【技术实现步骤摘要】
目标检测方法及其模型的训练方法和相关装置及介质
本申请涉及图像处理
,特别是涉及一种目标检测方法及其模型的训练方法和相关装置及介质。
技术介绍
一般地,对于网络模型进行训练的方法主要包括以下几个步骤,首先,将样本图像输入网络模型,获取网络模型的输出结果,然后获取输出结果与样本图像中的标注信息之间的误差,然后根据该误差调整网络模型中的参数。这种方式存在的问题是对网络模型的训练需要建立在大量的已标注样本图像。一般都是采用人工对样本图像进行标注,获取大量的已标注样本图像的过程耗时耗力。
技术实现思路
本申请至少提供一种目标检测方法及其模型的训练方法和相关装置及介质。本申请提供了一种目标检测模型的训练方法,包括:利用目标检测模型分别对第一样本图像和第二样本图像中的目标进行检测,得到第一样本图像的第一检测结果和第二样本图像的第二检测结果;基于第一检测结果确定第一样本图像中的至少一个第一检测框,基于第二检测结果确定第二样本图像中的至少一个第二检测框,其中,第一检测框和第二检测框用于表示目标的位置;基于表示相同的目标的第一检测框和第二检测框之间的差异信息,得到目标检测模型的第一损失;利用第一损失,调整目标检测模型的网络参数。因此,通过获取第一样本图像和第二样本图像对应的包含相同的目标的检测框之间的差异信息,从而得到目标检测模型的第一损失,然后利用第一损失就能够调整目标检测模型的网络参数,无需大量的已标注样本图像,从而减少目标检测模型的训练成本。进一步地,第一检测结果和第二检测结果中可能存在 ...
【技术保护点】
1.一种目标检测模型的训练方法,其特征在于,包括:/n利用所述目标检测模型分别对第一样本图像和第二样本图像中的目标进行检测,得到所述第一样本图像的第一检测结果和所述第二样本图像的第二检测结果;/n基于所述第一检测结果确定所述第一样本图像中的至少一个第一检测框,基于所述第二检测结果确定所述第二样本图像中的至少一个第二检测框,其中,所述第一检测框和所述第二检测框用于表示所述目标的位置;/n基于表示相同的目标的所述第一检测框和所述第二检测框之间的差异信息,得到所述目标检测模型的第一损失;/n利用所述第一损失,调整所述目标检测模型的网络参数。/n
【技术特征摘要】
1.一种目标检测模型的训练方法,其特征在于,包括:
利用所述目标检测模型分别对第一样本图像和第二样本图像中的目标进行检测,得到所述第一样本图像的第一检测结果和所述第二样本图像的第二检测结果;
基于所述第一检测结果确定所述第一样本图像中的至少一个第一检测框,基于所述第二检测结果确定所述第二样本图像中的至少一个第二检测框,其中,所述第一检测框和所述第二检测框用于表示所述目标的位置;
基于表示相同的目标的所述第一检测框和所述第二检测框之间的差异信息,得到所述目标检测模型的第一损失;
利用所述第一损失,调整所述目标检测模型的网络参数。
2.根据权利要求1所述的方法,其特征在于,在所述基于表示相同的目标的所述第一检测框和所述第二检测框之间的差异信息,得到所述目标检测模型的第一损失之前,所述方法还包括:
将所述至少一个第一检测框和所述至少一个第二检测框进行匹配,得到若干个匹配框对,其中,每个匹配框对包括第一检测框和与所述第一检测框匹配的第二检测框,且不同的匹配框对包括的检测框不同;以及,
所述基于表示相同的目标的所述第一检测框和所述第二检测框之间的差异信息,得到所述目标检测模型的第一损失,包括:
利用所述每个匹配框对中第一检测框和第二检测框之间的差异信息,得到所述第一损失。
3.根据权利要求2所述的方法,其特征在于,所述匹配的方式为二部图匹配方式;和/或,
所述将所述至少一个第一检测框和所述至少一个第二检测框进行匹配,得到若干个匹配框对,包括:
分别将各第一检测框与各第二检测框组成多个候选框对;
基于各候选框对的匹配程度,选择部分的所述候选框对作为所述匹配框对;和/或,
所述利用所述每个匹配框对中第一检测框和第二检测框之间的差异信息,得到所述第一损失,包括:
在所述匹配框对为多个的情况下,将每个所述匹配框对的所述差异信息进行累加,以得到所述第一损失。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述第一检测框和所述第二检测框均对应有关于所述目标的第一位置信息和/或第一类别信息;
所述差异信息包括以下至少一者:所述第一检测框和第二检测框之间关于所述第一位置信息的第一差异和关于所述第一类别信息的第二差异。
5.根据权利要求4所述的方法,其特征在于,所述基于表示相同的目标的所述第一检测框和所述第二检测框之间的差异信息,得到所述目标检测模型的第一损失,包括:
利用所述第一差异得到位置损失,并利用所述第二差异得到类别损失;
基于所述位置损失和类别损失,得到所述第一损失,其中,所述位置损失包括距离损失和/或检测框交并比损失。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述第一样本图像和第二样本图像来自于样本集,所述样本集中的样本图像包括已标注样本图像和/或未标样本图像,所述已标注样本图像标注有所述目标的真实框信息,其中,所述真实框信息包括关于所述目标的第二位置信息和第二类别信息;以及
在所述第一样本图像和第二样本图像为已标注样本图像的情况下,所述利用所述第一损失,调整所述目标检测模型的网络参数,包括:
将所述第一检测框和第二检测框中的至少一者作为目标检测框,利用所述目标检测框与对应的所述真实框信息之间的差异,得到第二损失;
利用所述第一损失和第二损失,调整所述目标检测模型的网络参数。
7.根据权利要求6所述的方法,其特征在于,所述利用所述第一损失和第二损失,调整所述目标检测模型的网络参数,包括:
利用加权后的所述第一损...
【专利技术属性】
技术研发人员:宋涛,
申请(专利权)人:上海商汤智能科技有限公司,
类型:发明
国别省市:上海;31
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。