CN112906502B - 目标检测模型的训练方法、装置、设备以及存储介质 - Google Patents
目标检测模型的训练方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN112906502B CN112906502B CN202110128575.1A CN202110128575A CN112906502B CN 112906502 B CN112906502 B CN 112906502B CN 202110128575 A CN202110128575 A CN 202110128575A CN 112906502 B CN112906502 B CN 112906502B
- Authority
- CN
- China
- Prior art keywords
- prediction
- prediction frame
- cross ratio
- generalized cross
- detection model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012549 training Methods 0.000 title claims abstract description 51
- 230000006870 function Effects 0.000 claims abstract description 79
- 239000011159 matrix material Substances 0.000 claims description 33
- 238000010606 normalization Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 abstract description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/193—Preprocessing; Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/197—Matching; Classification
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Multimedia (AREA)
- Public Health (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Epidemiology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- Ophthalmology & Optometry (AREA)
- Human Computer Interaction (AREA)
- Biophysics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Pathology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了目标检测模型的训练方法、装置、设备以及存储介质,涉及图像识别、深度学习等人工智能技术领域。该方法包括:通过目标检测模型对样本图像中的目标进行预测,得到预测框及该预测框对应的类别置信度;计算预测框和与该预测框对应的真值框的广义交并比值,得到预测框的广义交并比值;基于预测框的广义交并比值,确定基于预测框对应的类别置信度以及预测框的标签确定的焦损失函数的权重;基于权重和焦损失函数,确定分类损失函数,以及基于分类损失函数训练目标检测模型,得到训练完成的目标检测模型,从而在目标检测模型训练过程中,使得定位精度高的预测框能收敛至更高的类别置信度,进一步提升目标检测模型的精度。
Description
技术领域
本申请涉及计算机技术领域,具体涉及图像识别、深度学习等人工智能技术领域,尤其涉及目标检测模型的训练方法、装置、设备以及存储介质。
背景技术
目标检测器主要是在模型的主干网络上抽取不同尺度的特征图,通过一系列特征融合操作后继而对预测框进行分类和回归。
现有的目标检测器对预测框可以进行并行地分类与回归,所以使用分类分支的置信度作为非极大值抑制中预测框的质量评价分数是简易且初步有效的,但不排除实际上与真值框重叠度更高的预测框被其他低质量但置信度较高的预测框抑制丢弃的情况,即学界所说的分类与定位准确度不匹配问题。换句话说,当仅使用基于分类的损失函数对类别置信度进行优化时,则不能完全其完全符合定位准确度的语义规则。
发明内容
本申请实施例提供了目标检测模型的训练方法、装置、设备以及存储介质。
第一方面,本申请实施例提供了目标检测模型的训练方法,包括:通过目标检测模型对样本图像中的目标进行预测,得到预测框及该预测框对应的类别置信度;计算预测框和与该预测框对应的真值框的广义交并比值,得到预测框的广义交并比值;基于预测框的广义交并比值,确定基于预测框对应的类别置信度以及预测框的标签确定的焦损失函数的权重;基于权重和焦损失函数,确定分类损失函数,以及基于分类损失函数训练目标检测模型,得到训练完成的目标检测模型。
第二方面,本申请实施例提供了目标检测模型的训练装置,包括:预测模块,被配置成通过目标检测模型对样本图像中的目标进行预测,得到预测框及该预测框对应的类别置信度;计算模块,被配置成计算预测框和与该预测框对应的真值框的广义交并比值,得到预测框的广义交并比值;第一确定模块,被配置成基于预测框的广义交并比值,确定基于预测框对应的类别置信度以及预测框的标签确定的焦损失函数的权重;第二确定模块,被配置成基于权重和焦损失函数,确定分类损失函数,以及训练模块,被配置成基于分类损失函数训练目标检测模型,得到训练完成的目标检测模型。
第三方面,本申请实施例提出了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。
第四方面,本申请实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。
第五方面,本申请实施例提出了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行如第一方面中任一实现方式描述的方法。
本申请实施例提供的目标检测模型的训练方法、装置、设备以及存储介质,首先通过目标检测模型对样本图像中的目标进行预测,得到预测框及该预测框对应的类别置信度;之后计算预测框和与该预测框对应的真值框的广义交并比值,得到预测框的广义交并比值;而后基于预测框的广义交并比值,确定基于预测框对应的类别置信度以及预测框的标签确定的焦损失函数的权重;最后基于权重和焦损失函数,确定分类损失函数,以及基于分类损失函数训练目标检测模型,得到训练完成的目标检测模型,从而在目标检测模型训练过程中,使得定位精度更高的预测框能收敛至更高的类别置信度,进一步提升目标检测模型的精度。
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
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显。附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的目标检测模型的训练方法的一个实施例的流程示意图;
图3是根据本申请的目标检测模型的训练方法的另一个实施例的流程示意图;
图4是根据本申请的目标检测模型的训练方法的一个实施例的应用场景示意图;
图5是本申请的目标检测模型的训练装置的一个实施例的结构示意图;
图6是用来实现本申请实施例的目标检测模型的训练方法的电子设备的框图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的目标检测模型的训练方法或目标检测模型的训练装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、网络102、服务器103。网络102用以在终端设备101和服务器103之间提供通信链路的介质。网络102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。
终端设备101可以通过网络102与服务器103交互。终端设备101中可以提供样本图像,包括但不限于数据库、用户终端等等。
服务器103可以提供各种服务,例如服务器103可以对从终端设备101获取到的样本图像等数据进行分析等处理,生成处理结果(例如基于权重和焦损失函数,确定分类损失函数,以及基于分类损失函数训练目标检测模型,得到训练完成的目标检测模型)。
需要说明的是,服务器103可以是硬件,也可以是软件。当服务器103为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器103为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本申请实施例所提供的目标检测模型的训练方法一般由服务器103执行,相应地,目标检测模型的训练装置一般设置于服务器103中。
应该理解,图1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。
继续参考图2,示出了根据本申请的目标检测模型的训练方法的一个实施例的流程200。该方法包括以下步骤:
步骤201,通过目标检测模型对样本图像中的目标进行预测,得到预测框及该预测框对应的类别置信度。
在本实施例中,目标检测模型的训练方法的执行主体(例如图1所示的服务器103)可以通过目标检测模型对样本图像中的目标进行预测,得到预测框及该预测框对应的类别置信度。其中,类别置信度指的是预测框中的对象是目标的概率。这里的目标是根据检测任务而预先设置的,例如目标包括人、车、牛等等。
