本发明专利技术公开了一种目标检测模型训练方法、装置、计算机设备以及介质，涉及计算机技术领域，其中方法包括：划分待训练的图像数据集得到不同的模型训练集；根据所述模型训练集的标注信息，确定所述模型训练集中检测目标的比例数值；根据所述比例数值，计算得到目标检测模型的置信度比例和置信度损失权重值，完成所述目标检测模型的训练；本发明专利技术可以根据检测目标的比例数值进行计算得到目标检测模型的置信度比例和置信度损失权重值，使得置信度比例和置信度损失权重值不再固定不变，可以根据检测目标的比例数值来进行自我调节从而提高检测的精度，增加模型的鲁棒性和检出的准确性。增加模型的鲁棒性和检出的准确性。增加模型的鲁棒性和检出的准确性。
【技术实现步骤摘要】
一种目标检测模型训练方法、装置、计算机设备以及介质
[0001]本专利技术涉及计算机
，特别涉及一种目标检测模型训练方法、装置、计算机设备以及介质。
技术介绍
[0002]目标检测是当前计算机视觉领域最重要的研究方向之一。目标检测就是确定图像中所感兴趣目标的类别和位置，而小目标的检测以其检出率低和误检率高的特点已经成为目标检测中研究热点。
[0003]目前现有的针对小目标的检测方法，一种为通过更改损失函数的方式来自动调整位置损失的大小，使目标框回归得更加准确，但是这种方式对于小目标的检测精度的提升存在不确定性，可能会导致精度的提升，也可能会导致精度的下降，从而导致无法准确检测到小目标。另一种通过特征加权融合，对一张特征图采用不同的网络结构进行特征提取，然后进行加权融合操作，加权融合后的特征可以对特定区域的特征进行加强，获得更加丰富的目标信息，从而提高小目标的检出和识别精度，但是这种方式不仅会占用更多的存储空间而且很耗费性能，影响推理耗时。而且在实际使用中存在很大的不确定性，难以准确地对目标进行特征加权提取。
技术实现思路
[0004]本专利技术的目的是提供一种目标检测模型训练方法、装置、计算机设备以及介质，本专利技术可以根据检测目标的比例数值，进行计算得到目标检测模型的置信度比例和置信度损失权重值，使得置信度比例和置信度损失权重值不再固定不变，可以根据检测目标的比例数值来进行自我调节从而提高检测的精度，增加模型的鲁棒性和检出的准确性，以及本专利技术作用于训练阶段，对于目标检测模型的推理阶段没有发生任何改变，没有给目标检测模型的推理增加额外的负担。
[0005]依据本专利技术的一个方面，本专利技术提供了一种目标检测模型训练方法，包括：
[0006]划分待训练的图像数据集得到不同的模型训练集；
[0007]根据所述模型训练集的标注信息，确定所述模型训练集中检测目标的比例数值；
[0008]根据所述比例数值，计算得到所述目标检测模型的置信度比例和置信度损失权重值，完成所述目标检测模型的训练。
[0009]可选地，所述根据所述比例数值，计算得到所述目标检测模型的置信度比例和置信度损失权重值，完成所述目标检测模型的训练，包括：
[0010]根据所述比例数值，得到利用所述模型训练集对所述目标检测模型进行训练的置信度比例和置信度损失权重值；
[0011]统计所述置信度比例和所述置信度损失权重值，得到所述目标检测模型的置信度比例和置信度损失权重值，完成所述目标检测模型的训练。
[0012]可选地，所述统计所述置信度比例和所述置信度损失权重值，得到所述目标检测
模型的置信度比例和置信度损失权重值，完成所述目标检测模型的训练，包括：
[0013]计算所有的所述置信度比例和所述置信度损失权重值，得到所述置信度比例和所述置信度损失权重的均值和方差；
[0014]根据所述均值和所述方差，得到利用所述图像数据集对所述目标检测模型进行训练的置信度比例和置信度损失权重值。
[0015]可选地，所述统计所述置信度比例和所述置信度损失权重值，得到所述计算得到目标检测模型的置信度比例和置信度损失权重值，完成所述目标检测模型的训练，还包括：
[0016]利用指数滑动平均方法，统计利用所述图像数据集对所述目标检测模型进行训练的置信度比例和置信度损失权重值，得到所述目标检测模型的置信度比例和置信度损失权重值，完成所述目标检测模型的训练。
[0017]可选地，所述根据所述模型训练集的标注信息，确定所述模型训练集中检测目标的比例数值，包括：
[0018]根据所述模型训练集的标注信息，确定所述模型训练集中检测目标的类别属性；
[0019]根据所述类别属性，确定与所述类别属性对应的所述检测目标的数量占所有所述检测目标的数量的比例数值。
[0020]可选地，所述根据所述模型训练集的标注信息，确定所述模型训练集中检测目标的类别属性，包括：
[0021]根据所述模型训练集的标注信息，确定所述模型训练集中检测目标的面积；
[0022]根据所述面积，对各个所述检测目标进行类别划分得到对应的所述类别属性。
[0023]可选地，所述根据所述面积，对各个所述检测目标进行类别划分得到对应的所述类别属性，包括：
[0024]确定所述检测目标的所述面积占所在图像面积的比例数值；
[0025]根据所述比例数值，对各个所述检测目标进行类别划分得到对应的所述类别属性。
[0026]本专利技术提供一种目标检测模型训练装置，包括：
[0027]数据集划分模块，用于划分待训练的图像数据集得到不同的模型训练集；
[0028]比例计算模块，用于根据所述模型训练集的标注信息，确定所述模型训练集中检测目标的比例数值；
[0029]计算模块，用于根据所述比例数值，计算得到目标检测模型的置信度比例和置信度损失权重值，完成所述目标检测模型的训练。
[0030]本专利技术提供一种计算机设备，包括：
[0031]存储器，用于存储计算机程序；
[0032]处理器，用于执行所述计算机程序时实现如上述所述的目标检测模型训练方法。
[0033]本专利技术提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器加载并执行时，实现如上述所述的目标检测模型训练方法的步骤。
[0034]可见，本专利技术可以根据检测目标的比例数值，进行计算得到目标检测模型的置信度比例和置信度损失权重值，使得置信度比例和置信度损失权重值不再固定不变，可以根据检测目标的比例数值来进行自我调节从而提高检测的精度，增加模型的鲁棒性和检出的
准确性，以及本专利技术作用于训练阶段，对于目标检测模型的推理阶段没有发生任何改变，没有给目标检测模型的推理增加额外的负担。本申请还提供一种目标检测模型训练装置、计算机设备及计算机可读存储介质，具有上述有益效果。
附图说明
[0035]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0036]图1为本专利技术实施例所提供的一种目标检测模型训练方法的流程图；
[0037]图2为本专利技术实施例所提供的另一种目标检测模型训练方法的流程图；
[0038]图3为本专利技术实施例所提供的一种目标检测模型训练装置的结构框图；
[0039]图4为本专利技术实施例所提供的一种计算机设备的结构框图。
具体实施方式
[0040]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种目标检测模型训练方法，其特征在于，包括：划分待训练的图像数据集得到不同的模型训练集；根据所述模型训练集的标注信息，确定所述模型训练集中检测目标的比例数值；根据所述比例数值，计算得到目标检测模型的置信度比例和置信度损失权重值，完成所述目标检测模型的训练。2.如权利要求1所述的一种目标检测模型训练方法，其特征在于，所述根据所述比例数值，计算得到目标检测模型的置信度比例和置信度损失权重值，完成所述目标检测模型的训练，包括：根据所述比例数值，得到利用所述模型训练集对所述目标检测模型进行训练的置信度比例和置信度损失权重值；统计所述置信度比例和所述置信度损失权重值，得到所述目标检测模型的置信度比例和置信度损失权重值，完成所述目标检测模型的训练。3.如权利要求2所述的一种目标检测模型训练方法，其特征在于，所述统计所述置信度比例和所述置信度损失权重值，得到所述目标检测模型的置信度比例和置信度损失权重值，完成所述目标检测模型的训练，包括：计算所有的所述置信度比例和所述置信度损失权重值，得到所述置信度比例和所述置信度损失权重的均值和方差；根据所述均值和所述方差，得到利用所述图像数据集对所述目标检测模型进行训练的置信度比例和置信度损失权重值。4.如权利要求1所述的一种目标检测模型训练方法，其特征在于，所述计算得到目标检测模型的置信度比例和置信度损失权重值，完成所述目标检测模型的训练，还包括：利用指数滑动平均方法，统计利用所述图像数据集对所述目标检测模型进行训练的置信度比例和置信度损失权重值，得到所述目标检测模型的置信度比例和置信度损失权重值，完成所述目标检测模型的训练。5.如权利要求1
‑
4任一项所述的一种目标检测模型训练方法，其特征...
【专利技术属性】
技术研发人员：韩国栋，孙君亮，董保磊，李荣康，
申请(专利权)人：济南博观智能科技有限公司，
类型：发明
国别省市：
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。