.根据权利要求4所述的方法，其中，所述对所述目标锚点框进行平移，得到所述目标锚点框对应的所述辅助锚点框，包括：
基于所述目标锚点框的属性值以及预设的锚点框扩增条件，确定所述目标锚点框的平移次数和平移距离；
根据所述平移次数、所述平移距离和预设的平移方向，对所述目标锚点框进行平移，得到所述目标锚点框对应的所述辅助锚点框。


6.一种目标检测方法，包括：
根据目标图片、预设的目标锚点框和训练好的目标检测模型，确定所述目标图片的候选区域和锚点框区域；
基于所述候选区域和所述锚点框区域，确定所述目标图片的目标区域。


7.一种用于训练目标检测模型的装置，包括：
目标获取单元，被配置成获取样本图片集合以及所述样本图片集合中各个样本图片的标注区域；
第一交并比确定单元，被配置成根据所述标注区域和预设的目标锚点框，确定各个样本图片的第一交并比；
第二交并比确定单元，被配置成根据所述标注区域和所述目标锚点框对应的辅助锚点框，确定各个...

【专利技术属性】
技术研发人员：王康康，
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