【技术实现步骤摘要】
本申请涉及数据处理，特别是涉及模型的训练方法、目标检测方法、终端及介质。
技术介绍
1、基于深度学习的视觉感知算法对输入的样本图像的质量较为依赖，若样本图像较为单一，训练得到的视觉感知算法容易出现过拟合的现象，导致该视觉感知算法在实际场景中的感知能力大幅度下降，存在泛化性能不足的缺点。
2、为了增加样本图像的多样性，常见的方案是实地采集更多的图像样本，采集更多的图像样本需要投入更多的人力物力进行图像采集及标签信息的标注，拖慢了视觉感知算法的开发进程。
技术实现思路
1、本申请提供模型训练的方法、目标检测方法、终端及介质。
2、本申请采用的一个技术方案是提供一种模型训练的方法，该方法包括：
3、获取原始样本图像、原始样本图像对应的相机外参，以及从原始样本图像中获取目标对象的位姿；
4、根据外参增强矩阵对位姿进行变换，得到变换后的位姿；
5、利用外参增强矩阵对相机外参进行变换，得到变换后的相机外参；
6、将原始样本图像，以及变换后的位姿和变换后的相机外参输入至待训练的模型中进行训练，得到完成训练的模型。
7、可选地，外参增强矩阵包括目标位姿旋转矩阵，根据外参增强矩阵对位姿进行变换，得到变换后的位姿，包括：
8、利用目标位姿旋转矩阵，对位姿进行位姿旋转，得到第一变换位姿；
9、利用外参增强矩阵对相机外参进行变换，得到变换后的相机外参，包括：
10、计算目标位姿旋转矩阵的
11、计算相机外参与第一逆矩阵的矩阵乘积，得到变换后的相机外参。
12、可选地，外参增强矩阵包括目标位姿平移矩阵，
13、根据外参增强矩阵对位姿进行变换，得到变换后的位姿，包括：
14、利用目标位姿平移矩阵，对位姿进行位姿平移，得到第二变换位姿；
15、利用外参增强矩阵对相机外参进行变换，得到变换后的相机外参，包括：
16、计算目标位姿平移矩阵的逆矩阵，得到第二逆矩阵；
17、计算相机外参与第二逆矩阵的矩阵乘积，得到变换后的相机外参。
18、可选地，外参增强矩阵包括目标位姿翻转矩阵，根据外参增强矩阵对位姿进行变换，得到变换后的位姿，包括：
19、利用目标位姿翻转矩阵，对位姿进行位姿翻转，得到第三变换位姿；
20、利用外参增强矩阵对相机外参进行变换，得到增强后的相机外参，包括：
21、计算目标位姿翻转矩阵的逆矩阵，得到第三逆矩阵；
22、计算相机外参与第三逆矩阵的矩阵乘积，得到变换后的相机外参。
23、可选地，获取原始样本图像的步骤之后，还包括：
24、获取原始样本图像对应的相机内参；
25、利用内参增强矩阵对相机内参进行变换，得到变换后的相机内参；
26、根据变换后的相机内参对原始样本图像进行变换，生成新的样本图像；
27、将新的样本图像，输入至待训练的模型中进行训练，得到完成训练的模型。
28、可选地，内参增强矩阵包括图像裁剪矩阵、图像放缩矩阵、图像旋转矩阵、图像翻转矩阵中的至少一种。
29、可选地，将所述原始样本图像，以及所述变换后的位姿和所述变换后的相机外参输入至待训练的模型中进行训练，得到完成训练的模型，包括：
30、根据所述变换后的相机内参对所述原始样本图像进行变换，生成新的样本图像；
31、将新的样本图像，以及变换后的位姿、变换后的相机外参、变换后的相机内参，输入至待训练的模型中进行训练，得到所述完成训练的模型。
32、本申请采用的另一个技术方案是提供一种目标检测方法，该方法包括：
33、获取待检测图像；
34、将待检测图像输入至目标检测模型中，得到目标检测结果，其中，目标检测模型如上述的模型训练方法训练得到；
35、本申请采用的另一个技术方案是提供一种终端设备，终端设备包括存储器以及与存储器连接的处理器；
36、其中，存储器用于存储程序数据，处理器用于执行程序数据以实现如上述的模型训练方法和/或目标检测方法。
37、本申请采用的另一个技术方案是提供一种计算机存储介质，计算机存储介质用于存储程序数据，程序数据在被计算机执行时，用以实现如上述的模型训练方法和/或目标检测方法。
38、本申请的有益效果是：利用外参增强矩阵对原始样本图像中的目标对象的位姿进行变换，得到变换后的位姿；利用外参增强矩阵对相机外参进行变换，得到变换后的相机外参；将原始样本图像，以及变换后的位姿和变换后的相机外参输入至待训练的模型中进行训练，得到完成训练的模型。本申请提供的模型训练方法，在不付出额外样本图像采集和数据标注成本的前提下，利用外参增强矩阵生成不同位姿的目标对象，提升完成训练的模型的性能，以及提升完成训练的模型在不同硬件设备上的迁移能力。进一步地，本申请提供的技术方案利用外参增强矩阵，生成相机在不同安装位置、安装角度下的相机外参，进一步地提升完成训练的模型对实际场景的识别能力。
本文档来自技高网...【技术保护点】
1.一种模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述外参增强矩阵包括目标位姿旋转矩阵，
3.根据权利要求1所述的方法，其特征在于，所述外参增强矩阵包括目标位姿平移矩阵，
4.根据权利要求1所述的方法，其特征在于，所述外参增强矩阵包括目标位姿翻转矩阵，
5.根据权利要求1所述的方法，其特征在于，
6.根据权利要求5所述的方法，其特征在于，所述内参增强矩阵包括图像裁剪矩阵、图像放缩矩阵、图像旋转矩阵、图像翻转矩阵中的至少一种。
7.根据权利要求1所述的方法，其特征在于，所述将所述原始样本图像，以及所述变换后的位姿和所述变换后的相机外参输入至待训练的模型中进行训练，得到完成训练的模型，包括：
8.一种目标检测方法，其特征在于，所述方法包括：
9.一种终端设备，其特征在于，所述终端设备包括处理器、与所述处理器连接的存储器，其中，
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序指令，所述程序指令被执行时实现如权利要求1至
...【技术特征摘要】
1.一种模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述外参增强矩阵包括目标位姿旋转矩阵，
3.根据权利要求1所述的方法，其特征在于，所述外参增强矩阵包括目标位姿平移矩阵，
4.根据权利要求1所述的方法，其特征在于，所述外参增强矩阵包括目标位姿翻转矩阵，
5.根据权利要求1所述的方法，其特征在于，
6.根据权利要求5所述的方法，其特征在于，所述内参增强矩阵包括图像裁剪矩阵、图像放缩矩阵、图像旋转矩阵、图...
【专利技术属性】
技术研发人员：盛军辉，章霖超，王煜，谢钱昆，
申请(专利权)人：浙江零跑科技股份有限公司，
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。