CN114821208A - 目标物体检测模型训练方法、装置、设备及存储介质 - Google Patents

目标物体检测模型训练方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114821208A
CN114821208A CN202210431134.3A CN202210431134A CN114821208A CN 114821208 A CN114821208 A CN 114821208A CN 202210431134 A CN202210431134 A CN 202210431134A CN 114821208 A CN114821208 A CN 114821208A
Authority
CN
China
Prior art keywords
target object
sample set
training
detection model
anchor
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
Application number
CN202210431134.3A
Other languages
English (en)
Inventor
兰文博
张怡欢
戴一凡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Suzhou Automotive Research Institute of Tsinghua University
Original Assignee
Tsinghua University
Suzhou Automotive Research Institute of Tsinghua University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tsinghua University, Suzhou Automotive Research Institute of Tsinghua University filed Critical Tsinghua University
Priority to CN202210431134.3A priority Critical patent/CN114821208A/zh
Publication of CN114821208A publication Critical patent/CN114821208A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace 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
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种目标物体检测模型的训练方法、装置、设备及存储介质。所述方法包括：获取目标物体样本集；其中，所述目标物体样本集中包含至少两张目标物体图片；对所述目标物体样本集中的各个目标物体图片进行目标物体标注，确定所述目标物体样本集所涉及的至少两个目标物体锚框；对标注后的目标物体样本集中的各个目标物体图片中的目标物体锚框进行线性缩放，生成目标物体训练集；基于所述目标物体训练集对YOLO模型进行训练，生成目标物体检测模型。通过本发明实施例提供的技术方案，可以有效减少目标物体漏检的情况发生，提高了目标物体的检测精度。

Description

目标物体检测模型训练方法、装置、设备及存储介质
技术领域
本发明涉及目标物体检测技术领域，尤其涉及目标物体检测模型的训练方法、装置、设备及存储介质。
背景技术
目标检测(Object Detection)是计算机视觉领域的基本任务之一，学术界已有将近二十年的研究历史。近些年随着深度学习技术的火热发展，目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络的检测技术。从最初2013年提出的R-CNN、OverFeat，到后面的Fast/Faster R-CNN，SSD，YOLO系列，短短的几年时间内，基于深度学习的目标检测技术，在网络结构上，从two stage到one stage，从bottom-up only到Top-Down，从single scale network到feature pyramid network，从面向PC端到面向手机端，都涌现出许多好的算法技术，这些算法在开放目标检测数据集上的检测效果和性能都很出色。
YOLO算法采用一个单独的CNN模型实现端到端的目标检测，在目标检测领域得到了广泛的应用。但是，在特定场景或者某一类目标的情况下，采集的数据存在场景、类型单一且图像的标记框尺寸大小比较集中，此时采用YOLO算法进行候选框聚类时得到的锚框尺寸自然就很集中，泛化能力很差，最后进行目标检测时效果并不理想，容易出现漏检、目标检测精度低的情况。
发明内容
本发明提供了一种目标物体检测模型的训练方法、装置、设备及存储介质，可以有效减少目标物体漏检的情况发生，提高了目标物体的检测精度。
根据本发明的一方面，提供了一种目标物体检测模型训练方法，包括：
获取目标物体样本集；其中，所述目标物体样本集中包含至少两张目标物体图片；
对所述目标物体样本集中的各个目标物体图片进行目标物体标注，确定所述目标物体样本集所涉及的至少两个目标物体锚框；
对标注后的目标物体样本集中的各个目标物体图片中的目标物体锚框进行线性缩放，生成目标物体训练集；
基于所述目标物体训练集对YOLO模型进行训练，生成目标物体检测模型。
根据本发明的另一方面，提供了一种目标物体检测模型训练装置，包括：
目标物体样本集获取模块，用于获取目标物体样本集；其中，所述目标物体样本集中包含至少两张目标物体图片；
目标物体锚框确定模块，用于对所述目标物体样本集中的各个目标物体图片进行目标物体标注，确定所述目标物体样本集所涉及的至少两个目标物体锚框；
目标物体锚框缩放模块，用于对标注后的目标物体样本集中的各个目标物体图片中的目标物体锚框进行线性缩放，生成目标物体训练集；
目标物体检测模型生成模块，用于基于所述目标物体训练集对YOLO模型进行训练，生成目标物体检测模型。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
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计算机程序，所述计算机程序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本发明任一实施例所述的目标物体检测模型训练方法。
根据本发明的另一方面，提供了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指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的目标物体检测模型训练方法。
本发明实施例的目标物体检测模型训练方案，获取目标物体样本集；其中，所述目标物体样本集中包含至少两张目标物体图片；对所述目标物体样本集中的各个目标物体图片进行目标物体标注，确定所述目标物体样本集所涉及的至少两个目标物体锚框；对标注后的目标物体样本集中的各个目标物体图片中的目标物体锚框进行线性缩放，生成目标物体训练集；基于所述目标物体训练集对YOLO模型进行训练，生成目标物体检测模型。通过本发明实施例提供的技术方案，消除了采集的图像数据场景、类型单一及图像标记框(也即锚框)尺寸过于集中的技术问题，通过对锚框进行线性尺度缩放，使得锚框更具鲁棒性，可以有效减少目标物体漏检的情况发生，提高了目标物体的检测精度。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明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
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种目标物体检测模型训练方法的流程图；
图2a是本发明实施例提供的基于未对锚框进行线性缩放训练生成的行人检测模型进行行人检测的结果示意图；
图2b是本发明实施例提供的基于对锚框进行线性缩放后训练生成的行人检测模型进行行人检测的结果示意图；
图3a是本发明实施例提供的基于未对锚框进行线性缩放训练生成的行人检测模型进行行人检测的结果示意图；
图3b是本发明实施例提供的基于对锚框进行线性缩放后训练生成的行人检测模型进行行人检测的结果示意图；
图4是根据本发明实施例二提供的一种目标物体检测模型训练装置的结构示意图；
图5是实现本发明实施例的目标物体检测模型训练方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种目标物体检测模型训练方法的流程图，本实施例可适用于构建目标物体检测模型的情况，该方法可以由目标物体检测模型训练装置来执行，该目标物体检测模型训练装置可以采用硬件和/或软件的形式实现，该目标物体检测模型训练装置可配置于电子设备中。如图1所示，该方法包括：
S110、获取目标物体样本集；其中，所述目标物体样本集中包含至少两张目标物体图片。
在本发明实施例中，获取至少两张目标物体图片，将所述至少两张目标物体图片作为目标物体样本集。其中，可以从网络端或者其他终端设备中加载至少两张目标物体图片，也可以从本地图片库中读取至少两张目标物体图片，还可以从视频帧中提取至少两张目标物体图片。需要说明的是，本方实施例对目标物体样本集的获取方式不做限定。可选的，目标物体可以为行人，对应的，目标物体图片为行人图片。目标物体还可以为动物或车辆等物体，对应的，目标物体图片为动物图片或车辆图片。
S120、对所述目标物体样本集中的各个目标物体图片进行目标物体标注，确定所述目标物体样本集所涉及的至少两个目标物体锚框。
在本发明实施例中，对目标物体样本集中的各个目标物体图片中的目标物体进行标注，也即在目标物体图片中用锚框(也即标记框)将目标物体标记出来。可选的，可以采用Label Image软件对目标物体图片进行目标物体标注。其中，每张目标物体图片中可以包括一个目标物体，也可以包括多个目标物体，对应的，标记后的目标物体图片中可以包含一个或多个锚框。由于目标物体图片中包含的目标物体大小可能相同，也可能不同，因此，标记后的目标物体图片中包含的锚框的大小可能相同，也可能不同。在本发明实施例中，根据各个目标物体图片中标注的锚框，确定目标物体样本集所涉及的至少两个目标物体锚框，可以理解的是，确定标注后的所有目标物体图片中所涉及的不同尺寸的锚框，将其作为目标物体锚框。
可选的，对所述目标物体样本集中的各个目标物体图片进行目标物体标注，确定所述目标物体样本集所涉及的至少两个目标物体锚框，包括：
基于锚框对所述目标物体样本集中的各个目标物体图片进行目标物体标注；基于锚框宽高比对目标物体标注后的目标物体样本集进行聚类，确定所述目标物体样本集所涉及的至少两个目标物体锚框。这样设置的好处在于，可以准确确定标注后的目标物体图片所涉及的目标物体锚框。具体的，用锚框将各个目标物体图片中的目标物体标记出来，由于目标物体图片中包含的目标物体大小可能不同，标记后的目标物体图片中包含大小不同的锚框。采用K-Means算法，根据锚框宽高比对目标物体标注后的目标物体样本集进行聚类，根据聚类结果确定标注后的样本集所涉及的至少两个目标物体锚框。
示例性的，目标物体图片为行人图片，确定的标注后的目标物体样本集所涉及的至少两个目标物体锚框为与行人图片中的行人宽高比相近的行人锚框。例如，共涉及9个行人锚框，9个行人锚框的宽和高分别为[24,61；13,30；92，271；214，333；107,160；42,108；143，290；343,382；58,193]。
S130、对标注后的目标物体样本集中的各个目标物体图片中的目标物体锚框进行线性缩放，生成目标物体训练集。
在本发明实施例中，对标注后的各个目标物体图片中的目标物体锚框进行线性缩放，也即对标注后的各个目标物体图片中的目标物体锚框的宽高比进行线性缩放。可以理解的是，保持目标物体图片的大小不同，改变标注后的目标物体图片中目标物体锚框的宽和高。可选的，按照同一线性缩放比例对标注后的各个目标物体图片中的目标物体锚框的宽高比进行线性缩放，也可以按照不同线性缩放比例对标注后的各个目标物体图片中的目标物体锚框的宽高比进行线性缩放。
可选的，对标注后的目标物体样本集中的各个目标物体图片中的目标物体锚框进行线性缩放，生成目标物体训练集，包括：获取线性缩放比集合；其中，所述线性缩放比集合中包括与所述至少两个目标物体锚框一一对应的线性缩放比；从所述线性缩放比集合中，确定与标注后的目标物体样本集中各个目标物体图片中的目标物体锚框对应的目标线性缩放比；基于所述目标线性缩放比，对所述标注后的目标物体样本集中各个目标物体图片中的目标物体锚框进行缩放，生成目标物体训练集。这样设置的好处在于，可以有效避免目标物体锚框的尺寸过于集中的情况发生，使得目标物体锚框根据鲁棒性。
在本发明实施例中，获取线性缩放比集合，其中，线性缩放比集合中包括与至少两个目标物体锚框一一对应的线性缩放比。可以理解的是，线性缩放比集合中的线性缩放比的数量与目标物体锚框的数量相同。其中，线性缩放比集合中的各个线性缩放比可以相同，也可以不同。可选的，可以直接获取用户输入的线性缩放比集合。确定与标注后的各个目标物体图片中的目标物体锚框的尺寸，根据目标物体锚框与线性缩放比的对应关系，从线性缩放比集合中，确定与目标物体图片中的目标物体锚框对应的目标线性缩放比。基于目标线性缩放比，对标注后的目标物体图片中对应的目标物体锚框进行线性缩放，将目标物体锚框缩放后的目标物体图片组成的集合作为目标物体训练集。示例性的，与9个行人锚框[24,61；13,30；92，271；214，333；107,160；42,108；143，290；343,382；58,193]对应的线性缩放比集合可以为：[0.5,0.5,1,1,1,2,2,3,3]。则基于线性缩放比集合对9个行人锚框进行线性缩放后的行人锚框为：[12,30；6,15；92，271；214,333；107,160；84,216；286,580；686,764；174,579]
S140、基于所述目标物体训练集对YOLO模型进行训练，生成目标物体检测模型。
在本发明实施例中，将目标物体训练集输入至YOLO模型中，以对YOLO模型进行训练，生成目标物体检测模型。其中，YOLO模型可以为YOLOv3模型。可选的，对YOLOv3模型进行训练时的参数可以设置为：初始学习率为0.001，最大迭代次数为6000次，在迭代次数为4800和5400次时，学习率分别设置为0.0001和0.00001。
本发明实施例的目标物体检测模型训练方案，获取目标物体样本集；其中，所述目标物体样本集中包含至少两张目标物体图片；对所述目标物体样本集中的各个目标物体图片进行目标物体标注，确定所述目标物体样本集所涉及的至少两个目标物体锚框；对标注后的目标物体样本集中的各个目标物体图片中的目标物体锚框进行线性缩放，生成目标物体训练集；基于所述目标物体训练集对YOLO模型进行训练，生成目标物体检测模型。通过本发明实施例提供的技术方案，消除了采集的图像数据场景、类型单一及图像标记框(也即锚框)尺寸过于集中的技术问题，通过对锚框进行线性尺度缩放，使得锚框更具鲁棒性，可以有效减少目标物体漏检的情况发生，提高了目标物体的检测精度。
在一些实施例中，在生成目标物体检测模型之后，还包括：获取待检测视频帧；将所述待检测视频帧输入至所述目标物体检测模型中，根据所述目标物体检测模型的输出结果，确定所述待检测视频帧中的目标物体及所述目标物体的位置信息。在本发明实施例中，将视频帧输入至目标物体检测模型中，使得目标物体检测模型对视频帧中各个图像帧进行分析，确定视频帧中各个图像帧中的目标物体及目标物体在图像帧中的位置信息。具体的，可以用通过目标物体的分类标识及坐标在图像帧中标记目标物体及其位置信息。示例性的，目标物体检测模型为行人检测模型，图2a为本发明实施例提供的基于未对锚框进行线性缩放训练生成的行人检测模型进行行人检测的结果示意图；图2b为本发明实施例提供的基于对锚框进行线性缩放后训练生成的行人检测模型进行行人检测的结果示意图；图3a为本发明实施例提供的基于未对锚框进行线性缩放训练生成的行人检测模型进行行人检测的结果示意图；图3b为本发明实施例提供的基于对锚框进行线性缩放后训练生成的行人检测模型进行行人检测的结果示意图。显然，根据图2a和图2b的对比以及图3a与图3b的对比可知，基于对锚框进行线性缩放后训练生成的行人检测模型进行行人检测的准确性大大提高。
在一些实施例中，在确定所述待检测视频帧中各个图片中的目标物体及所述目标物体的位置信息之后，还包括：将所述待检测视频帧中的目标物体及所述目标物体的位置信息，输入至预先训练的目标物体跟踪模型中，根据所述目标物体跟踪模型的输出结果，对所述待检测视频帧中的目标物体进行跟踪。具体的，将待检测视频帧中各个图像帧的目标物体及目标物体的位置信息，输入至目标物体跟踪模型中，使目标物体跟踪模型对视频帧中各个物体帧的目标物体及目标物体的位置信息进行分析，确定待检测视频帧中目标物体的运动轨迹，以对目标物体进行跟踪。其中，目标物体跟踪模型可以为Deepsort模型。示例性的，可以通过目标物体跟踪模型提取目标物体的表观特征，运动或者交互特征；然后根据表观特征和运动特征计算两个目标之间的相似性；基于计算得到的相似性，将属于同一目标的检测对象和轨迹关联起来，并给检测对象分配和轨迹相同的ID；基于卡尔曼滤波类跟踪的估计状态系统和估计的方差或不确定性，预测待检测视频帧中目标物体的运动轨迹。
实施例二
图4为本发明实施例二提供的一种目标物体检测模型训练装置的结构示意图。如图4所示，该装置包括：
目标物体样本集获取模块410，用于获取目标物体样本集；其中，所述目标物体样本集中包含至少两张目标物体图片；
目标物体锚框确定模块420，用于对所述目标物体样本集中的各个目标物体图片进行目标物体标注，确定所述目标物体样本集所涉及的至少两个目标物体锚框；
目标物体锚框缩放模块430，用于对标注后的目标物体样本集中的各个目标物体图片中的目标物体锚框进行线性缩放，生成目标物体训练集；
目标物体检测模型生成模块440，用于基于所述目标物体训练集对YOLO模型进行训练，生成目标物体检测模型。
可选的，所述目标物体锚框确定模块，用于：
基于锚框对所述目标物体样本集中的各个目标物体图片进行目标物体标注；
基于锚框宽高比对目标物体标注后的目标物体样本集进行聚类，确定所述目标物体样本集所涉及的至少两个目标物体锚框。
可选的，所述目标物体锚框缩放模块，用于：
获取线性缩放比集合；其中，所述线性缩放比集合中包括与所述至少两个目标物体锚框一一对应的线性缩放比；
从所述线性缩放比集合中，确定与标注后的目标物体样本集中各个目标物体图片中的目标物体锚框对应的目标线性缩放比；
基于所述目标线性缩放比，对所述标注后的目标物体样本集中各个目标物体图片中的目标物体锚框进行缩放，生成目标物体训练集。
可选的，所述装置还包括：
视频帧获取模块，用于在生成目标物体检测模型之后，获取待检测视频帧；
目标物体检测模块，用于将所述待检测视频帧输入至所述目标物体检测模型中，根据所述目标物体检测模型的输出结果，确定所述待检测视频帧中的目标物体及所述目标物体的位置信息。
可选的，所述装置还包括：
目标物体跟踪模块，用于在确定所述待检测视频帧中各个图片中的目标物体及所述目标物体的位置信息之后，将所述待检测视频帧中的目标物体及所述目标物体的位置信息，输入至预先训练的目标物体跟踪模型中，根据所述目标物体跟踪模型的输出结果，对所述待检测视频帧中的目标物体进行跟踪。
本发明实施例所提供的目标物体检测模型训练装置可执行本发明任意实施例所提供的目标物体检测模型训练方法，具备执行方法相应的功能模块和有益效果。
实施例三
图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。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(如头盔、眼镜、手表等)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/或者要求的本发明的实现。
如图5所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10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。
处理器11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。处理器11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处理器、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。处理器11执行上文所描述的各个方法和处理，例如目标物体检测模型训练方法。
在一些实施例中，目标物体检测模型训练方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的目标物体检测模型训练方法的一个或多个步骤。备选地，在其他实施例中，处理器11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物体检测模型训练方法。
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。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。
在本发明的上下文中，计算机可读存储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计算机程序。计算机可读存储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。备选地，计算机可读存储介质可以是机器可读信号介质。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，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：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电子设备。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)、区块链网络和互联网。
计算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，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
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，本发明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，只要能够实现本发明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，并不构成对本发明保护范围的限制。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。

Claims (10)

1.一种目标物体检测模型训练方法，其特征在于，包括：
获取目标物体样本集；其中，所述目标物体样本集中包含至少两张目标物体图片；
对所述目标物体样本集中的各个目标物体图片进行目标物体标注，确定所述目标物体样本集所涉及的至少两个目标物体锚框；
对标注后的目标物体样本集中的各个目标物体图片中的目标物体锚框进行线性缩放，生成目标物体训练集；
基于所述目标物体训练集对YOLO模型进行训练，生成目标物体检测模型。
2.根据权利要求1所述的方法，其特征在于，对所述目标物体样本集中的各个目标物体图片进行目标物体标注，确定所述目标物体样本集所涉及的至少两个目标物体锚框，包括：
基于锚框对所述目标物体样本集中的各个目标物体图片进行目标物体标注；
基于锚框宽高比对目标物体标注后的目标物体样本集进行聚类，确定所述目标物体样本集所涉及的至少两个目标物体锚框。
3.根据权利要求1所述的方法，其特征在于，对标注后的目标物体样本集中的各个目标物体图片中的目标物体锚框进行线性缩放，生成目标物体训练集，包括：
获取线性缩放比集合；其中，所述线性缩放比集合中包括与所述至少两个目标物体锚框一一对应的线性缩放比；
从所述线性缩放比集合中，确定与标注后的目标物体样本集中各个目标物体图片中的目标物体锚框对应的目标线性缩放比；
基于所述目标线性缩放比，对所述标注后的目标物体样本集中各个目标物体图片中的目标物体锚框进行缩放，生成目标物体训练集。
4.根据权利要求1所述的方法，其特征在于，在生成目标物体检测模型之后，还包括：
获取待检测视频帧；
将所述待检测视频帧输入至所述目标物体检测模型中，根据所述目标物体检测模型的输出结果，确定所述待检测视频帧中的目标物体及所述目标物体的位置信息。
5.根据权利要求4所述的方法，其特征在于，在确定所述待检测视频帧中各个图片中的目标物体及所述目标物体的位置信息之后，还包括：
将所述待检测视频帧中的目标物体及所述目标物体的位置信息，输入至预先训练的目标物体跟踪模型中，根据所述目标物体跟踪模型的输出结果，对所述待检测视频帧中的目标物体进行跟踪。
6.一种目标物体检测模型训练装置，其特征在于，包括：
目标物体样本集获取模块，用于获取目标物体样本集；其中，所述目标物体样本集中包含至少两张目标物体图片；
目标物体锚框确定模块，用于对所述目标物体样本集中的各个目标物体图片进行目标物体标注，确定所述目标物体样本集所涉及的至少两个目标物体锚框；
目标物体锚框缩放模块，用于对标注后的目标物体样本集中的各个目标物体图片中的目标物体锚框进行线性缩放，生成目标物体训练集；
目标物体检测模型生成模块，用于基于所述目标物体训练集对YOLO模型进行训练，生成目标物体检测模型。
7.根据权利要求6所述的装置，其特征在于，所述目标物体锚框确定模块，用于：
基于锚框对所述目标物体样本集中的各个目标物体图片进行目标物体标注；
基于锚框宽高比对目标物体标注后的目标物体样本集进行聚类，确定所述目标物体样本集所涉及的至少两个目标物体锚框。
8.根据权利要求6所述的装置，其特征在于，所述目标物体锚框缩放模块，用于：
获取线性缩放比集合；其中，所述线性缩放比集合中包括与所述至少两个目标物体锚框一一对应的线性缩放比；
从所述线性缩放比集合中，确定与标注后的目标物体样本集中各个目标物体图片中的目标物体锚框对应的目标线性缩放比；
基于所述目标线性缩放比，对所述标注后的目标物体样本集中各个目标物体图片中的目标物体锚框进行缩放，生成目标物体训练集。
9.一种电子设备，其特征在于，所述电子设备包括：
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计算机程序，所述计算机程序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中任一项所述的目标物体检测模型训练方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-5中任一项所述的目标物体检测模型训练方法。
CN202210431134.3A 2022-04-22 2022-04-22 目标物体检测模型训练方法、装置、设备及存储介质 Pending CN114821208A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210431134.3A CN114821208A (zh) 2022-04-22 2022-04-22 目标物体检测模型训练方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210431134.3A CN114821208A (zh) 2022-04-22 2022-04-22 目标物体检测模型训练方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114821208A true CN114821208A (zh) 2022-07-29

Family

ID=82506069

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210431134.3A Pending CN114821208A (zh) 2022-04-22 2022-04-22 目标物体检测模型训练方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114821208A (zh)

Similar Documents

Publication Publication Date Title
CN112597837B (zh) 图像检测方法、装置、设备、存储介质和计算机程序产品
CN113971751A (zh) 训练特征提取模型、检测相似图像的方法和装置
CN112633276A (zh) 训练方法、识别方法、装置、设备、介质
CN113378832B (zh) 文本检测模型训练方法、文本预测框方法及装置
CN115358392A (zh) 深度学习网络的训练方法、文本检测方法及装置
CN114511743B (zh) 检测模型训练、目标检测方法、装置、设备、介质及产品
CN115359308A (zh) 模型训练、难例识别方法、装置、设备、存储介质及程序
CN112784102B (zh) 视频检索方法、装置和电子设备
CN111563541B (zh) 图像检测模型的训练方法和装置
CN116309963A (zh) 一种图像的批量标注方法、装置、电子设备及存储介质
CN113591709B (zh) 动作识别方法、装置、设备、介质和产品
CN114821208A (zh) 目标物体检测模型训练方法、装置、设备及存储介质
CN113361519A (zh) 目标处理方法、目标处理模型的训练方法及其装置
CN113935482A (zh) 一种行人再识别网络的训练方法及装置
CN113936158A (zh) 一种标签匹配方法及装置
CN113657596A (zh) 训练模型和图像识别的方法和装置
CN113378836A (zh) 图像识别方法、装置、设备、介质及程序产品
CN112507957A (zh) 一种车辆关联方法、装置、路侧设备及云控平台
CN113570607B (zh) 目标分割的方法、装置及电子设备
CN112700657B (zh) 用于生成检测信息的方法、装置、路侧设备和云控平台
CN116703963A (zh) 一种ar跟踪方法、装置、ar设备及存储介质
CN115641355A (zh) 用于检测骨架的方法、装置、设备、介质和产品
CN114648814A (zh) 人脸活体检测方法及模型的训练方法、装置、设备及介质
CN113657301A (zh) 基于视频流的动作类型识别方法、装置及穿戴设备
CN113392795A (zh) 联合检测模型训练、联合检测方法、装置、设备及介质

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