CN114821233A - 目标检测模型的训练方法及装置、设备和介质 - Google Patents
目标检测模型的训练方法及装置、设备和介质 Download PDFInfo
- Publication number
- CN114821233A CN114821233A CN202210449094.5A CN202210449094A CN114821233A CN 114821233 A CN114821233 A CN 114821233A CN 202210449094 A CN202210449094 A CN 202210449094A CN 114821233 A CN114821233 A CN 114821233A
- Authority
- CN
- China
- Prior art keywords
- prediction
- detection model
- target detection
- frames
- confidence
- 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.)
- Granted
Links
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
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
-
- 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
Abstract
本公开提供了一种目标检测模型的训练方法及装置、设备和介质,涉及人工智能技术领域,尤其涉及图像处理、计算机视觉和深度学习技术领域。方案为:获取样本图像,并标注其中所包括的目标对象的真实类别和包围目标对象的多个真实框;将样本图像输入目标检测模型,以获取其所输出的多个预测框、每个预测框相应的特征图以及每个预测框的置信度;针对每个预测框,获取该预测框相应的特征图与其它每个预测框相应的特征图之间的相似度;针对每个预测框,基于所述相似度以及多个预测框的置信度,调整该预测框的置信度;基于多个真实框的位置信息、多个预测框的位置信息和多个预测框的调整后的置信度,计算损失值;以及基于损失值对目标检测模型进行调参。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及图像处理、计算机视觉和深度学习技术领域,具体涉及一种目标检测模型的训练方法、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。
目标检测是计算机视觉技术领域的核心任务之一。当前的半监督目标检测模型的训练方法通常是利用预训练目标检测模型针对未标注数据产出伪标注,具体地,是将预训练目标检测模型基于未标注的样本图像所输出的置信度大于预设阈值的预测结果作为该样本图像的伪标注,这一方法要求预训练目标检测模型所输出的预测结果的置信度具有较高的准确性。
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
本公开提供了一种目标检测模型的训练方法、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,提供了一种目标检测模型的训练方法,包括:获取样本图像,并标注所述样本图像所包括的目标对象的真实类别和包围所述目标对象的多个真实框;将所述样本图像输入目标检测模型,以获取所述目标检测模型所输出的多个预测框、每个预测框相应的特征图以及每个预测框的置信度;针对每个所述预测框,获取该预测框相应的特征图与所述多个预测框中的其它每个预测框相应的特征图之间的相似度;针对每个所述预测框,基于该预测框相应的特征图与所述多个预测框中的其它每个预测框相应的特征图之间的相似度以及所述多个预测框的置信度,调整该预测框的置信度;基于所述多个真实框的位置信息、所述多个预测框的位置信息和所述多个预测框的调整后的置信度,计算损失值;以及基于所述损失值,对所述目标检测模型进行调参。
根据本公开的另一方面,提供了一种目标检测模型的训练方法,包括:获取样本图像;将所述样本图像输入第一目标检测模型,以获取所述第一目标检测模型所输出的所述样本图像所包括的目标对象相应的第一预测框以及第一预测框的置信度,其中,所述第一目标检测模型是利用如前文所描述的目标检测模型的训练方法训练得到的;响应于所述第一预测框的置信度大于预设阈值,将所述样本图像输入第二目标检测模型,以获取所述第二目标检测模型所输出的所述样本图像所包括的目标对象相应的第二预测框;以及基于所述第一预测框和所述第二预测框,对所述第二目标检测模型进行调参。
根据本公开的另一方面,提供了一种目标检测方法,包括:将待检测图像输入目标检测模型,以获取所述目标检测模型所输出的所述待检测图像所包括的目标对象相应的预测框,所述目标检测模型是利用如前文所描述的任一种目标检测模型的训练方法训练得到的。
根据本公开的另一方面,提供了一种目标检测模型的训练装置,包括:第一获取单元,被配置用于获取样本图像,并标注所述样本图像所包括目标对象的真实类别和包围所述目标对象的多个真实框;第二获取单元,被配置用于将所述样本图像输入目标检测模型,以获取所述目标检测模型所输出的多个预测框、每个预测框相应的特征图以及每个预测框的置信度;第三获取单元,被配置用于针对每个所述预测框,获取该预测框相应的特征图与所述多个预测框中的其它每个预测框相应的特征图之间的相似度;第一调整单元,被配置用于针对每个所述预测框,基于该预测框相应的特征图与所述多个预测框中的其它每个预测框的特征图之间的相似度以及所述多个预测框的置信度,调整该预测框的置信度;计算单元,被配置用于基于所述多个真实框的位置信息、所述多个预测框的位置信息和所述多个预测框的调整后的置信度,计算损失值;以及第一调参单元,被配置用于基于所述损失值,对所述目标检测模型进行调参。