其中,目标检测模型既可以是单阶段目标检测器,也可以是多阶段目标检测器。单阶段目标检测器是在模型的主干网络上抽取不同尺度的特征图,通过一系列特征融合操作后继而对预测框同时进行分类和回归。单阶段目标检测器包括但不限于YOLO(You OnlyLook Once)模型、RetinaNet模型、一阶全卷积目标检测模型(FCOS,Fully ConvolutionalOne-Stage Object Detection)、CenterNet模型、EfficientDet模型等等。多阶段目标检测器则是通过多级区域候选网络(RPN,Region Proposal Network)进行前后背景区分来逐渐缓和正负样本分布,最终再对有效的前景区域(ROI,Region of interest)进行精细地目标分类和预测。多阶段目标检测器包括但不限于Faster RCNN模型、级联RCNN网络模型、混合任务级联模型等等。
以Faster RCNN模型为例,样本图像经过卷积神经网络(Convolutional NeuralNetworks,CNN)特征提取后,进入区域候选网络RPN,并由区域候选网络RPN输出针对各个区域的一个分类值Q,其中,Q∈[0,1]。如果某个区域的分类值Q大于设定的阈值(例如0.5),则区域候选网络RPN会将该区域选取出来,框定该区域的位置,并输出预测框。最后,将经由区域候选网络RPN选出的区域(即预测框)输入到分类网络中进行分类和预测,得到预测框对应的类别置信度。
步骤202,计算预测框和与该预测框对应的真值框的广义交并比值,得到预测框的广义交并比值。
在本实施例中,上述执行主体可以计算预测框和与该预测框对应的真值框的广义交并比值,得到预测框的广义交并比值。
广义交并比(Generalized Intersection over Union,GIoU)是交并比(Intersection over Union,IoU)的改进版本。其可以解决IoU损失对于无重合预测框与真值框的梯度恒定为0的问题,其具体公式如下所示:
其中,IoU表示预测框与真值框的交并比,即两者交叠的区域面积大小与两者并集的区域面积大小的比值;Ac则表示以预测框和真值框中最左上及最右下角点所围成的区域面积;U表示预测框和真值框并集区域面积。
由上述公式可见,与IoU所不同的是,当预测框与真值框无交叠部分时GIoU值并非全0,而是随着两者的距离远近而不断变化。因此,在这种情况下,GIoU损失所产生的梯度同样并非恒定为0。相较于IoU,GIoU可以更好的引导预测框进行回归。相应的,当作为预测框和真值框的定位精度评价指标时,GIoU也可以在两者交叠面积为0的情况下对其定位精度做到更细致的评估。
步骤203,基于预测框的广义交并比值,确定基于预测框对应的类别置信度以及预测框的标签确定的焦损失函数的权重。
在本实施例中,上述执行主体可以基于预测框的广义交并比值,确定基于预测框对应的类别置信度以及预测框的标签确定的焦损失函数的权重。
焦损失函数(Focal Loss)是在交叉熵损失函数基础上进行的修改,其核心思想主要是通过大幅度抑制简单样本的权重、小幅度抑制难例样本的权重来达到难例挖掘的效果,以二分类问题为例其具体公式如下:
其中,p表示预测框对应的类别置信度(p∈[0-1]);y表示预测框的标签,y=1表示预测框的标签为正样本,y=0表示预测框的标签为负样本;γ表示焦参数(FocusingParameter);表示加权常量,主要用于调节正样本和负样本之间的梯度大小。
其中,可以在Focal Loss的基础上,以基于GIoU的加权形式来增强与抑制不同定位精度的预测框的梯度强度,从而使得定位精度高的预测框能收敛至更高的分类置信度。
其中,可以根据所有预测框的广义交并比值,确定表示定位精度的权重矩阵,并将该权重矩阵作为Focal Loss的权重。其中,在权重和Focal Loss相乘的情况下,可以将权重作为Focal Loss的系数。例如,可以将上述权重矩阵作为Focal Loss的系数,并将该系数作为Focal Loss的权重。
步骤204,基于权重和焦损失函数,确定分类损失函数,以及基于分类损失函数训练目标检测模型,得到训练完成的目标检测模型。
在本实施例中,上述执行主体可以基于权重和焦损失函数,确定分类损失函数,以及基于分类损失函数训练目标检测模型,得到训练完成的目标检测模型。
其中,权重和焦损失函数可以以各种方式组合,以增强与抑制不同定位精度的预测框的Focal Loss梯度强度。其中,当预测框与真值框的重合程度越大时,则其广义交并比值越大,其对应的Focal Loss的加权系数越大,从而可以增强预测框的Focal Loss梯度强度。当预测框与真值框的重合程度越小时,则其广义交并比值越小,其对应的Focal Loss的加权系数越小,从而可以抑制预测框的Focal Loss梯度强度。
本申请上述实施例提供的目标检测模型的训练方法,通过基于GIoU加权的目标检测分类损失函数,使得模型在训练过程中可以更多的对高质量的难例样本进行充分关注,从而在无额外开销的情况下将定位精度建模到类别置信度内部,在无额外计算开销的情况下,进一步提升目标检测模型的精度。
在本实施例的一些可选的实现方式中,广义交并比值为广义交并比值矩阵,上述步骤203包括:
步骤2031,对预测框的广义交并比值矩阵进行归一化操作,使得广义交并比值矩阵的均值与焦损失函数产生的梯度强度均值一致。
其中,广义交并比值权重矩阵WGIoU(PRED,GT)的具体定义如下:
其中,GIoU表示预测框的广义交并比值,WGIoU表示归一化前的GIOU值矩阵,RPED和GT代表GIOU值的两个参数集合,PRED代表所有预测框的集合,GT代表各个预测框对应的真值框的集合,predi,j.表示位于坐标(i,j)上的预测框,gti,j.则表示predi,j.所对应的真值框,i∈[1,n],j∈[1,m]。其中,可以将广义交并比值矩阵WGIoU(PRED,GT)进行归一化操作,则代表该矩阵的均值,具体定义如下:
其中,若焦损失函数的梯度强度的均值为1,则可以将广义交并比值矩阵WGIoU(PRED,GT)归一化至均值1。
步骤2032,基于预测框的广义交并比值与广义交并比值矩阵的均值,确定焦损失函数的权重。
其中,可以根据预测框的广义交并比值与广义交并比值矩阵的均值,通过预设的函数关系,确定焦损失函数的权重。例如某个位置(i,j)上的预测框所对应的权重wGIoU(predi,j,gti,j)的计算公式如下:
其中,predi,j表示位于坐标(i,j)上的预测框,gti,j.则表示predi,j.所对应的真值框。
本申请实施例中,通过基于每个预测框与真值框的GIoU值进行了权重归一化操作,从而保证预测框分类损失所产生的梯度强度仍与焦损失函数所产生的梯度强度一致。
进一步参考图3,其示出了目标检测模型的训练方法的另一个实施例的流程图,该方法包括如下步骤:
步骤301,采用特征金字塔网络,得到输入图像的多个尺度的特征图。
在本实施例中,目标检测模型的训练方法的执行主体(例如图1所示的服务器103)可以采用特征金字塔网络,得到输入图像的多个尺度的特征图。
特征金字塔网络是一种利用常规CNN模型来高效提取输入图片中各维度特征的方法,其通过利用常规CNN模型内部从底至上各个层对同一尺度图片不同维度的特征表达结构,在单一图片视图下生成对其的多维度特征表达,并得到多个尺度的特征图。
步骤302,通过目标检测模型对多个尺度的特征图中目标进行预测,得到每个尺度的特征图对应的预测框及该预测框对应的类别置信度。
在本实施例中,上述执行主体可以通过目标检测模型对多个尺度的特征图中目标进行预测,得到每个尺度的特征图对应的预测框及该预测框对应的类别置信度。
目标检测模型可以基于特征金字塔网络所产生的不同尺度的特征图分别进行分类和预测,得到每个尺度的特征图对应的预测框及该预测框对应的类别置信度。
步骤303,计算预测框和与该预测框对应的真值框的广义交并比值,得到预测框的广义交并比值。
其中,以单一尺度为粒度,分别计算每个尺度的特征图上的各个位置的预测框与该预测框对应的真值框的广义交并比值。具体的计算方法与步骤202基本相同,因此不再赘述。
步骤304,基于预测框的广义交并比值,确定基于预测框对应的类别置信度以及预测框的标签确定的焦损失函数的权重。
其中,以单一尺度为粒度,确定每个尺度的特征图上对应的每个预测框的焦损失函数的权重。具体的确定方法与步骤203基本相同,因此不再赘述。
步骤305,基于权重和焦损失函数,确定分类损失函数,以及基于分类损失函数训练目标检测模型,得到训练完成的目标检测模型。
步骤305与步骤204基本相同,因此不再赘述。
在本实施例的一些可选的实现方式中,上述步骤204中基于权重和焦损失函数,确定分类损失函数包括:将权重和焦损失函数相乘,得到分类损失函数。
其中,具体的计算公式如下:
其中,wGIou(predi,j,gti,j)表示某个位置(i,j)上的预测框所对应的权重,p表示预测框对应的类别置信度(p∈[0-1]);y表示预测框的标签,y=1表示预测框的标签为正样本,y=0表示预测框的标签为负样本;γ表示焦参数(Focusing Parameter);表示加权常量,主要用于调节正样本和负样本之间的梯度大小。
在本实施例的一些可选的实现方式中,与该预测框对应的真值框为真值框集合中与预测框的广义交并比值最大的真值框。其中,通过将真值框集合中与预测框的广义交并比值最大的真值框作为与该预测框对应的真值框,可以将预测框与该预测框距离最近的真值框进行匹配,进而选出最佳的真实标签。
在本实施例的一些可选的实现方式中,对预测框的广义交并比值矩阵进行归一化操作包括:对每个尺度下的特征图中的所有预测框的广义交并比值矩阵进行归一化操作。
这里是以单一尺度为了粒度,对每个尺度下的特征图中的所有预测框的广义交并比值矩阵进行归一化操作。
为了便于理解,图4示出了根据本申请的目标检测模型的训练方法的一个实施例的应用场景示意图。
智能眼底筛查系统是指在无专业眼科医生的协助下,系统以所拍摄的受检测者的眼底视网膜图像信息为主、辅助参考其身体状况(如血糖、血压、年龄、性别、是否怀孕等)从而自主地作出符合临床医生诊断经验的智能决策系统。从眼底筛查系统部署的角度来看,智能筛查系统在实际落地过程中主要具有两种不同的承载方式:一种是端云交互的方式,即将眼底照片采集后直接发送至云端,使用云端服务器进行诊断并返回相应的诊断结果;另一种则是采用本地智能终端硬件自主决策的方式,即摆脱网络依赖、直接将待筛查的照片在本地的智能终端上进行诊断决策。第一种方式对智能诊断模型的设计具有较为宽松的要求,但诊断结果依赖于本地眼底相机是否接入网络。第二种则是不依赖于网络环境可直接反馈诊断结果,但可能对智能诊断系统的复杂度以及有限算力下的实时性产生了极大的考验。
本申请实施例提供的目标检测模型的训练方法,提出了一种基于广义交并比值加权的分类损失函数,在使用中只需要将焦损失函数替换为该基于广义交并比值加权的分类损失函数,从而提供一种通用的目标检测模型的分类损失函数,提升第二种方式下目标检测模型的检测精度。
如图4所示,可以将眼底照片输入至特征金字塔网络,通过特征金字塔网络可以产生眼底照片在五个尺度下的特征图C3、C4、C5、C6、C7。然后将特征图C3、C4、C5、C6、C7分别输入至分类网络,得到每个尺度的特征图所对应的预测框及该预测框对应的类别置信度。最后计算每个尺度的特征图对应的分类损失函数Loss_1、Loss_2、Loss_3、Loss_4、Loss_5。其中,每个分类损失函数的计算步骤如下:
1)基于不同尺度的特征图所对应的预测框,分别计算每个位置上的预测框与所匹配的真值框的GIoU值;
2)以单一尺度为粒度,对该尺度下的所有预测框的GIoU值所产生的矩阵进行归一化操作,将其归一化至均值1。这样的操作可以保证其梯度强度均值与Focal Loss一致;
3)将所得到的GIoU矩阵作为Focal Loss加权的权重,通过计算该损失函数优化检测网络模型参数。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种目标检测模型的训练装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的目标检测模型的训练装置500可以包括:预测模块501、计算模块502、第一确定模块503、第二确定模块504。其中,预测模块501,被配置成通过目标检测模型对样本图像中的目标进行预测,得到预测框及该预测框对应的类别置信度;计算模块502,被配置成计算预测框和与该预测框对应的真值框的广义交并比值,得到预测框的广义交并比值;第一确定模块503,被配置成基于预测框的广义交并比值,确定基于预测框对应的类别置信度以及预测框的标签确定的焦损失函数的权重;第二确定模块504,被配置成基于权重和焦损失函数,确定分类损失函数,以及训练模块,被配置成基于分类损失函数训练目标检测模型,得到训练完成的目标检测模型。
在本实施例中,目标检测模型的训练装置500中:预测模块501、计算模块502、第一确定模块503、第二确定模块504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-204的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,第二确定模块进一步被配置成:将权重和焦损失函数相乘,得到分类损失函数。
在本实施例的一些可选的实现方式中,广义交并比值为广义交并比值矩阵,第一确定模块进一步被配置成:对预测框的广义交并比值矩阵进行归一化操作,使得广义交并比值矩阵的均值与焦损失函数产生的梯度强度均值一致;基于预测框的广义交并比值与广义交并比值矩阵的均值,确定焦损失函数的权重。
在本实施例的一些可选的实现方式中,广义交并比值由预测框和真值框的交集、并集以及预测框和真值框中的最左上角点及最右下角点围成的区域面积确定。
在本实施例的一些可选的实现方式中,与该预测框对应的真值框为真值框集合中与预测框的广义交并比值最大的真值框。
在本实施例的一些可选的实现方式中,目标检测模型包括单阶段目标检测器和多阶段目标检测器。
在本实施例的一些可选的实现方式中,预测模块进一步被配置成:采用特征金字塔网络,得到输入图像的多个尺度的特征图;通过目标检测模型对多个尺度的特征图中目标进行预测,得到每个尺度的特征图对应的预测框及该预测框对应的类别置信度。
在本实施例的一些可选的实现方式中,对预测框的广义交并比值矩阵进行归一化操作包括:对每个尺度下的特征图中的所有预测框的广义交并比值矩阵进行归一化操作。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如目标检测模型的训练。例如,在一些实施例中,目标检测模型的训练可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的方法XXX的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行目标检测模型的训练。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (14)
1.一种目标检测模型的训练方法,包括:
通过目标检测模型对样本图像中的目标进行预测,得到预测框及该预测框对应的类别置信度;
计算所述预测框和与该预测框对应的真值框的广义交并比值,得到所述预测框的广义交并比值,其中,当所述预测框与所述真值框无交叠部分时,所述广义交并比值并非全0,随着所述预测框与所述真值框之间的距离而变化,所述广义交并比值为广义交并比值矩阵;
基于所述预测框的广义交并比值,确定基于所述预测框对应的类别置信度以及所述预测框的标签确定的焦损失函数的权重,包括:对所述预测框的广义交并比值矩阵进行归一化操作,使得所述广义交并比值矩阵的均值与所述焦损失函数产生的梯度强度均值一致;基于所述预测框的广义交并比值与所述广义交并比值矩阵的均值,确定焦损失函数的权重;
基于所述权重和所述焦损失函数,确定分类损失函数,包括:将所述权重和所述焦损失函数相乘,得到分类损失函数;以及
基于所述分类损失函数训练目标检测模型,得到训练完成的目标检测模型。
2.根据权利要求1所述的方法,所述广义交并比值由预测框和真值框的交集、并集以及预测框和真值框中的最左上角点及最右下角点围成的区域面积确定。
3.根据权利要求2所述的方法,所述与该预测框对应的真值框为真值框集合中与所述预测框的广义交并比值最大的真值框。
4.根据权利要求1所述的方法,所述目标检测模型包括单阶段目标检测器和多阶段目标检测器。
5.根据权利要求1所述的方法,所述通过目标检测模型对样本图像中的目标进行预测,得到预测框及该预测框对应的类别置信度包括:
采用特征金字塔网络,得到输入图像的多个尺度的特征图;
通过目标检测模型对所述多个尺度的特征图中目标进行预测,得到每个尺度的特征图对应的预测框及该预测框对应的类别置信度。
6.根据权利要求5所述的方法,所述对所述预测框的广义交并比值矩阵进行归一化操作包括:
对每个尺度下的特征图中的所有所述预测框的广义交并比值矩阵进行归一化操作。
7.一种目标检测模型的训练装置,其特征在于,所述装置包括:
预测模块,被配置成通过目标检测模型对样本图像中的目标进行预测,得到预测框及该预测框对应的类别置信度;
计算模块,被配置成计算所述预测框和与该预测框对应的真值框的广义交并比值,得到所述预测框的广义交并比值,其中,当所述预测框与所述真值框无交叠部分时,所述广义交并比值并非全0,随着所述预测框与所述真值框之间的距离而变化,所述广义交并比值为广义交并比值矩阵;
第一确定模块,被配置成基于所述预测框的广义交并比值,确定基于所述预测框对应的类别置信度以及所述预测框的标签确定的焦损失函数的权重,包括:对所述预测框的广义交并比值矩阵进行归一化操作,使得所述广义交并比值矩阵的均值与所述焦损失函数产生的梯度强度均值一致;基于所述预测框的广义交并比值与所述广义交并比值矩阵的均值,确定焦损失函数的权重;
第二确定模块,被配置成基于所述权重和所述焦损失函数,确定分类损失函数,包括:将所述权重和所述焦损失函数相乘,得到分类损失函数;以及
训练模块,被配置成基于所述分类损失函数训练目标检测模型,得到训练完成的目标检测模型。
8.根据权利要求7所述的装置,其中,所述广义交并比值由预测框和真值框的交集、并集以及预测框和真值框中的最左上角点及最右下角点围成的区域面积确定。
9.根据权利要求8所述的装置,其中,所述与该预测框对应的真值框为真值框集合中与所述预测框的广义交并比值最大的真值框。
10.根据权利要求7所述的装置,其中,所述目标检测模型包括单阶段目标检测器和多阶段目标检测器。
11.根据权利要求7所述的装置,其中,所述预测模块进一步被配置成:
采用特征金字塔网络,得到输入图像的多个尺度的特征图;
通过目标检测模型对所述多个尺度的特征图中目标进行预测,得到每个尺度的特征图对应的预测框及该预测框对应的类别置信度。
12.根据权利要求11所述的装置,其中,所述对所述预测框的广义交并比值矩阵进行归一化操作包括:对每个尺度下的特征图中的所有所述预测框的广义交并比值矩阵进行归一化操作。
13.一种电子设备,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权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110128575.1A CN112906502B (zh) | 2021-01-29 | 2021-01-29 | 目标检测模型的训练方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110128575.1A CN112906502B (zh) | 2021-01-29 | 2021-01-29 | 目标检测模型的训练方法、装置、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112906502A CN112906502A (zh) | 2021-06-04 |
CN112906502B true CN112906502B (zh) | 2023-08-01 |
Family
ID=76121372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110128575.1A Active CN112906502B (zh) | 2021-01-29 | 2021-01-29 | 目标检测模型的训练方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112906502B (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113343867A (zh) * | 2021-06-15 | 2021-09-03 | 广东电网有限责任公司 | 一种机房搬运设备检测方法、系统、设备及介质 |
CN113420669B (zh) * | 2021-06-24 | 2022-05-10 | 武汉工程大学 | 基于多尺度训练和级联检测的文档版面分析方法和系统 |
CN113469025B (zh) * | 2021-06-29 | 2024-05-31 | 阿波罗智联(北京)科技有限公司 | 应用于车路协同的目标检测方法、装置、路侧设备和车辆 |
CN113469249B (zh) * | 2021-06-30 | 2024-04-09 | 阿波罗智联(北京)科技有限公司 | 图像分类模型训练方法、分类方法、路侧设备和云控平台 |
CN113378864B (zh) * | 2021-08-16 | 2021-11-12 | 浙江啄云智能科技有限公司 | 一种锚框参数的确定方法、装置、设备及可读存储介质 |
CN114118124B (zh) * | 2021-09-29 | 2023-09-12 | 北京百度网讯科技有限公司 | 图像检测方法和装置 |
CN113837305B (zh) * | 2021-09-29 | 2022-09-23 | 北京百度网讯科技有限公司 | 目标检测及模型训练方法、装置、设备和存储介质 |
CN115035186B (zh) * | 2021-12-03 | 2023-04-11 | 荣耀终端有限公司 | 目标对象标记方法和终端设备 |
CN114387219A (zh) * | 2021-12-17 | 2022-04-22 | 依未科技(北京)有限公司 | 眼底动静脉交叉压迫特征的检测方法、装置、介质及设备 |
CN114821233B (zh) * | 2022-04-26 | 2023-05-30 | 北京百度网讯科技有限公司 | 目标检测模型的训练方法及装置、设备和介质 |
CN114663731B (zh) * | 2022-05-25 | 2022-09-20 | 杭州雄迈集成电路技术股份有限公司 | 车牌检测模型的训练方法及系统、车牌检测方法及系统 |
CN114676797B (zh) * | 2022-05-27 | 2022-10-04 | 浙江大华技术股份有限公司 | 一种模型精度的计算方法、装置和计算机可读存储介质 |
CN115223117B (zh) * | 2022-05-30 | 2023-05-30 | 九识智行(北京)科技有限公司 | 三维目标检测模型的训练和使用方法、装置、介质及设备 |
CN115049851B (zh) * | 2022-08-15 | 2023-01-17 | 深圳市爱深盈通信息技术有限公司 | 基于YOLOv5网络的目标检测方法、装置和设备终端 |
CN115294332B (zh) * | 2022-10-09 | 2023-01-17 | 浙江啄云智能科技有限公司 | 一种图像处理方法、装置、设备和存储介质 |
CN116309696B (zh) * | 2022-12-23 | 2023-12-01 | 苏州驾驶宝智能科技有限公司 | 一种基于改进广义交并比的多类别多目标跟踪方法及装置 |
CN115908498B (zh) * | 2022-12-27 | 2024-01-02 | 清华大学 | 一种基于类别最优匹配的多目标跟踪方法及装置 |
CN116071608B (zh) * | 2023-03-16 | 2023-06-06 | 浙江啄云智能科技有限公司 | 目标检测方法、装置、设备和存储介质 |
CN116152576B (zh) * | 2023-04-19 | 2023-08-01 | 北京邮电大学 | 图像处理方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109800735A (zh) * | 2019-01-31 | 2019-05-24 | 中国人民解放军国防科技大学 | 一种船目标精确检测与分割方法 |
CN111062413A (zh) * | 2019-11-08 | 2020-04-24 | 深兰科技(上海)有限公司 | 一种道路目标检测方法、装置、电子设备及存储介质 |
CN111079638A (zh) * | 2019-12-13 | 2020-04-28 | 河北爱尔工业互联网科技有限公司 | 基于卷积神经网络的目标检测模型训练方法、设备和介质 |
WO2020155828A1 (zh) * | 2019-02-01 | 2020-08-06 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN111626350A (zh) * | 2020-05-25 | 2020-09-04 | 腾讯科技(深圳)有限公司 | 目标检测模型训练方法、目标检测方法及装置 |
CN111950329A (zh) * | 2019-05-16 | 2020-11-17 | 长沙智能驾驶研究院有限公司 | 目标检测及模型训练方法、装置、计算机设备和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110580487A (zh) * | 2018-06-08 | 2019-12-17 | Oppo广东移动通信有限公司 | 神经网络的训练方法、构建方法、图像处理方法和装置 |
-
2021
- 2021-01-29 CN CN202110128575.1A patent/CN112906502B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109800735A (zh) * | 2019-01-31 | 2019-05-24 | 中国人民解放军国防科技大学 | 一种船目标精确检测与分割方法 |
WO2020155828A1 (zh) * | 2019-02-01 | 2020-08-06 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN111950329A (zh) * | 2019-05-16 | 2020-11-17 | 长沙智能驾驶研究院有限公司 | 目标检测及模型训练方法、装置、计算机设备和存储介质 |
CN111062413A (zh) * | 2019-11-08 | 2020-04-24 | 深兰科技(上海)有限公司 | 一种道路目标检测方法、装置、电子设备及存储介质 |
CN111079638A (zh) * | 2019-12-13 | 2020-04-28 | 河北爱尔工业互联网科技有限公司 | 基于卷积神经网络的目标检测模型训练方法、设备和介质 |
CN111626350A (zh) * | 2020-05-25 | 2020-09-04 | 腾讯科技(深圳)有限公司 | 目标检测模型训练方法、目标检测方法及装置 |
Non-Patent Citations (1)
Title |
---|
"基于深度学习的安全帽佩戴检测与跟踪";秦嘉等;《计算机与现代化》;第2020年卷(第6期);第1-6页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112906502A (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112906502B (zh) | 目标检测模型的训练方法、装置、设备以及存储介质 | |
CN113657465B (zh) | 预训练模型的生成方法、装置、电子设备和存储介质 | |
CN112784778B (zh) | 生成模型并识别年龄和性别的方法、装置、设备和介质 | |
CN113361593B (zh) | 生成图像分类模型的方法、路侧设备及云控平台 | |
CN113378712B (zh) | 物体检测模型的训练方法、图像检测方法及其装置 | |
CN114648676B (zh) | 点云处理模型的训练和点云实例分割方法及装置 | |
CN113705362B (zh) | 图像检测模型的训练方法、装置、电子设备及存储介质 | |
US20230186607A1 (en) | Multi-task identification method, training method, electronic device, and storage medium | |
CN117392733B (zh) | 一种痤疮分级检测方法、装置、电子设备及存储介质 | |
CN116485817A (zh) | 图像分割方法、装置、电子设备及存储介质 | |
CN113827240B (zh) | 情绪分类方法和情绪分类模型的训练方法、装置及设备 | |
CN117274266B (zh) | 痘痘严重程度的分级方法、装置、设备及存储介质 | |
CN113869253A (zh) | 活体检测方法、训练方法、装置、电子设备及介质 | |
CN117351307A (zh) | 一种模型训练方法、装置、设备及存储介质 | |
CN115457329B (zh) | 图像分类模型的训练方法、图像分类方法和装置 | |
CN115272705B (zh) | 显著性物体检测模型的训练方法、装置以及设备 | |
CN116229095A (zh) | 一种模型训练方法、视觉任务处理方法、装置及设备 | |
CN115526882A (zh) | 一种医学图像的分类方法、装置、设备及存储介质 | |
CN113590774A (zh) | 事件查询方法、装置以及存储介质 | |
CN114581751B (zh) | 图像识别模型的训练方法和图像识别方法、装置 | |
CN117649933B (zh) | 在线问诊辅助方法、装置、电子设备和存储介质 | |
CN114092739B (zh) | 图像处理方法、装置、设备、存储介质和程序产品 | |
CN113807413B (zh) | 对象的识别方法、装置、电子设备 | |
US20230122373A1 (en) | Method for training depth estimation model, electronic device, and storage medium | |
US20220392199A1 (en) | Method and apparatus for training classification model and data classification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |