一种检测模型训练方法、装置及电子设备制造方法及图纸

本公开提供了一种检测模型训练方法、装置及电子设备，涉及计算机领域，尤其涉及计算机视觉技术领域。具体实现方案为：利用第一检测模型检测第一样本图像中存在的对象，得到所述第一样本图像中各个潜在对象所处的第一位置；根据各个所述潜在对象所处的第一位置，利用分类模型对每个所述潜在对象进行分类，得到每个所述潜在对象的预测类别；从所述潜在对象中确定所述预测类别为目标类别的目标对象；根据所述目标对象所处的第一位置和所述第一样本图像，对第一原始检测模型进行训练，得到用于检测所述目标类别的对象的第二检测模型。可以提高训练得到的检测模型的准确性。高训练得到的检测模型的准确性。高训练得到的检测模型的准确性。

【技术实现步骤摘要】
一种检测模型训练方法、装置及电子设备


[0001]本公开涉及计算机
，尤其涉及计算机视觉


技术介绍

[0002]检测模型能够确定出图像中存在的特定对象所处位置，如人、车辆等。为了使得检测模型能够准确地确定出图像中特定对象所处位置，需要使用标注有特定对象所处位置的样本图像对检测模型进行训练。

技术实现思路

[0003]本公开提供了一种用于提高训练得到的检测模型的准确性的方法、装置、设备以及存储介质。
[0004]根据本公开的第一方面，提供了一种检测模型训练方法，包括：利用第一检测模型检测第一样本图像中存在的对象，得到所述第一样本图像中各个潜在对象所处的第一位置；
[0005]根据各个所述潜在对象所处的第一位置，利用分类模型对每个所述潜在对象进行分类，得到每个所述潜在对象的预测类别；
[0006]从所述潜在对象中确定所述预测类别为目标类别的目标对象；
[0007]根据所述目标对象所处的第一位置和所述第一样本图像，对第一原始检测模型进行训练，得到用于检测所述目标类别的对象的第二检测模型。
[0008]根据本公开的第二方面，提供了一种图像识别方法，包括：
[0009]获取待检测图像；
[0010]将所述待检测图像输入至第二检测模型，得到所述第二检测模型输出的位置，作为目标类别的对象在所述待检测图像中的位置，其中，所述第二检测模型为按照上述第一方面任一所述的检测模型训练方法训练得到的。
[0011]根据本公开的第三方面，提供了一种检测模型训练装置，包括：
[0012]检测模块，用于利用第一检测模型检测第一样本图像中存在的对象，得到所述第一样本图像中各个潜在对象所处的第一位置；
[0013]分类模块，用于根据各个所述潜在对象所处的第一位置，利用分类模型对每个所述潜在对象进行分类，得到每个所述潜在对象的预测类别；
[0014]筛选模块，用于从所述潜在对象中确定所述预测类别为目标类别的目标对象；
[0015]第一训练模块，用于根据所述目标对象所处的第一位置和所述第一样本图像，对第一原始检测模型进行训练，得到用于检测所述目标类别的对象的第二检测模型。
[0016]根据本公开的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述第一方面中任一项所述的方法。
[0017]根据本公开的第四方面，提供了一种图像识别装置，包括：
[0018]图像获取模块，用于获取待检测图像；
[0019]目标识别模块，用于将所述待检测图像输入至第二检测模型，得到所述第二检测模型输出的位置，作为目标类别的对象在所述待检测图像中的位置，其中，所述第二检测模型为按照上述第一方面任一所述的检测模型训练方法训练得到的。
[0020]根据本公开的第五方面，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，所述计算机指令用于使所述计算机执行根据上述第一方面或第二方面中任一项所述的方法。
[0021]根据本公开的第六方面，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处理器执行时实现根据上述第一方面或第二方面中任一项所述的方法。
[0022]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
[0023]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0024]图1是本公开提供的检测模型训练方法的一种流程示意图；
[0025]图2是本公开提供的检测模型训练方法的另一种流程示意图；
[0026]图3是本公开提供的第一检测模型的训练方法的一种流程示意图；
[0027]图4是本公开提供的分类模型的训练方法的一种流程示意图；
[0028]图5是本公开提供的图像识别方法的一种流程示意图；
[0029]图6是本公开提供的检测模型训练装置的一种流程示意图；
[0030]图7是本公开提供的图像识别装置的一种流程示意图；
[0031]图8是用来实现本公开实施例的检测模型训练方法的电子设备的框图。
具体实施方式
[0032]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。
