发明内容
有鉴于此,本发明实施例提供一种用于检测物品类别和位置的检测网络的训练方法和装置,能够大大节省检测网络训练所耗的时间和人力成本,训练后的检测网络能够具有较高的物品检测准确度,达到很好的检测效果,检测网络的泛化能力较强。
为实现上述目的,根据本发明实施例的一个方面,提供了一种用于检测物品类别和位置的检测网络的训练方法。
一种用于检测物品类别和位置的检测网络的训练方法,包括:生成物品的虚拟图片;通过图像处理网络对所述虚拟图片进行处理,以生成与所述物品的虚拟图片对应的渲染图片,所述渲染图片与所述虚拟图片具有相同的标注信息;利用所述渲染图片及所述标注信息,对用于检测物品类别和位置的检测网络进行训练,得到训练后的所述检测网络。
可选地,所述图像处理网络为对抗式生成网络,通过图像处理网络对所述虚拟图片进行处理的步骤之前,包括:在所述对抗式生成网络的第一损失函数的基础上,构建所述对抗式生成网络的第二损失函数,并使用所述第二损失函数训练所述对抗式生成网络,其中,所述第一损失函数为所述对抗式生成网络的原有损失函数;所述第二损失函数根据以下各项构建:所述第一损失函数、所述渲染图片与所述虚拟图片的损失、所述渲染图片的标注信息与所述虚拟图片的标注信息的损失。
可选地,生成物品的虚拟图片的步骤,包括:通过2D建模生成所述物品的虚拟图片;或者,通过3D建模生成所述物品的2D图片和3D深度图,并将所述2D图片作为所述物品的虚拟图片。
根据本发明实施例的另一方面,提供了一种用于检测物品类别和位置的检测网络的训练装置。
一种用于检测物品类别和位置的检测网络的训练装置,包括:虚拟图片生成模块,用于生成物品的虚拟图片;虚拟图片处理模块,用于通过图像处理网络对所述虚拟图片进行处理,以生成与所述物品的虚拟图片对应的渲染图片,所述渲染图片与所述虚拟图片具有相同的标注信息;第一网络训练模块,用于利用所述渲染图片及所述标注信息,对用于检测物品类别和位置的检测网络进行训练,得到训练后的所述检测网络。
可选地,所述图像处理网络为对抗式生成网络,所述装置还包括:第二网络训练模块,用于在所述对抗式生成网络的第一损失函数的基础上,构建所述对抗式生成网络的第二损失函数,并使用所述第二损失函数训练所述对抗式生成网络,其中,所述第一损失函数为所述对抗式生成网络的原有损失函数;所述第二损失函数根据以下各项构建:所述第一损失函数、所述渲染图片与所述虚拟图片的损失、所述渲染图片的标注信息与所述虚拟图片的标注信息的损失。
可选地,所述虚拟图片生成模块还用于:通过2D建模生成所述物品的虚拟图片;或者,通过3D建模生成所述物品的2D图片和3D深度图,并将所述2D图片作为所述物品的虚拟图片。
根据本发明实施例的又一方面,提供了一种电子设备。
一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现本发明提供的用于检测物品类别和位置的检测网络的训练方法。
根据本发明实施例的又一方面,提供了一种计算机可读介质。
一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明提供的用于检测物品类别和位置的检测网络的训练方法。
上述发明中的一个实施例具有如下优点或有益效果:生成物品的虚拟图片;通过图像处理网络对虚拟图片进行处理,以生成与物品的虚拟图片对应的渲染图片,渲染图片与虚拟图片具有相同的标注信息;利用渲染图片及标注信息,对用于检测物品类别和位置的检测网络进行训练,得到训练后的检测网络。能够大大节省检测网络训练所耗的时间和人力成本,训练后的检测网络能够具有较高的物品检测准确度,达到很好的检测效果,检测网络的泛化能力较强。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明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,而不会背离本发明的范围和精神。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。
本领域技术技术人员知道,本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
图1是根据本发明第一实施例的用于检测物品类别和位置的检测网络的训练方法的主要步骤示意图。
如图1所示,本发明第一实施例的用于检测物品类别和位置的检测网络的训练方法主要包括如下的步骤S101至步骤S103。
步骤S101:生成物品的虚拟图片。
作为一种实施方式,可以通过2D建模生成物品的虚拟图片。
作为另一种实施方式,也可以通过3D建模生成物品的2D图片和3D深度图,并将2D图片作为物品的虚拟图片。具体地,可以使用物理引擎建立虚拟实验场景,例如使用bullet(一个开源的物理模拟计算引擎)搭建虚拟实验场景,进行3D建模,为了增加虚拟数据的真实性,还可以给虚拟物品添加纹理图案,最后得到虚拟的物品的2D图片和3D深度图,本发明实施例获取其中的2D图片作为物品的虚拟图片。
通过2D建模或3D建模得到物品的虚拟图片,可以无需通过人工标注即可生成训练所需要的标注数据,大大节省模型训练所耗的时间和人力成本。
步骤S102:通过图像处理网络对物品的虚拟图片进行处理,以生成与物品的虚拟图片对应的渲染图片,该渲染图片与该虚拟图片具有相同的标注信息。
其中,图像处理网络具体为对抗式生成网络(GAN)。
与物品的虚拟图片对应的渲染图片是对物品的虚拟图片进行渲染处理,而得到的比原生成的虚拟图片更加真实的一种虚拟图片。
本发明实施例的对抗式生成网络的网络结构如图2所示。对抗式生成网络是利用两个神经网络:一个判别网和一个生成网互相博弈,同时训练,这种训练模式下得到生成网能力十分强,可以生成一些与真实图像风格极为相近的图像,现有的判别网是使用随机向量作为输入,生成的结果也有很大随机性,本发明实施例对传统对抗式生成网络的网络结构进行修改,使得可以将虚拟图片输入到本发明实施例的对抗式生成网络进行处理,以把生成的虚拟图片渲染得更加真实。
需要说明的是,本发明除上述特别指出“传统对抗式生成网络”之前,其他部分提及的“对抗式生成网络”均指在上述“传统对抗式生成网络”基础之上改进的对抗式生成网络,即本发明实施例的对抗式生成网络。
步骤S101或步骤S102之前,可以在对抗式生成网络的第一损失函数的基础上,构建对抗式生成网络的第二损失函数,并使用第二损失函数训练该对抗式生成网络,其中,第一损失函数为该对抗式生成网络的原有损失函数(也是传统对抗式生成网络的损失函数)。
该第二损失函数根据以下各项构建:第一损失函数、渲染图片与虚拟图片的损失、渲染图片的标注信息与虚拟图片的标注信息的损失。
图3是根据本发明实施例的生成网的结构示意图。如前所述,本发明实施例将生成网的输入更换为步骤S101生成的虚拟图片,并同时对生成网的损失函数(即上述的第一损失函数)做修改,添加与标注相关的损失以防止生成网在渲染图像时去除图片的标注信息,得到的第二损失函数具体如下:
其中,xi是物品的虚拟图片;是物品的虚拟图片对应的渲染图片;i表示虚拟图片或渲染图片的序号;y表示真实图片;lreal是传统对抗式生成网络的loss(损失),其由判别网对渲染图片和真实图片的真实性进行判断而生成;lreg是渲染图片与虚拟图片的loss(损失);lann是渲染图片的标注信息与虚拟图片的标注信息的损失(loss);θ为通过训练待确定的参数;λ、δ是超参数,由经验设定。
通过对GAN网络的修改,添加以下两项(和/>)与标注相关的损失,使得GAN渲染图片时可以保留输入的虚拟图片的标注信息,从而使用该第二损失函数训练该对抗式生成网络,可以得到非常理想地接近真实图片而又不损失标注信息的渲染图片。
步骤S103:利用渲染图片及标注信息,对用于检测物品类别和位置的检测网络进行训练,得到训练后的检测网络。
由于本发明实施例利用虚拟数据作为训练样本,无需人工标注,且可以生成大量的虚拟数据,从而在进行检测网络训练时,可以使用比现有人工标注训练样本数量大得多的训练样本来训练检测网络,大大提高了训练后的检测网络的泛化能力。
下面以仓库拣选场景为例,结合具体的商品检测流程来介绍本发明实施例的训练方法。其中,商品可以是通过机械手拣选的商品。
图4是根据本发明第二实施例的商品类别和位置的检测流程示意图。根据仓库商品拣选的场景,可以选择SSD(single shot multibox detector,单发多盒探测器)网络这种速度比较快的检测网络,利用大量的虚拟数据,训练出一个识别率高、比较稳定、对基础特征提取好的检测网络。
本发明第二实施例的商品类别和位置的检测流程包括步骤S401至步骤S404。
步骤S401:通过3D建模的方式生成虚拟的物品的2D图片和3D深度图。
步骤S402:将虚拟的物品的2D图片输入对抗式生成网络,以对虚拟的物品的2D图片进行渲染,以生成与虚拟的物品的2D图片对应的渲染图片,该渲染图片与虚拟的物品的2D图片具有相同的标注信息。
步骤S403:利用渲染图片及标注信息对SSD网络进行训练,得到训练后的SSD网络。
步骤S404:利用训练后的SSD网络对商品进行类别和位置信息的检测。
SSD网络结构具体如图5所示,其中SSD网络包括:多个卷积层,还包括检测层、非极大值抑制层,SSD网络的输入为与虚拟的物品的2D图片对应的渲染图片,输出为商品的类别和位置信息(检测框信息),Conv表示卷积层。
本发明实施例的SSD网络还可以替换为其他深度学习的、用于检测物品类别和位置信息的检测网络。深度学习模型的飞速发展已经证明了这种方法在视觉识别上的优越性,但是深度学习的检测网络对训练样本的数量要求过高,通过传统训练方式获取一个效果理想的仓库商品检测网络,需要采集大量的数据,同时对每一张图片里商品的位置和类别做人工标注,这个成本非常高,同时也非常耗时,极大地延缓了研发的速度和一个模型里增添新货品的速度。
使用本发明提供的训练方法,通过2D或3D建模生成虚拟图片,同时使用GAN网络来渲染虚拟图片,以得到更加真实的虚拟图片作为训练样本,来训练检测网络,可以极大地节省这部分成本和时间,并且由于对生成的虚拟图片进行了渲染处理,使得作为训练样本的虚拟图片的真实度更高,从而使用训练后的检测网络检测物品时,可以具有较高的检测准确度,达到较好的检测效果。并且,使用虚拟图片作为训练样本训练检测网络,使得训练数据更加丰富,检测网络的泛化能力更强。
图6是根据本发明第三实施例的用于检测物品类别和位置的检测网络的训练装置的主要模块示意图。
本发明第三实施例的用于检测物品类别和位置的检测网络的训练装置600主要包括:虚拟图片生成模块601、虚拟图片处理模块602、第一网络训练模块603。
虚拟图片生成模块601用于生成物品的虚拟图片。
虚拟图片生成模块601具体可以用于:通过2D建模生成物品的虚拟图片;或者,通过3D建模生成物品的2D图片和3D深度图,并将2D图片作为物品的虚拟图片。
虚拟图片处理模块602,用于通过图像处理网络对生成的物品的虚拟图片进行处理,以生成与物品的虚拟图片对应的渲染图片,该渲染图片与虚拟图片生成模块601生成的虚拟图片具有相同的标注信息。
图像处理网络具体为对抗式生成网络。
第一网络训练模块603,用于利用渲染图片及标注信息,对用于检测物品类别和位置的检测网络进行训练,得到训练后的检测网络。
装置600还可以包括:第二网络训练模块,用于在对抗式生成网络的第一损失函数的基础上,构建对抗式生成网络的第二损失函数,并使用第二损失函数训练对抗式生成网络,其中,第一损失函数为对抗式生成网络的原有损失函数(也是传统对抗式生成网络的损失函数);
第二损失函数根据以下各项构建:第一损失函数、渲染图片与虚拟图片的损失、渲染图片的标注信息与虚拟图片的标注信息的损失。
第二损失函数的具体形式如下:
其中,xi是物品的虚拟图片;是物品的虚拟图片对应的渲染图片;i表示虚拟图片或渲染图片的序号;y表示真实图片;lreal是传统对抗式生成网络的loss(损失),其由判别网对渲染图片和真实图片的真实性进行判断而生成;lreg是渲染图片与虚拟图片的loss(损失);lann是渲染图片的标注信息与虚拟图片的标注信息的损失(loss);θ为通过训练待确定的参数;λ、δ是超参数,由经验设定。
另外,在本发明实施例中用于检测物品类别和位置的检测网络的训练装置的具体实施内容,在上面所述用于检测物品类别和位置的检测网络的训练方法中已经详细说明了,故在此重复内容不再说明。
图7示出了可以应用本发明实施例的用于检测物品类别和位置的检测网络的训练方法或用于检测物品类别和位置的检测网络的训练装置示例性系统架构700。
如图7所示,系统架构700可以包括终端设备701、702、703,网络704和服务器705。网络704用以在终端设备701、702、703和服务器705之间提供通信链路的介质。网络704可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备701、702、703通过网络704与服务器705交互,以接收或发送消息等。终端设备701、702、703上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备701、702、703可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器705可以是提供各种服务的服务器,例如对用户利用终端设备701、702、703所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如产品信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的用于检测物品类别和位置的检测网络的训练方法一般由服务器705执行,相应地,用于检测物品类别和位置的检测网络的训练装置一般设置于服务器705中。
应该理解,图7中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图8,其示出了适于用来实现本申请实施例的终端设备或服务器的计算机系统800的结构示意图。图8示出的终端设备或服务器仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图8所示,计算机系统800包括中央处理单元(CPU)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中,还存储有系统800操作所需的各种程序和数据。CPU 801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
以下部件连接至I/O接口805:包括键盘、鼠标等的输入部分806;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807;包括硬盘等的存储部分808;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器810上,以便于从其上读出的计算机程序根据需要被安装入存储部分808。
特别地,根据本发明公开的实施例,上文参考主要步骤示意图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行主要步骤示意图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分809从网络上被下载和安装,和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时,执行本申请的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的主要步骤示意图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,主要步骤示意图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或主要步骤示意图中的每个方框、以及框图或主要步骤示意图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括虚拟图片生成模块、虚拟图片处理模块、第一网络训练模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,虚拟图片生成模块还可以被描述为“用于生成物品的虚拟图片的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:生成物品的虚拟图片;通过图像处理网络对所述虚拟图片进行处理,以生成与所述物品的虚拟图片对应的渲染图片,所述渲染图片与所述虚拟图片具有相同的标注信息;利用所述渲染图片及所述标注信息,对用于检测物品类别和位置的检测网络进行训练,得到训练后的所述检测网络。
根据本发明实施例的技术方案,生成物品的虚拟图片;通过图像处理网络对虚拟图片进行处理,以生成与物品的虚拟图片对应的渲染图片,渲染图片与虚拟图片具有相同的标注信息;利用渲染图片及标注信息,对用于检测物品类别和位置的检测网络进行训练,得到训练后的检测网络。能够大大节省检测网络训练所耗的时间和人力成本,训练后的检测网络能够具有较高的物品检测准确度,达到很好的检测效果,检测网络的泛化能力较强。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。