【技术实现步骤摘要】
本专利技术涉及目标检测，尤其涉及一种电梯字符检测模型训练方法、装置、计算机设备及存储介质。
技术介绍
1、随着科学技术的不断发展，目标检测技术已经在多个
中得到广泛应用。如人工智能
中提供跨楼层服务的移动机器人。
2、移动机器人要想实现跨楼层服务，通常需要机器人通过目标检测技术对电梯的电梯显示面板进行识别，包括识别电梯外部的按键控制面板和楼层信息显示面板，以识别出移动机器人当前所在楼层的楼层信息和按键控制面板上的按键信息，如电梯上行按键和下行按键，然后控制机器人点击上行按键或下行按键打开电梯并进入电梯，当移动机器人进入电梯内部后，还需要识别电梯内部的楼层信息显示面板和按键控制面板，以识别出按键控制面板上对应的按键信息（按键字符），以控制机器人点击对应的按键，使电梯上行或下行到需要达到的楼层，由此，机器人可以基于目标检测技术自动乘坐电梯到达不同的楼层，实现跨楼层服务。
3、目前，移动机器人通常通过获取包含电梯楼层显示板的电梯图像，然后将电梯图像输入到电梯字符检测模型中进行字符识别，得到电梯的楼层信息和按键信息，然而，受限于训练样本数量的限制，电梯字符检测模型通常都是基于固定电梯场景的电梯图像训练得到，在应用到其他电梯场景时，可能会导致电梯字符检测模型的检测精度降低，因此，现有的电梯字符检测模型存在泛化性差的问题。
技术实现思路
1、本专利技术实施例提供一种电梯字符检测模型训练方法、装置、计算机设备及存储介质，以解决电梯字符检测模型存在泛化性差的问题
2、一种电梯字符检测模型训练方法，所述方法包括：
3、获取到电梯图像，并在每个电梯图像中标注出第一目标区域，所述第一目标区域为所述电梯图像中电梯显示面板所在的区域；
4、根据预设的外扩比例范围，对所述第一目标区域进行外扩，得到多个第二目标区域；
5、根据所述第二目标区域，对所述电梯图像进行剪裁，得到多个目标训练图像；
6、将所述目标训练图像输入到基础检测模型中进行迭代训练，得到电梯字符检测模型。
7、上述方法，可选的，所述根据预设的外扩比例范围，对所述第一目标区域进行外扩，得到多个第二目标区域，包括：
8、获取所述第一目标区域的第一位置参数和第一尺寸参数；
9、根据所述外扩比例范围中的不同比例参数，分别对所述第一位置参数和所述第一尺寸参数进行计算，得到第二位置参数和第二尺寸参数；
10、基于所述第二位置参数和所述第二尺寸参数确定所述第二目标区域。
11、上述方法，可选的，所述基础检测模型包括输入层、基准网络、neck网络和输出端，其中，neck网络中的每个特征融合模块和上采样模型所在的目标模块中，每个所述特征融合模块的输入端之前分别连接一个深度可分离卷积层。
12、上述方法，可选的，所述将所述目标训练图像输入到基础检测模型中进行迭代训练，得到电梯字符检测模型，包括：
13、对所述目标训练图像标注对应的真实检测框，所述真实检测框基于位置标签和尺寸标签得到；
14、将所述目标训练图像输入到所述基础检测模型，得到所述目标训练图像的预测检测框，所述预测检测框包括预测位置和预测尺寸；
15、根据所述预测位置、所述位置标签、所述预测尺寸和所述尺寸标签，计算得到所述基础检测模型的目标损失值；
16、在所述目标损失值达到预设条件时，得到所述电梯字符检测模型。
17、上述方法，可选的，所述根据所述预测位置、所述位置标签、所述预测尺寸和所述尺寸标签，计算得到所述基础检测模型的目标损失值，包括：
18、根据所述预测位置、所述位置标签、所述预测尺寸和所述尺寸标签，分别计算所述预测检测框和所述真实检测框的中心点距离、最小外接矩形的对角线距离、权重参数、修正因子、交并比和影响因子；
19、根据所述中心点距离、所述对角线距离、所述权重参数、所述修正因子、所述交并比和所述影响因子，计算得到所述目标损失值。
20、上述方法，可选的，所述目标损失值通过如下损失函数计算得到：
21、
22、其中，表示所述中心点距离，表示所述对角线距离，表示所述交并比，表示所述权重参数，表示所述修正因子，表示所述影响因子。
23、上述方法，可选的，所述影响因子通过如下方式计算得到：
24、根据所述预测尺寸，计算所述预测检测框的预测面积和预测尺寸比例；
25、根据所述预测面积和所述预测尺寸比例计算得到所述影响因子。
26、一种电梯字符检测模型训练装置，包括：
27、图像获取模块，获取到电梯图像，并在每个电梯图像中标注出第一目标区域，所述第一目标区域为所述电梯图像中电梯显示面板所在的区域；
28、区域外扩模块，根据预设的外扩比例范围，对所述第一目标区域进行外扩，得到多个第二目标区域；
29、区域剪裁模块，根据所述第二目标区域，对所述电梯图像进行剪裁，得到多个目标训练图像；
30、模型训练模块，将所述目标训练图像输入到基础检测模型中进行迭代训练，得到电梯字符检测模型。
31、一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一项所述电梯字符检测模型训练方法。
32、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述任一项所述电梯字符检测模型训练方法。
33、上述电梯字符检测模型训练方法、装置、计算机设备及存储介质，通过在电梯图像中标注第一目标区域，然后对第一目标区域进行按照预设的外扩比例范围进行外扩，得到多个第二目标区域，然后根据每个第二目标区域从电梯图像中截取出多个目标训练图像，进而根据得到的目标训练图像，对基础检测模型进行训练，得到电梯字符检测模型。可见，本专利技术通过对电梯图像中的第一目标区域进行外扩得到多个第二目标区域，进而根据第二目标区域从电梯图像中截取得到多个不同的目标训练图像，相较于现有技术，有效丰富了训练样本的数量，可以达到提高模型泛化性的目的。
本文档来自技高网...【技术保护点】
1.一种电梯字符检测模型训练方法，其特征在于，所述方法包括：
2.如权利要求1所述的电梯字符检测模型训练方法，其特征在于，所述根据预设的外扩比例范围，对所述第一目标区域进行外扩，得到多个第二目标区域，包括：
3.如权利要求1所述的电梯字符检测模型训练方法，其特征在于，所述基础检测模型包括输入层、基准网络、Neck网络和输出端，其中，Neck网络中的每个特征融合模块和上采样模型所在的目标模块中，每个所述特征融合模块的输入端之前分别连接一个深度可分离卷积层。
4.如权利要求1所述的电梯字符检测模型训练方法，其特征在于，所述将所述目标训练图像输入到基础检测模型中进行迭代训练，得到电梯字符检测模型，包括：
5.如权利要求4所述的电梯字符检测模型训练方法，其特征在于，所述根据所述预测位置、所述位置标签、所述预测尺寸和所述尺寸标签，计算得到所述基础检测模型的目标损失值，包括：
6.如权利要求5所述的电梯字符检测模型训练方法，其特征在于，所述目标损失值通过如下损失函数计算得到：
7.如权利要求5或6任一项所述的电梯字符检测
8.一种电梯字符检测模型训练装置，其特征在于，包括：
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述电梯字符检测模型训练方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述电梯字符检测模型训练方法。
...【技术特征摘要】
1.一种电梯字符检测模型训练方法，其特征在于，所述方法包括：
2.如权利要求1所述的电梯字符检测模型训练方法，其特征在于，所述根据预设的外扩比例范围，对所述第一目标区域进行外扩，得到多个第二目标区域，包括：
3.如权利要求1所述的电梯字符检测模型训练方法，其特征在于，所述基础检测模型包括输入层、基准网络、neck网络和输出端，其中，neck网络中的每个特征融合模块和上采样模型所在的目标模块中，每个所述特征融合模块的输入端之前分别连接一个深度可分离卷积层。
4.如权利要求1所述的电梯字符检测模型训练方法，其特征在于，所述将所述目标训练图像输入到基础检测模型中进行迭代训练，得到电梯字符检测模型，包括：
5.如权利要求4所述的电梯字符检测模型训练方法，其特征在于，所述根据所述预测位置、所述位置标签、所述...
【专利技术属性】
技术研发人员：高立娅，
申请(专利权)人：深圳云天励飞技术股份有限公司，
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。