CN114511757A - 用于训练图像检测模型的方法和装置 - Google Patents
用于训练图像检测模型的方法和装置 Download PDFInfo
- Publication number
- CN114511757A CN114511757A CN202210102990.4A CN202210102990A CN114511757A CN 114511757 A CN114511757 A CN 114511757A CN 202210102990 A CN202210102990 A CN 202210102990A CN 114511757 A CN114511757 A CN 114511757A
- Authority
- CN
- China
- Prior art keywords
- image
- training
- detection model
- blocks
- data
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 100
- 238000012549 training Methods 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000004590 computer program Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 8
- 238000013135 deep learning Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 16
- 238000004891 communication Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种用于训练图像检测模型的方法和装置，涉及人工智能技术领域，具体为深度学习、计算机视觉技术领域，可应用于图像处理、图像检测等场景。实现方案为：将训练图像划分为多个图像块；从多个图像块中剪切至少一个图像块，并且对至少一个图像块中的每一个图像块，采用相同尺寸的替换图像块进行填充，以对多个图像块进行数据增强；以及基于经数据增强后的多个图像块，训练图像检测模型。
Description
技术领域
本公开涉及人工智能技术领域，尤其涉及具体为深度学习、计算机视觉技术领域，可应用于图像处理、图像检测等场景，具体涉及一种用于训练图像检测模型的方法和装置、一种图像检测方法和装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术：人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
基于人工智能的图像处理技术，已经渗透到各个领域。其中，在图像检测过程中，往往采用经训练的图像检测模型检测图像。在对图像检测模型进行训练的过程中，通过随机擦除、模糊、随机裁剪等各种操作对训练图像进行数据增强(即，扰动)，以提升图像检测模型对各种类型图像的鲁棒的识别能力。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种用于训练图像检测模型的方法和装置、一种图像检测方法和装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面，提供了用于训练图像检测模型的方法，包括：将训练图像划分为多个图像块；从所述多个图像块中剪切至少一个图像块，并且对所述至少一个图像块中的每一个图像块，采用相同尺寸的替换图像块进行填充，以对所述多个图像块进行数据增强；以及基于经数据增强后的多个图像块，训练所述图像检测模型。
根据本公开的一方面，提供了一种图像检测方法，包括：获取待检测图像；以及将所述待检测图像输入至根据本公开的实施例所述的方法训练的图像检测模型中，以得到图像检测结果。
根据本公开的另一方面，提供了一种用于训练图像检测模型的装置，包括：图像划分单元，被配置用于将训练图像划分为多个图像块；数据增强单元，被配置用于从所述多个图像块中剪切至少一个图像块，并且对所述至少一个图像块中的每一个图像块，采用相同尺寸的替换图像块进行填充，以对所述多个图像块进行数据增强；以及训练单元，被配置用于基于经数据增强后的多个图像块，训练所述图像检测模型。
根据本公开的另一方面，提供了一种图像检测装置，包括：图像获取单元，被配置用于获取待检测图像；以及模型处理单元，将所述待检测图像输入至根据本公开的实施例所述的方法训练的图像检测模型中，以得到图像检测结果。
根据本公开的另一方面，提供了一种电子设备，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实现根据上述的方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机实现根据上述的方法。
根据本公开的另一方面，提供了一种计算机程序产品包括计算机程序，其中，所述计算机程序在被处理器执行时实现根据上述的方法。
根据本公开的一个或多个实施例，通过将训练图像划分成多个图像块之后对训练图像中的图像块进行剪切，并对剪切掉的图像块进行填充，以实现对训练图像的数据增强，可以实现对训练图像进行图像块级别的数据增强。避免在数据增强过程中训练图像中的图像块的局部特征被破坏，而影响图像检测模型的训练效果。
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
附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；
图2示出了根据本公开的实施例的用于训练图像检测模型的方法的流程图；
图3A示出了一种用于训练图像检测模型的方法中所采用的经数据增强后的训练图像的示意图；
图3B示出了一种用于训练图像检测模型的方法中所采用的经数据增强后的训练图像的示意图；
图4A示出了根据本公开的实施例的一种用于训练图像检测模型的方法中所采用的经数据增强后的训练图像的示意图；
图4B示出了根据本公开的实施例的一种用于训练图像检测模型的方法中所采用的经数据增强后的训练图像的示意图；
图5示出了根据本公开的实施例的用于训练图像检测模型的方法中基于经数据增强后的多个图像块训练图像检测模型的过程的流程图；
图6示出了根据本公开的实施例的用于训练图像检测模型的方法中基于经数据增强后的多个图像块训练图像检测模型的过程的流程图；
图7示出了根据本公开的实施例的图像检测装置的结构框图；以及
图8示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围。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。
在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中，服务器120可以运行使得能够执行图像检测方法的一个或多个服务或软件应用。
在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来观看搜索的对象。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS)；或包括各种移动操作系统，例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和对象文件的信息。数据存储库130可以驻留在各种位置。例如，由服务器120使用的数据存储库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库130可以是不同的类型。在某些实施例中，由服务器120使用的数据存储库可以是数据库，例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。
参看图2，根据本公开的一些实施例的一种图像检测方法200包括：
步骤S210：将训练图像划分为多个图像块；
步骤S220：从所述多个图像块中剪切至少一个图像块，并且对所述至少一个图像块中的每一个图像块，采用相同尺寸的替换图像块进行填充，以对所述多个图像块进行数据增强；以及
步骤S230：基于经数据增强后的多个图像块，训练所述图像检测模型。
通过将训练图像划分成多个图像块之后对训练图像中的图像块进行剪切，并对剪切掉的图像块进行填充，以实现对训练图像的数据增强，可以实现对训练图像进行图像块级别的数据增强。避免在数据增强过程中训练图像中的图像块的局部特征被破坏，而影响图像检测模型的训练效果。
在相关技术中，通过对训练图像进行数据增强后，将训练图像划分为多个图像块，以输入至检测模型并对检测模型进行训练。由于对训练图像整体进行数据增强时，往往对训练图像的各个区域随机数据增强，在将训练图像划分为多个图像块之后，各个图像块中的数据增强往往不一致。如图3A和图3B所示，训练图像在经数据增强之后被划分为多个图像块，其中，包括部分区域被数据增强的图像块(例如，图像块301A、图像块302A、图像块301B、图像块302B以及图像块303B)，和全部区域被部分增强的图像块(例如，图像块303A)。由于各个图像块中的数据增强不一致，在训练图像检测模型的过程中，经数据增强的图像块对未被数据增强的图像块的特征提取过程产生干扰，使图像检测模型所提取的对图像块的局部特征被破坏，影响图像检测模型的训练效果，并且使经训练的图像检测模型不能充分利用输入图像的图像块的局部特征，进而无法获得理想的检测结果。
根据本公开的实施例中，在对训练图像进行数据增强的过程中，先将图像划分为多个图像块，再对图像块进行数据增强，可以实现对训练图像进行图像块级别的数据增强。在将经数据增强后的多个图像块输入至图像检测模型，对图像检测模型进行训练后，使训练后的图像检测模型能够充分利用输入图像的图像块的局部特征，进而获得精确的检测结果。
参看图4A和图4B，根据本公开的实施例的用于训练图像检测模型的方法中，对训练图像进行划分后再进行数据增强，其中，对训练图像经划分所得的多个图像块中的一个或多个图像块进行剪切之后并进行填充，使被剪切的图像块整体被数据增强(例如，图像块401A、图像块401B和图像块402B)。从而使在后续采用经数据增强的多个图像块对图像检测模型进行训练的过程中，整体被数据增强的图像块不会影响图像检测模型对未被剪切的图像块的特征的提取，从而避免图像检测模型所提取的对图像块的局部特征被破坏。
需要说明的是，图3A、图3B、图4A和图3B基于说明的必要和隐私保护对图像中人脸的眼部区域进行了遮挡处理，在实际应用过程中不需要进行此项处理。同时，需要说明的是，在根据本公开的实施例中的人脸图像并不是针对某一特定用户的人脸图像，并不能反映出某一特定用户的个人信息，并且人脸图像来自于公开数据集。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
在一些实施例中，对于所述至少一个图像块中的每一个图像块，该图像块的相同尺寸的替换图像块包括：各个位置具有统一的像素的图像块，或者来自区别于所述训练图像的另一图像的图像块。
采用具有统一的像素值的图像块填充剪切掉的至少一个图像块，实现基于cutout操作的数据增强(如图4A所示)；采用区别于训练图像的图像块进行填充，实现基于cutmix操作的数据增强(如图4B所示)。
需要说明的是，在根据本公开的实施例中，被剪切掉的至少一个图像块，例如，可以是均采用具有统一的像素的图像块进行填充；也可以是均采用来自于另一图像的图像块填充；还可以是部分数量的图像块采用具有统一的像素的图像块进行填充，部分采用均来自于另一图像的图像块填充；进一步还可以是部分数量的图像块采用来自于第一图像的图像块填充，部分数量的图像块采用来自于第二图像的图像块填充，第一图像块和第二图像块不同；进一步还可以是对于至少一个图像块中的任一图像块，部分区域采用来自于第一图像的图像块填充，部分区域采用来自于第二图像的图像块填充，等等。因此，在根据本公开的实施例中，对至少一个图像块的填充方法并不限定。
在一些实施例中，如图5所示，所述基于经数据增强后的多个图像块，训练所述图像检测模型包括：
步骤S510：将所述经数据增强后的多个图像块输入至所述图像检测模型，以获得预测结果集合，所述预测结果集合包括指示所述训练图像的预测分类的第一预测结果；
步骤S520：基于所述训练图像的真实分类和所述第一预测结果，获得第一损失值；以及
步骤S530：基于所述第一损失值，调整所述图像检测模型的参数。
通过将经数据增强后的多个图像块输入至图像检测模型，获得指示训练图像的预测分类的第一预测结果，基于第一预测结果获得的第一损失值，基于第一损失值调整模型参数，实现模型的训练过程。
在一些实施例中，图像检测模型采用ViT(VisionTransformers)网络构架。
在一些实施例中，ViT(VisionTransformers)网络构架包括由多个自注意力模块以及对应的多个前馈神经网络组成的编码模块和分类网络。第一个自注意力模块基于多个图像块获得多个图像块中每一个图像块对应的多个自注意关系值，并且采用softmax函数基于调整后的多个图像块对应的多个自注意力关系值，获得多个图像块中每一个图像块对应于多个图像块的注意力权重，并且输出每一个图像块基于多个注意力权重的输出。第一个前馈神经网络基于第一个自注意力模块输出的多个图像块对应的多个输出进行进一步的变换，获得对应于多个图像块的多个输出。后续自注意力模块将位于其之前的前馈神经网络的多个输出作为输入进一步进行处理。分类网络基于编码模块的最后一个前馈神经网络的多个输出进行分类。
在一些实施例中，所述预测结果集合包括所述多个数据增强后的多个图像块对应的多个第二预测结果，所述多个第二预测结果中的每一个第二预测结果指示相应的图像块的预测标签，如图6所示，基于经数据增强后的多个图像块，训练所述图像检测模型还包括：
步骤S610：获得所述经数据增强后的多个图像块中的每一个图像块的真实标签，该真实标签指示该图像块是否来自于所述训练图像；
步骤S620：基于所述经数据增强后的多个图像块对应的多个真实标签和所述多个第二预测结果，获得多个第二损失值；以及
步骤S630：基于所述多个第二损失值，调整所述图像检模型的参数。
在训练图像检测模型的过程中，还获得多个图像块分别对应的第二预测结果，该第二预测结果指示对应的图像块的预测标签，实现逐图像块的损失的监督，提升模型训练的精度。
仍以ViT(VisionTransformers)网络构架为例，在编码模块的最后一个前馈神经网络输出的对应于多个图像块的多个输出之后，将多个输出分别输入对应的分类网络，以使对应的分类网络基于其输入获得对应的第二预测结果。该第二预测结果指示的相应的图像块的预测标签，用于指示该图像块是否来自与训练图像。
根据本公开的另一方面，还提供一种图像检测方法，包括：获取待检测图像；以及将所述待检测图像输入至根据本公开的实施例所述的方法训练的图像检测模型中，以得到图像检测结果。
由于根据本公开的用于训练图像检测模型的方法，在对训练图像进行数据增强的过程中，先将图像划分为多个图像块，再对图像块进行数据增强，可以实现对训练图像进行图像块级别的数据增强。在将经数据增强后的多个图像块输入至图像检测模型，对图像检测模型进行训练的过程中，使整体被数据增强的图像块不会影响图像检测模型对未被剪切的图像块的特征的提取，从而避免图像检测模型所提取的对图像块的局部特征被破坏。使训练后的图像检测模型能够充分利用输入图像的图像块的局部特征，进而获得精确的检测结果。因而，根据本公开的图像检测方法，使获得的图像检测结果精确。
根据本公开的另一方面，还提供一种用于训练图像检测模型的装置，参看图7，装置700包括：图像划分单元710，被配置用于将训练图像划分为多个图像块；数据增强单元720，被配置用于从所述多个图像块中剪切至少一个图像块，并且对所述至少一个图像块中的每一个图像块，采用相同尺寸的替换图像块进行填充，以对所述多个图像块进行数据增强；以及训练单元730，被配置用于基于经数据增强后的多个图像块，训练所述图像检测模型。
在一些实施例中，对于所述至少一个图像块中的每一个图像块，该图像块的相同尺寸的替换图像块包括：各个位置具有统一的像素的图像块，或者来自区别于所述训练图像的另一图像的图像块。
在一些实施例中，所述训练单元730包括：预测结果获取单元，被配置用于将所述经数据增强后的多个图像块输入至所述图像检测模型，以获得预测结果集合，所述预测结果集合包括指示所述训练图像的预测分类的第一预测结果；第一计算单元，被配置用于基于所述训练图像的真实分类和所述第一预测结果，获得第一损失值；以及第一调整单元，被配置用于基于所述第一损失值，调整所述图像检测模型的参数。
在一些实施例中，所述预测结果集合包括所述多个数据增强后的多个图像块对应的多个第二预测结果，所述多个第二预测结果中的每一个第二预测结果指示相应的图像块的预测标签，所述训练单元730还包括：图像块标签获取单元，被配置用于获得所述经数据增强后的多个图像块中的每一个图像块的真实标签，该真实标签指示该图像块是否来自于所述训练图像；第二计算单元，被配置用于基于所述经数据增强后的多个图像块对应的多个真实标签和所述多个第一预测结果，获得多个第二损失值；以及第二调整单元，被配置用于基于所述多个第二损失值，调整所述图像检模型的参数。
根据本公开的另一方面，还提供一种图像检测装置，包括：图像获取单元，被配置用于获取待检测图像；以及模型处理单元，被配置用于将所述待检测图像输入至根据本公开的实施例所述的方法训练的图像检测模型中，以得到图像检测结果。
根据本公开的另一方面，还提供一种电子设备，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，所述存储器存储有计算机程序，所述计算机程序在被所述至少一个处理器执行时实现根据上述的方法。
根据本公开的另一方面，还提供一种存储有计算机程序的非瞬时计算机可读存储介质，其中，所述计算机程序在被处理器执行时实现根据上述的方法。
根据本公开的另一方面，还提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现根据上述的方法。
参考图8，现将描述可以作为本公开的服务器或客户端的电子设备800的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，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8所示，电子设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM803中，还可存储电子设备800操作所需的各种程序和数据。计算单元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。
电子设备800中的多个部件连接至I/O接口805，包括：输入单元806、输出单元807、存储单元808以及通信单元809。输入单元806可以是能向电子设备800输入信息的任何类型的设备，输入单元806可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元807可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、对象/音频输出终端、振动器和/或打印机。存储单元808可以包括但不限于磁盘、光盘。通信单元809允许电子设备800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，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元801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801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801执行上文所描述的各个方法和处理，例如方法200。例如，在一些实施例中，方法200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808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到电子设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的方法200的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200。
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。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
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，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，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。
虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (13)
1.一种用于训练图像检测模型的方法，包括：
将训练图像划分为多个图像块；
从所述多个图像块中剪切至少一个图像块，并且对所述至少一个图像块中的每一个图像块，采用相同尺寸的替换图像块进行填充，以对所述多个图像块进行数据增强；以及
基于经数据增强后的多个图像块，训练所述图像检测模型。
2.根据权利要求1所述的方法，其中，对于所述至少一个图像块中的每一个图像块，该图像块的相同尺寸的替换图像块包括：各个位置具有统一的像素的图像块，或者来自区别于所述训练图像的另一图像的图像块。
3.根据权利要求1或2所述的方法，其中，所述基于经数据增强后的多个图像块，训练所述图像检测模型包括：
将所述经数据增强后的多个图像块输入至所述图像检测模型，以获得预测结果集合，所述预测结果集合包括指示所述训练图像的预测分类的第一预测结果；
基于所述训练图像的真实分类和所述第一预测结果，获得第一损失值；以及
基于所述第一损失值，调整所述图像检测模型的参数。
4.根据权利要求3所述的方法，其中，所述预测结果集合包括所述多个数据增强后的多个图像块对应的多个第二预测结果，所述多个第二预测结果中的每一个第二预测结果指示相应的图像块的预测标签，所述基于经数据增强后的多个图像块，训练所述图像检测模型还包括：
获得所述经数据增强后的多个图像块中的每一个图像块的真实标签，该真实标签指示该图像块是否来自于所述训练图像；
基于所述经数据增强后的多个图像块对应的多个真实标签和所述多个第二预测结果，获得多个第二损失值；以及
基于所述多个第二损失值，调整所述图像检模型的参数。
5.一种图像检测方法，包括：
获取待检测图像；以及
将所述待检测图像输入至根据权利要求1-4任一项所述的方法训练的图像检测模型中，以得到图像检测结果。
6.一种用于训练图像检测模型的装置，包括：
图像划分单元，被配置用于将训练图像划分为多个图像块；
数据增强单元，被配置用于从所述多个图像块中剪切至少一个图像块，并且对所述至少一个图像块中的每一个图像块，采用相同尺寸的替换图像块进行填充，以对所述多个图像块进行数据增强；以及
训练单元，被配置用于基于经数据增强后的多个图像块，训练所述图像检测模型。
7.根据权利要求6所述的装置，其中，对于所述至少一个图像块中的每一个图像块，该图像块的相同尺寸的替换图像块包括：各个位置具有统一的像素的图像块，或者来自区别于所述训练图像的另一图像的图像块。
8.根据权利要求6或7所述的装置，其中，所述训练单元包括：
预测结果获取单元，被配置用于将所述经数据增强后的多个图像块输入至所述图像检测模型，以获得预测结果集合，所述预测结果集合包括指示所述训练图像的预测分类的第一预测结果；
第一计算单元，被配置用于基于所述训练图像的真实分类和所述第一预测结果，获得第一损失值；以及
第一调整单元，被配置用于基于所述第一损失值，调整所述图像检测模型的参数。
9.根据权利要求8所述的装置，其中，所述预测结果集合包括所述多个数据增强后的多个图像块对应的多个第二预测结果，所述多个第二预测结果中的每一个第二预测结果指示相应的图像块的预测标签，所述训练单元还包括：
图像块标签获取单元，被配置用于获得所述经数据增强后的多个图像块中的每一个图像块的真实标签，该真实标签指示该图像块是否来自于所述训练图像；
第二计算单元，被配置用于基于所述经数据增强后的多个图像块对应的多个真实标签和所述多个第一预测结果，获得多个第二损失值；以及
第二调整单元，被配置用于基于所述多个第二损失值，调整所述图像检模型的参数。
10.一种图像检测装置，包括：
图像获取单元，被配置用于获取待检测图像；以及
模型处理单元，被配置用于将所述待检测图像输入至根据权利要求1-4任一项所述的方法训练的图像检测模型中，以得到图像检测结果。
11.一种电子设备，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1-5中任意一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法。
13.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210102990.4A CN114511757A (zh) | 2022-01-27 | 2022-01-27 | 用于训练图像检测模型的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210102990.4A CN114511757A (zh) | 2022-01-27 | 2022-01-27 | 用于训练图像检测模型的方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114511757A true CN114511757A (zh) | 2022-05-17 |
Family
ID=81550409
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210102990.4A Pending CN114511757A (zh) | 2022-01-27 | 2022-01-27 | 用于训练图像检测模型的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114511757A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020114378A1 (zh) * | 2018-12-03 | 2020-06-11 | 广州市百果园信息技术有限公司 | 视频水印的识别方法、装置、设备及存储介质 |
| CN112669323A (zh) * | 2020-12-29 | 2021-04-16 | 深圳云天励飞技术股份有限公司 | 图像处理方法及相关设备 |
| CN112989085A (zh) * | 2021-01-29 | 2021-06-18 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置、计算机设备及存储介质 |
| US20210390728A1 (en) * | 2021-01-21 | 2021-12-16 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Object area measurement method, electronic device and storage medium |
| CN113963148A (zh) * | 2021-10-29 | 2022-01-21 | 北京百度网讯科技有限公司 | 对象检测方法、对象检测模型的训练方法及装置 |
-
2022
- 2022-01-27 CN CN202210102990.4A patent/CN114511757A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020114378A1 (zh) * | 2018-12-03 | 2020-06-11 | 广州市百果园信息技术有限公司 | 视频水印的识别方法、装置、设备及存储介质 |
| CN112669323A (zh) * | 2020-12-29 | 2021-04-16 | 深圳云天励飞技术股份有限公司 | 图像处理方法及相关设备 |
| US20210390728A1 (en) * | 2021-01-21 | 2021-12-16 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Object area measurement method, electronic device and storage medium |
| CN112989085A (zh) * | 2021-01-29 | 2021-06-18 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置、计算机设备及存储介质 |
| CN113963148A (zh) * | 2021-10-29 | 2022-01-21 | 北京百度网讯科技有限公司 | 对象检测方法、对象检测模型的训练方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 孙晓凯;倪卿元;陈文强;: "图像增强方法在深度学习图像识别场景应用中的可行性研究", 电信科学, no. 1, 30 April 2020 (2020-04-30) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114511758A (zh) | 图像识别方法及装置、电子设备和介质 | |
| CN112857268B (zh) | 对象面积测量方法、装置、电子设备和存储介质 | |
| CN114445667A (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
| CN114443989B (zh) | 排序方法、排序模型的训练方法、装置、电子设备及介质 | |
| CN114723949A (zh) | 三维场景分割方法和用于训练分割模型的方法 | |
| CN114547252A (zh) | 文本识别方法、装置、电子设备和介质 | |
| CN113723305A (zh) | 图像和视频检测方法、装置、电子设备和介质 | |
| CN115578501A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
| CN116152607A (zh) | 目标检测方法、训练目标检测模型的方法及装置 | |
| CN115797660A (zh) | 图像检测方法、装置、电子设备和存储介质 | |
| CN114140547B (zh) | 图像生成方法和装置 | |
| CN114429678A (zh) | 模型训练方法及装置、电子设备和介质 | |
| CN114494797A (zh) | 用于训练图像检测模型的方法和装置 | |
| CN115393514A (zh) | 三维重建模型的训练方法、三维重建方法、装置、设备 | |
| CN114998963A (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
| CN114842476A (zh) | 水印检测方法及装置、模型训练方法及装置 | |
| CN114550269A (zh) | 口罩佩戴检测方法、设备和介质 | |
| CN114219046A (zh) | 模型训练方法、匹配方法、装置、系统、电子设备和介质 | |
| CN114511757A (zh) | 用于训练图像检测模型的方法和装置 | |
| CN115512131B (zh) | 图像检测方法和图像检测模型的训练方法 | |
| CN114140851B (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
| CN114842297A (zh) | 图像处理方法、模型训练方法、装置、设备及介质 | |
| CN114882331A (zh) | 图像处理方法、装置、设备和介质 | |
| CN114898387A (zh) | 表格图像处理方法和装置 | |
| CN115578451A (zh) | 图像处理方法、图像处理模型的训练方法和装置 |
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 |