[0033]为了更清楚的对本公开实施例提供的检测模型训练方法进行说明，下面将对本公开提供的检测模型训练方法的一种可能的应用场景进行示例性的说明。可以理解的是，以下示例仅是本公开提供的检测模型训练方法的一种可能的应用场景，在其他可能的实施例中，本公开提供的检测模型训练方法也可以应用于其他可能的应用场景，以下示例对此不做任何限制。
[0034]在计算机视觉的应用中，经常利用检测模型从图像中检测出特定对象。例如，为了更好地对道路上的车辆进行管理，需要确定道路上存在的车辆。则可以拍摄道路的图像，并利用用于检测车辆的检测模型从拍摄得到的图像中检测出车辆，这些车辆即为道路上存在的车辆。又例如，为了实现自动驾驶或辅助驾驶，需要获取道路上车辆、行人、路标的相关信息，以合理地对车辆进行控制，则可以拍摄车辆行驶前方的图像，并利用用于检测车辆、行
人以及路标的检测模型从拍摄得到的图像中检测出车辆、行人、路标。
[0035]而在利用检测模型从图像中检测出特定对象之前，需要预先训练得到检测模型。相关技术中，为了降低人工标注样本图像产生的人工成本，可以利用一个预先经过训练的检测模型(下文称老师检测模型)对未经过标注的样本图像进行检测，得到检测结果，并利用检测结果监督另一个检测模型(下文称学生检测模型)的训练。但是由于老师检测模型的准确性往往有限，因此得到的检测结果存在一定的误差，导致利用检测结果监督训练得到的学生检测模型的准确性较低。
[0036]基于此，本公开提供了一种检测模型训练方法，本公开提供的检测模型训练方法可以应用于任一具备检测模型训练能力的电子设备，包括但不限于个人电脑、服务器等。本公开提供的检测模型训练方法可以如图1所示，包括：
[0037]S101，利用第一检测模型检测第一样本图像中存在的对象，得到第一样本图像中各个潜在对象所处的第一位置。
[0038]S102，根据各个潜在对象所处的第一位置，利用分类模型对每个潜在对象进行分类，得到每个潜在对象的预测类型。
[0039]S103，从潜在对象中确定预测类别为目标类别的目标对象。
[0040]S104，根据目标对象所处的第一位置和第一样本图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种检测模型训练方法，包括：利用第一检测模型检测第一样本图像中存在的对象，得到所述第一样本图像中各个潜在对象所处的第一位置；根据各个所述潜在对象所处的第一位置，利用分类模型对每个所述潜在对象进行分类，得到每个所述潜在对象的预测类别；从所述潜在对象中确定所述预测类别为目标类别的目标对象；根据所述目标对象所处的第一位置和所述第一样本图像，对第一原始检测模型进行训练，得到用于检测所述目标类别的对象的第二检测模型。2.根据权利要求1所述的方法，其中，所述根据所述目标对象所处的第一位置和所述第一样本图像，对第一原始检测模型进行训练，得到用于检测所述目标类别的对象的第二检测模型，包括：将所述第一样本图像输入至第一原始检测模型，得到所述第一原始检测模型输出的第二位置；根据所述目标对象所处的第一位置和所述第二位置的差值，调整所述第一原始检测模型的模型参数，得到用于检测所述目标类别的对象的第二检测模型。3.根据权利要求1所述的方法，所述第一检测模型通过以下方式预先训练得到：将第二样本图像输入至第二原始检测模型，得到所述第二原始检测模型输出的第三位置，所述第二样本图像预先标注有目标类别的对象所处的第四位置；根据所述第三位置和所述第四位置的差值，调整所述第二原始检测模型的模型参数，得到第一检测模型。4.根据权利要求3所述的方法，所述分类模型通过以下方式预先训练得到：将所述第二样本图像输入至所述第一检测模型，得到所述第一检测模型输出的第五位置；利用待训练模型对所述第二样本图像中位于所述第五位置的对象进行分类，得到输出类别；根据所述输出类别和所述目标类别的差值，调整所述待训练模型的模型参数，得到分类模型。5.一种图像识别方法，包括：获取待检测图像；将所述待检测图像输入至第二检测模型，得到所述第二检测模型输出的位置，作为目标类别的对象在所述待检测图像中的位置，其中，所述第二检测模型为按照权利要求1
‑
4任一所述的检测模型训练方法训练得到的。6.根据权利要求5所述的方法，其中，所述目标类别为车辆、人员、交通标志中的一个或多个类别。7.一种检测模型训练装置，包括：检测模块，用于利用第一检测模型检测第一样本图像中存在的对象，得到所述第一样本图像中各个潜在对象所处的第一位置；分类模块，用于根据各个所述潜在对象所处的第一位置，利用分类模型对每个所述潜在对象进行分类，得到每个所述潜在对象的预测类别；
筛选模块，用于从所述潜在对象中确定所述预测类别为目标类别的目标对象；第一训练模块，用于根据所述目标对象...

【专利技术属性】
技术研发人员：蒋旻悦，谭啸，孙昊，
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：