根据本公开的另一方面,提供了一种目标检测模型的训练装置,包括:利用如前文所描述的目标检测模型的训练方法训练得到的第一目标检测模型;第二目标检测模型;第四获取单元,被配置用于获取样本图像;第五获取单元,被配置用于将所述样本图像输入第一目标检测模型,以获取所述第一目标检测模型所输出的所述样本图像所包括的目标对象相应的第一预测框以及第一预测框的置信度;第六获取单元,被配置用于响应于所述置信度大于预设阈值,将所述样本图像输入第二目标检测模型,以获取所述第二目标检测模型所输出的所述样本图像所包括的目标对象相应的第二预测框;以及第二调参单元,被配置用于基于所述第一预测框和所述第二预测框,对所述第二目标检测模型进行调参。
根据本公开的另一方面,提供了一种目标检测装置,包括:利用如前文所描述的目标检测模型的训练方法训练得到的目标检测模型;以及第九获取单元,被配置用于将待检测图像输入所述目标检测模型,以获取所述目标检测模型所输出的所述待检测图像所包括的目标对象相应的预测框。
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能够执行上述目标检测模型的训练方法或目标检测方法。
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执行上述目标检测模型的训练方法或目标检测方法。
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,计算机程序在被处理器执行时能够实现上述目标检测模型的训练方法或目标检测方法。
根据本公开的一个或多个实施例,可以提升目标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示出了根据本公开示例性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示出了根据本公开示例性实施例的目标检测模型的训练方法的流程图;
图3示出了根据本公开示例性实施例的图注意力神经网络的结构示意图;
图4示出了根据本公开示例性实施例的能够用于输入图卷积神经网络的图谱的示意图;
图5示出了根据本公开示例性实施例的目标检测模型的训练方法的流程图;
图6示出了根据本公开示例性实施例的目标检测方法的流程图;
图7示出了根据本公开示例性实施例的目标检测模型的训练装置的结构框图;
图8示出了根据本公开示例性实施例的目标检测模型的训练装置的结构框图;
图9示出了根据本公开示例性实施例的目标检测装置的结构框图;
图10示出了能够用于实现本公开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。
相关技术中,在目标检测模型的有监督训练过程中,通常是将有标注的样本图像输入目标检测模型,在基于标注结果和模型所输出的预测结果计算损失值的基础上,还可以进一步基于模型所输出的预测结果的置信度计算损失值,从而基于所述损失值对目标检测模型进行调参优化。
在目标检测模型的半监督训练过程中,一种方式是利用两个深度卷积神经网络学习同一张未标注的样本图像在不同扰动下的内容一致性,基于相应的内容一致性获取样本图像的伪标注。另一种常用方式是利用预训练目标检测模型针对未标注的样本图像产出伪标注,例如,可以将预训练目标检测模型基于未标注的样本图像所输出的置信度大于预设阈值的预测结果作为该样本图像的伪标注。
可以看出,在目标检测模型的训练过程中,模型所输出的预测结果的置信度的准确性将直接影响模型的训练效果。
基于此,本公开提供了一种目标检测模型的训练方法,通过获取目标检测模型基于样本图像所输出的多个预测框,根据多个预测框相应的特征图间的相似度调整每个预测框的置信度,从而能够提升预测框的置信度的准确性,从而能够提升基于置信度计算得到的损失值的准确性,进而提升模型的训练效果。
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目标检测模型的训练方法或目标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来发送样本图像或待检测图像。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视频文件的信息。数据库130可以驻留在各种位置。例如,由服务器120使用的数据库可以在服务器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使用的数据库例如可以是关系数据库。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。
图2示出了根据本公开示例性实施例的目标检测模型的训练方法200的流程图。如图2所示,方法200包括:
步骤S201、获取样本图像,并标注所述样本图像所包括的目标对象的真实类别和包围所述目标对象的多个真实框;
步骤S202、将所述样本图像输入目标检测模型,以获取所述目标检测模型所输出的多个预测框、每个预测框相应的特征图以及每个预测框的置信度;
步骤S203、针对每个所述预测框,获取该预测框相应的特征图与所述多个预测框中的其它每个预测框相应的特征图之间的相似度;
步骤S204、针对每个所述预测框,基于该预测框相应的特征图与所述多个预测框中的其它每个预测框相应的特征图之间的相似度以及所述多个预测框的置信度,调整该预测框的置信度;
步骤S205、基于所述多个真实框的位置信息、所述多个预测框的位置信息和所述多个预测框的调整后的置信度,计算损失值;以及
步骤S206、基于所述损失值,对所述目标检测模型进行调参。
由此,通过获取目标检测模型基于样本图像所输出的多个预测框,根据多个预测框相应的特征图间的相似度调整每个预测框的置信度,能够提升预测框的置信度的准确性。应当理解,当两个预测框相应的特征图间的相似度较高时,则所述两个预测框各自的置信度也应当较为接近,当两个预测框相应的特征图间的相似度较低时,则所述两个预测框各自的置信度也应当具有较大的差异。基于此,在模型训练的过程中可以利用其他预测框的置信度来修正每个预测框的置信度,例如,存在以下情况:针对置信度较低的预测框A,预测框A相应的特征图与预测框B、预测框C、预测框D相应的特征图都具有较高的相似度,而预测框B、预测框C、预测框D的置信度均较高,这种情况说明预测框A的置信度结果是不准确的,则可以基于其他预测框的置信度结果对预测框A的置信度进行调整,从而能够提升其置信度的准确性。通过提升置信度的准确性,能够提升基于置信度计算得到的损失值的准确性,进而提升模型的训练效果。
示例性地,步骤S203中针对每个所述预测框,获取该预测框相应的特征图与所述多个预测框中的其它每个预测框相应的特征图之间的相似度可以是通过如下方式实现的:将每个预测框相应的特征图映射到同一向量空间,以获取每个预测框相应的特征图的向量表示,针对每个所述预测框,计算该预测框相应的特征图的向量表示与所述多个预测框中的其它每个预测框相应的特征图的向量表示之间的向量相似度,例如余弦相似度。由此,能够通过计算向量相似度来获取特征图间的相似度,更加简捷准确。示例性地,也可以通过其它方式获取特征图间的相似度,例如可以利用神经网络模型,对此不作限定。
根据一些实施例,步骤S204中针对每个所述预测框,基于该预测框相应的特征图与所述多个预测框中的其它每个预测框相应的特征图之间的相似度以及所述多个预测框的置信度,调整该预测框的置信度包括:基于该预测框的特征图与所述多个预测框中的其它每个预测框的特征图之间的相似度,确定所述其它每个预测框的针对该预测框的权重;以及基于所述其它每个预测框的针对该预测框的权重以及所述多个预测框的置信度,调整该预测框的置信度。由此,能够针对每个预测框,基于该预测框与每个其它预测框相应的特征图的相似度确定其它每个预测框的权重,再基于权重调整该预测框的置信度,更加简捷准确。
示例性地,可以是针对每个预测框,基于该预测框本身的预设权重和其它每个预测框的权重,对该预测框本身的置信度和其他每个预测框的置信度进行加权计算,基于加权计算的结果调整该预测框的置信度,所述预设权重可以是在实际应用场景下由人工设置的,对此不作限定。
根据一些实施例,可以是利用图卷积神经网络调整所述多个预测框的置信度,所述基于所述其它每个预测框的针对该预测框的权重以及所述多个预测框的置信度,调整该预测框的置信度包括:基于所述多个预测框构建图谱,其中,以所述多个预测框中的任意两个预测框为顶点建立图谱的边,每个顶点的初始值为该顶点相应的预测框的置信度,所述图谱中每个边的权重为该边相应的顶点相应的预测框针对另一个顶点相应的预测框的权重;以及将所述图谱和所述图谱中每个边的权重输入所述图卷积神经网络,以获取所述图卷积神经网络所输出的所述图谱中每个顶点的预测值,并且将所述图谱中每个顶点的预测值标注为该顶点相应的预测框的调整后的置信度。由此,能够利用图卷积神经网络对所述每个预测框的置信度进行调整,更加简捷高效。
根据一些实施例,可以是利用注意力网络获取所述其它每个预测框的针对该预测框的权重,所述针对每个所述预测框,获取该预测框相应的特征图与所述多个预测框中的其它每个预测框相应的特征图之间的相似度,以及基于该预测框相应的特征图与所述多个预测框中的其它每个预测框相应的特征图之间的相似度,确定所述其它每个预测框的针对该预测框的权重包括:针对每个所述预测框,将该预测框相应的特征图与所述其它每个预测框相应的特征图输入所述注意力网络,以获取所述注意力网络所输出的所述其它每个预测框的针对该预测框的权重,并且将其它每个预测框的针对该预测框的权重标注为所述图谱中以该预测框和所述其它每个预测框为顶点的边相应的权重。由此,能够利用注意力网络基于其所学习到的所述多个预测框相应的特征图之间的相似度确定图谱中每个边的权重,并利用图卷积神经网络利用所述每个边的权重对所述每个预测框的置信度进行调整,更加简捷高效。
示例性地,所述图卷积神经网络和所述注意力网络共同构成图注意力神经网络,从而能够基于所述图谱和所述多个预测框的特征图,更加简捷高效地得到每个预测框的调整后的置信度。
图3示出了根据本公开示例性实施例的图注意力神经网络的结构示意图。图4示出了根据本公开示例性实施例的能够用于输入图卷积神经网络的图谱的示意图。
在一个示例中,目标检测模型输出了包括A、B、C、D、E在内的五个预测框,则可以基于所述五个预测框构建如图4所示的包括五个顶点的图谱,任意两个顶点间均建立边,每个顶点的值为该顶点相应的预测框的置信度。针对所述图谱中的每个顶点,其它四个顶点均为其相应的邻居顶点。图卷积神经网络能够基于每个顶点相应的邻居顶点的值更新该顶点的值。也就是说,通过将所述基于多个预测框的置信度的图谱输入图卷积神经网络,能够利用所述图卷积神经网络基于其它预测框的置信度对每个预测框的置信度进行更新,其所输出的每个顶点的预测值即相当于每个预测框的调整后的置信度。
进一步地,通过将图谱的每个顶点相应的预测框相应的特征图输入注意力网络,能够利用注意力网络学习到各个预测框相应的特征图间的相似度,进而基于所述各个预测框相应的特征图间的相似度得到图谱的每个边的权重。例如,注意力网络能够学习预测框A和预测框B各自相应的特征图之间的相似度,并基于此确定预测框A相应的顶点和预测框B相应的顶点之间的边的权重,例如当其特征图之间的相似度较高时,能够基于此确定A顶点与B顶点之间的边具有较高的权重,基于此影响预测框的置信度调整的结果。
示例性地,所述图注意力神经网络可以是通过以下方式训练的:获取样本图谱,所述样本图谱包括多个顶点和连接所述多个顶点的边;获取所述样本图片所包括的多个顶点中的每个顶点相应的特征信息、初始值和标注值;将所述图谱和所述多个顶点的特征信息、初始值和标注值输入所述图注意力神经网络,以获取所述图注意力神经网络所输出的每个顶点的预测值;基于所述标注值和所述预测值,对所述图注意力神经网络进行调参。
根据本公开的另一方面,还提供一种目标检测模型的训练方法,所述目标检测模型包括第一目标检测模型和第二目标检测模型。图5示出了根据本公开示例性实施例的目标检测模型的训练方法500的流程图。如图5所示,方法500包括:
步骤S501、获取样本图像;
步骤S502、将所述样本图像输入第一目标检测模型,以获取所述第一目标检测模型所输出的所述样本图像所包括的目标对象相应的第一预测框以及第一预测框的置信度,其中,所述第一目标检测模型是利用如前文所描述的方法200训练得到的;
步骤S503、响应于所述第一预测框的置信度大于预设阈值,将所述样本图像输入第二目标检测模型,以获取所述第二目标检测模型所输出的所述样本图像所包括的目标对象相应的第二预测框;以及
步骤S504、基于所述第一预测框和所述第二预测框,对所述第二目标检测模型进行调参。
由此,能够通过性能优化的目标检测模型得到准确度更高的预测框,并且将置信度较高的预测框作为未标注的样本图像的伪标注,进而利用伪标注的样本图像进行目标检测模型的训练,从而能够减少标注样本所需的人工成本。通过提升所述伪标注的准确性,能够提升目标检测模型的训练效果。
根据一些实施例,在步骤S502中获取所述第一目标检测模型所输出的所述样本图像所包括的目标对象相应的多个第一预测框以及每个第一预测框的置信度,所述方法还包括:获取所述第一目标检测模型基于所述样本图像所输出的多个第一预测框的特征图;针对每个所述第一预测框,获取该第一预测框的特征图与所述多个第一预测框中的其它第一预测框的特征图之间的相似度;针对每个所述第一预测框,基于该第一预测框的特征图与所述多个第一预测框中的其它第一预测框的特征图之间的相似度以及所述多个第一预测框的置信度,调整该第一预测框的置信度;并且其中,响应于调整后的所述置信度大于预设阈值,将所述样本图像输入第二目标检测模型,以获取所述第二目标检测模型所输出的所述样本图像所包括的目标对象相应的多个第二预测框。
由此,通过获取目标检测模型基于样本图像所输出的多个预测框,根据多个预测框相应的特征图间的相似度调整每个预测框的置信度,能够提升预测框的置信度的准确性,进而提升目标检测模型的训练效果。
根据本公开的另一方面,还提供一种目标检测方法。图6示出了根据本公开示例性实施例的目标检测方法600的流程图。如图6所示,方法600包括:
步骤S601、将待检测图像输入目标检测模型,以获取所述目标检测模型所输出的所述待检测图像所包括的目标对象相应的预测框,所述目标检测模型是利用如前文所描述的方法200或方法500训练得到的。由此,能够提升目标检测的准确度。
根据本公开的另一方面,还提供一种目标检测模型的训练装置。图7示出了根据本公开示例性实施例的目标检测模型的训练装置700的结构框图.如图7所示,装置700包括:
第一获取单元701,被配置用于获取样本图像,并标注所述样本图像所包括目标对象的真实类别和包围所述目标对象的多个真实框;
第二获取单元702,被配置用于将所述样本图像输入目标检测模型,以获取所述目标检测模型所输出的多个预测框、每个预测框相应的特征图以及每个预测框的置信度;
第三获取单元703,被配置用于针对每个所述预测框,获取该预测框相应的特征图与所述多个预测框中的其它每个预测框相应的特征图之间的相似度;
第一调整单元704,被配置用于针对每个所述预测框,基于该预测框相应的特征图与所述多个预测框中的其它每个预测框的特征图之间的相似度以及所述多个预测框的置信度,调整该预测框的置信度;
计算单元705,被配置用于基于所述多个真实框的位置信息、所述多个预测框的位置信息和所述多个预测框的调整后的置信度,计算损失值;以及
第一调参单元706,被配置用于基于所述损失值,对所述目标检测模型进行调参。
目标检测模型的训练装置700的单元701-单元706的操作与前面描述的步骤S201-步骤S206的操作类似,在此不作赘述。
根据一些实施例,第一调整单元704包括:确定子单元,被配置用于基于该预测框的特征图与所述多个预测框中的其它每个预测框的特征图之间的相似度,确定所述其它每个预测框的针对该预测框的权重;以及调整子单元,被配置用于基于所述其它每个预测框的针对该预测框的权重以及所述多个预测框的置信度,调整该预测框的置信度。
根据一些实施例,装置700还包括:图卷积神经网络;并且其中,所述调整子单元包括:构建模块,被配置用于基于所述多个预测框构建图谱,其中,以所述多个预测框中的任意两个预测框为顶点建立图谱的边,每个顶点的初始值为该顶点相应的预测框的置信度,所述图谱中每个边的权重为该边相应的顶点相应的预测框针对另一个顶点相应的预测框的权重;以及调整模块,被配置用于将所述图谱和所述图谱中每个边的权重输入所述图卷积神经网络,以获取所述图卷积神经网络所输出的所述图谱中每个顶点的预测值,并且将所述图谱中每个顶点的预测值标注为该顶点相应的预测框的调整后的置信度。
根据一些实施例,装置700还包括:注意力网络;并且其中,所述第三获取单元和所述确定子单元被配置用于针对每个所述预测框,将该预测框相应的特征图与所述其它每个预测框相应的特征图输入所述注意力网络,以获取所述注意力网络所输出的所述其它每个预测框的针对该预测框的权重,并且将其它每个预测框的针对该预测框的权重标注为所述图谱中以该预测框和所述其它每个预测框为顶点的边相应的权重。
根据本公开的另一方面,还提供一种目标检测模型的训练装置。图8示出了根据本公开示例性实施例的目标检测模型的训练装置800的结构框图。如图8所示,装置800包括:
利用方法200训练得到的第一目标检测模型801;
第二目标检测模型802;
第四获取单元803,被配置用于获取样本图像;
第五获取单元804,被配置用于将所述样本图像输入第一目标检测模型,以获取所述第一目标检测模型所输出的所述样本图像所包括的目标对象相应的第一预测框以及第一预测框的置信度;
第六获取单元805,被配置用于响应于所述置信度大于预设阈值,将所述样本图像输入第二目标检测模型,以获取所述第二目标检测模型所输出的所述样本图像所包括的目标对象相应的第二预测框;以及
第二调参单元806,被配置用于基于所述第一预测框和所述第二预测框,对所述第二目标检测模型进行调参。
目标检测模型的训练装置800的单元803-单元806的操作与前面描述的步骤S501-步骤S504的操作类似,在此不作赘述。
根据一些实施例,装置800还包括:
第七获取单元,被配置用于获取所述第一目标检测模型基于所述样本图像所输出的多个第一预测框的特征图;
第八获取单元,被配置用于针对每个所述第一预测框,获取该第一预测框的特征图与所述多个第一预测框中的其它第一预测框的特征图之间的相似度;
第二调整单元,被配置用于针对每个所述第一预测框,基于该第一预测框的特征图与所述多个第一预测框中的其它第一预测框的特征图之间的相似度以及所述多个第一预测框的置信度,调整该第一预测框的置信度;
并且其中,第六获取单元805被配置用于响应于调整后的所述置信度大于预设阈值,将所述样本图像输入第二目标检测模型,以获取所述第二目标检测模型所输出的所述样本图像所包括的目标对象相应的多个第二预测框。
根据本公开的另一方面,还提供一种目标检测装置。图9示出了根据本公开示例性实施例的目标检测装置900的结构框图。如图9所示,装置900包括:
利用方法200或方法500训练得到的目标检测模型901;以及
第九获取单元902,被配置用于将待检测图像输入所述目标检测模型,以获取所述目标检测模型所输出的所述待检测图像所包括的目标对象相应的预测框。
目标检测装置900的单元902的操作与前面描述的步骤S601的操作类似,在此不作赘述。
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上述的目标检测模型的训练方法或目标检测方法。
根据本公开的另一方面,还提供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上述的目标检测模型的训练方法或目标检测方法。
根据本公开的另一方面,还提供一种计算机程序产品,包括计算机程序,其中,所述计算机程序再被处理器执行时实现上述的目标检测模型的训练方法或目标检测方法。
参考图10,现将描述可以作为本公开的服务器或客户端的电子设备1000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10所示,设备1000包括计算单元1001,其可以根据存储在只读存储器(ROM)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(RAM)1003中的计算机程序,来执行各种适当的动作和处理。在RAM1003中,还可存储设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。
设备1000中的多个部件连接至I/O接口1005,包括:输入单元1006、输出单元1007、存储单元1008以及通信单元1009。输入单元1006可以是能向设备1000输入信息的任何类型的设备,输入单元1006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1007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、视频/音频输出终端、振动器和/或打印机。存储单元1008可以包括但不限于磁盘、光盘。通信单元1009允许设备1000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1001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1001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1001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方法或目标检测方法。例如,在一些实施例中,目标检测模型的训练方法或目标检测方法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1008。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时,可以执行上文描述的目标检测模型的训练方法或目标检测方法的一个或多个步骤。备选地,在其他实施例中,计算单元1001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方法或目标检测方法。
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)、复杂可编程逻辑设备(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 (17)
1.一种目标检测模型的训练方法,所述方法包括:
获取样本图像,并标注所述样本图像所包括的目标对象的真实类别和包围所述目标对象的多个真实框;
将所述样本图像输入目标检测模型,以获取所述目标检测模型所输出的多个预测框、每个预测框相应的特征图以及每个预测框的置信度;
针对每个所述预测框,获取该预测框相应的特征图与所述多个预测框中的其它每个预测框相应的特征图之间的相似度;
针对每个所述预测框,基于该预测框相应的特征图与所述多个预测框中的其它每个预测框相应的特征图之间的相似度以及所述多个预测框的置信度,调整该预测框的置信度;
基于所述多个真实框的位置信息、所述多个预测框的位置信息和所述多个预测框的调整后的置信度,计算损失值;以及
基于所述损失值,对所述目标检测模型进行调参。
2.如权利要求1所述的方法,其中,所述针对每个所述预测框,基于该预测框相应的特征图与所述多个预测框中的其它每个预测框相应的特征图之间的相似度以及所述多个预测框的置信度,调整该预测框的置信度包括:
基于该预测框的特征图与所述多个预测框中的其它每个预测框的特征图之间的相似度,确定所述其它每个预测框的针对该预测框的权重;以及
基于所述其它每个预测框的针对该预测框的权重以及所述多个预测框的置信度,调整该预测框的置信度。
3.如权利要求2所述的方法,其中,利用图卷积神经网络调整所述多个预测框的置信度,所述基于所述其它每个预测框的针对该预测框的权重以及所述多个预测框的置信度,调整该预测框的置信度包括:
基于所述多个预测框构建图谱,其中,以所述多个预测框中的任意两个预测框为顶点建立图谱的边,每个顶点的初始值为该顶点相应的预测框的置信度,所述图谱中每个边的权重为该边相应的顶点相应的预测框针对另一个顶点相应的预测框的权重;以及
将所述图谱和所述图谱中每个边的权重输入所述图卷积神经网络,以获取所述图卷积神经网络所输出的所述图谱中每个顶点的预测值,并且将所述图谱中每个顶点的预测值标注为该顶点相应的预测框的调整后的置信度。
4.如权利要求3所述的方法,其中,利用注意力网络获取所述其它每个预测框的针对该预测框的权重,所述针对每个所述预测框,获取该预测框相应的特征图与所述多个预测框中的其它每个预测框相应的特征图之间的相似度,以及基于该预测框相应的特征图与所述多个预测框中的其它每个预测框相应的特征图之间的相似度,确定所述其它每个预测框的针对该预测框的权重包括:
针对每个所述预测框,将该预测框相应的特征图与所述其它每个预测框相应的特征图输入所述注意力网络,以获取所述注意力网络所输出的所述其它每个预测框的针对该预测框的权重,并且将其它每个预测框的针对该预测框的权重标注为所述图谱中以该预测框和所述其它每个预测框为顶点的边相应的权重。
5.一种目标检测模型的训练方法,所述目标检测模型包括第一目标检测模型和第二目标检测模型,所述方法包括:
获取样本图像;
将所述样本图像输入第一目标检测模型,以获取所述第一目标检测模型所输出的所述样本图像所包括的目标对象相应的第一预测框以及第一预测框的置信度,其中,所述第一目标检测模型是利用如权利要求1-4中任一项所述的方法训练得到的;
响应于所述第一预测框的置信度大于预设阈值,将所述样本图像输入第二目标检测模型,以获取所述第二目标检测模型所输出的所述样本图像所包括的目标对象相应的第二预测框;以及
基于所述第一预测框和所述第二预测框,对所述第二目标检测模型进行调参。
6.如权利要求5所述的方法,其中,获取所述第一目标检测模型所输出的所述样本图像所包括的目标对象相应的多个第一预测框以及每个第一预测框的置信度,所述方法还包括:
获取所述第一目标检测模型基于所述样本图像所输出的多个第一预测框的特征图;
针对每个所述第一预测框,获取该第一预测框的特征图与所述多个第一预测框中的其它第一预测框的特征图之间的相似度;
针对每个所述第一预测框,基于该第一预测框的特征图与所述多个第一预测框中的其它第一预测框的特征图之间的相似度以及所述多个第一预测框的置信度,调整该第一预测框的置信度;
并且其中,响应于调整后的所述置信度大于预设阈值,将所述样本图像输入第二目标检测模型,以获取所述第二目标检测模型所输出的所述样本图像所包括的目标对象相应的多个第二预测框。
7.一种目标检测方法,包括:
将待检测图像输入目标检测模型,以获取所述目标检测模型所输出的所述待检测图像所包括的目标对象相应的预测框,所述目标检测模型是利用权利要求1-6中任一项所述的方法训练得到的。
8.一种目标检测模型的训练装置,所述装置包括:
第一获取单元,被配置用于获取样本图像,并标注所述样本图像所包括目标对象的真实类别和包围所述目标对象的多个真实框;
第二获取单元,被配置用于将所述样本图像输入目标检测模型,以获取所述目标检测模型所输出的多个预测框、每个预测框相应的特征图以及每个预测框的置信度;
第三获取单元,被配置用于针对每个所述预测框,获取该预测框相应的特征图与所述多个预测框中的其它每个预测框相应的特征图之间的相似度;
第一调整单元,被配置用于针对每个所述预测框,基于该预测框相应的特征图与所述多个预测框中的其它每个预测框的特征图之间的相似度以及所述多个预测框的置信度,调整该预测框的置信度;
计算单元,被配置用于基于所述多个真实框的位置信息、所述多个预测框的位置信息和所述多个预测框的调整后的置信度,计算损失值;以及
第一调参单元,被配置用于基于所述损失值,对所述目标检测模型进行调参。
9.如权利要求8所述的装置,其中,所述第一调整单元包括:
确定子单元,被配置用于基于该预测框的特征图与所述多个预测框中的其它每个预测框的特征图之间的相似度,确定所述其它每个预测框的针对该预测框的权重;
调整子单元,被配置用于基于所述其它每个预测框的针对该预测框的权重以及所述多个预测框的置信度,调整该预测框的置信度。
10.如权利要求9所述的装置,还包括:
图卷积神经网络;
并且其中,所述调整子单元包括:
构建模块,被配置用于基于所述多个预测框构建图谱,其中,以所述多个预测框中的任意两个预测框为顶点建立图谱的边,每个顶点的初始值为该顶点相应的预测框的置信度,所述图谱中每个边的权重为该边相应的顶点相应的预测框针对另一个顶点相应的预测框的权重;以及
调整模块,被配置用于将所述图谱和所述图谱中每个边的权重输入所述图卷积神经网络,以获取所述图卷积神经网络所输出的所述图谱中每个顶点的预测值,并且将所述图谱中每个顶点的预测值标注为该顶点相应的预测框的调整后的置信度。
11.如权利要求10所述的装置,还包括:
注意力网络;
并且其中,所述第三获取单元和所述确定子单元被配置用于针对每个所述预测框,将该预测框相应的特征图与所述其它每个预测框相应的特征图输入所述注意力网络,以获取所述注意力网络所输出的所述其它每个预测框的针对该预测框的权重,并且将其它每个预测框的针对该预测框的权重标注为所述图谱中以该预测框和所述其它每个预测框为顶点的边相应的权重。
12.一种目标检测模型的训练装置,所述装置包括:
利用权利要求1-4中任一项所述的方法训练得到的第一目标检测模型;
第二目标检测模型;
第四获取单元,被配置用于获取样本图像;
第五获取单元,被配置用于将所述样本图像输入第一目标检测模型,以获取所述第一目标检测模型所输出的所述样本图像所包括的目标对象相应的第一预测框以及第一预测框的置信度;
第六获取单元,被配置用于响应于所述置信度大于预设阈值,将所述样本图像输入第二目标检测模型,以获取所述第二目标检测模型所输出的所述样本图像所包括的目标对象相应的第二预测框;以及
第二调参单元,被配置用于基于所述第一预测框和所述第二预测框,对所述第二目标检测模型进行调参。
13.如权利要求12所述的装置,还包括:
第七获取单元,被配置用于获取所述第一目标检测模型基于所述样本图像所输出的多个第一预测框的特征图;
第八获取单元,被配置用于针对每个所述第一预测框,获取该第一预测框的特征图与所述多个第一预测框中的其它第一预测框的特征图之间的相似度;
第二调整单元,被配置用于针对每个所述第一预测框,基于该第一预测框的特征图与所述多个第一预测框中的其它第一预测框的特征图之间的相似度以及所述多个第一预测框的置信度,调整该第一预测框的置信度;
并且其中,所述第六获取单元被配置用于响应于调整后的所述置信度大于预设阈值,将所述样本图像输入第二目标检测模型,以获取所述第二目标检测模型所输出的所述样本图像所包括的目标对象相应的多个第二预测框。
14.一种目标检测装置,包括:
利用权利要求1-6中任一项所述的方法训练得到的目标检测模型;以及
第九获取单元,被配置用于将待检测图像输入所述目标检测模型,以获取所述目标检测模型所输出的所述待检测图像所包括的目标对象相应的预测框。
15.一种电子设备,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1-7中任一项所述的方法。
16.一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计算机执行根据权利要求1-7中任一项所述的方法。
17.一种计算机程序产品,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 |
---|---|---|---|
CN202210449094.5A CN114821233B (zh) | 2022-04-26 | 2022-04-26 | 目标检测模型的训练方法及装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210449094.5A CN114821233B (zh) | 2022-04-26 | 2022-04-26 | 目标检测模型的训练方法及装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114821233A true CN114821233A (zh) | 2022-07-29 |
CN114821233B CN114821233B (zh) | 2023-05-30 |
Family
ID=82506932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210449094.5A Active CN114821233B (zh) | 2022-04-26 | 2022-04-26 | 目标检测模型的训练方法及装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114821233B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180268292A1 (en) * | 2017-03-17 | 2018-09-20 | Nec Laboratories America, Inc. | Learning efficient object detection models with knowledge distillation |
CN110443366A (zh) * | 2019-07-30 | 2019-11-12 | 上海商汤智能科技有限公司 | 神经网络的优化方法及装置、目标检测方法及装置 |
CN111339967A (zh) * | 2020-02-28 | 2020-06-26 | 长安大学 | 一种基于多视域图卷积网络的行人检测方法 |
CN112906502A (zh) * | 2021-01-29 | 2021-06-04 | 北京百度网讯科技有限公司 | 目标检测模型的训练方法、装置、设备以及存储介质 |
CN113344055A (zh) * | 2021-05-28 | 2021-09-03 | 北京百度网讯科技有限公司 | 图像识别方法、装置、电子设备和介质 |
CN113378693A (zh) * | 2021-06-08 | 2021-09-10 | 北京百度网讯科技有限公司 | 生成目标检测系统和检测目标的方法及装置 |
CN113920307A (zh) * | 2021-09-29 | 2022-01-11 | 北京百度网讯科技有限公司 | 模型的训练方法、装置、设备、存储介质及图像检测方法 |
CN113971751A (zh) * | 2021-10-28 | 2022-01-25 | 北京百度网讯科技有限公司 | 训练特征提取模型、检测相似图像的方法和装置 |
US20220067532A1 (en) * | 2020-08-31 | 2022-03-03 | Si Analytics Co., Ltd | Method to Train Model |
-
2022
- 2022-04-26 CN CN202210449094.5A patent/CN114821233B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180268292A1 (en) * | 2017-03-17 | 2018-09-20 | Nec Laboratories America, Inc. | Learning efficient object detection models with knowledge distillation |
CN110443366A (zh) * | 2019-07-30 | 2019-11-12 | 上海商汤智能科技有限公司 | 神经网络的优化方法及装置、目标检测方法及装置 |
CN111339967A (zh) * | 2020-02-28 | 2020-06-26 | 长安大学 | 一种基于多视域图卷积网络的行人检测方法 |
US20220067532A1 (en) * | 2020-08-31 | 2022-03-03 | Si Analytics Co., Ltd | Method to Train Model |
CN112906502A (zh) * | 2021-01-29 | 2021-06-04 | 北京百度网讯科技有限公司 | 目标检测模型的训练方法、装置、设备以及存储介质 |
CN113344055A (zh) * | 2021-05-28 | 2021-09-03 | 北京百度网讯科技有限公司 | 图像识别方法、装置、电子设备和介质 |
CN113378693A (zh) * | 2021-06-08 | 2021-09-10 | 北京百度网讯科技有限公司 | 生成目标检测系统和检测目标的方法及装置 |
CN113920307A (zh) * | 2021-09-29 | 2022-01-11 | 北京百度网讯科技有限公司 | 模型的训练方法、装置、设备、存储介质及图像检测方法 |
CN113971751A (zh) * | 2021-10-28 | 2022-01-25 | 北京百度网讯科技有限公司 | 训练特征提取模型、检测相似图像的方法和装置 |
Non-Patent Citations (3)
Title |
---|
PING LI等: "Graph convolutional network meta-learning with multi-granularity POS guidance for video captioning", 《NEUROCOMPUTING》 * |
张韵仙: "基于卷积神经网络与后融合算法的车辆检测技术研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》 * |
陈立帆等: "基于图卷积神经网络的输电线路自然灾害事故预测", 《电网技术》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114821233B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113836333A (zh) | 图文匹配模型的训练方法、实现图文检索的方法、装置 | |
CN112579909A (zh) | 对象推荐方法及装置、计算机设备和介质 | |
CN112857268B (zh) | 对象面积测量方法、装置、电子设备和存储介质 | |
CN114004985B (zh) | 人物交互检测方法、神经网络及其训练方法、设备和介质 | |
CN115082740B (zh) | 目标检测模型训练方法、目标检测方法、装置、电子设备 | |
CN114445667A (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
CN114723949A (zh) | 三维场景分割方法和用于训练分割模型的方法 | |
CN116152607A (zh) | 目标检测方法、训练目标检测模型的方法及装置 | |
CN115359309A (zh) | 目标检测模型的训练方法及装置、设备和介质 | |
CN115578501A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN115601555A (zh) | 图像处理方法及装置、设备和介质 | |
CN115797660A (zh) | 图像检测方法、装置、电子设备和存储介质 | |
CN114429678A (zh) | 模型训练方法及装置、电子设备和介质 | |
CN114842476A (zh) | 水印检测方法及装置、模型训练方法及装置 | |
CN114882587A (zh) | 生成对抗样本的方法、装置、电子设备和介质 | |
CN114821233B (zh) | 目标检测模型的训练方法及装置、设备和介质 | |
CN115512131B (zh) | 图像检测方法和图像检测模型的训练方法 | |
CN115578451B (zh) | 图像处理方法、图像处理模型的训练方法和装置 | |
CN115511779B (zh) | 图像检测方法、装置、电子设备和存储介质 | |
CN113284484B (zh) | 模型训练方法及装置、语音识别方法和语音合成方法 | |
CN116070711B (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN117197483A (zh) | 用于检测图像中的对象的方法及装置、设备和介质 | |
CN117218499A (zh) | 面部表情捕捉模型的训练方法、面部表情驱动方法和装置 | |
CN117671430A (zh) | 模型训练方法、图像处理方法、装置及设备 | |
CN114005138A (zh) | 图像处理方法、装置、电子设备和介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |