CN114863207A - 目标检测模型的预训练方法、装置及电子设备 - Google Patents
目标检测模型的预训练方法、装置及电子设备 Download PDFInfo
- Publication number
- CN114863207A CN114863207A CN202210400997.4A CN202210400997A CN114863207A CN 114863207 A CN114863207 A CN 114863207A CN 202210400997 A CN202210400997 A CN 202210400997A CN 114863207 A CN114863207 A CN 114863207A
- Authority
- CN
- China
- Prior art keywords
- image
- sample image
- target detection
- frame
- sample
- 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 273
- 238000012549 training Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000006870 function Effects 0.000 claims description 46
- 238000012545 processing Methods 0.000 claims description 29
- 238000000605 extraction Methods 0.000 claims description 18
- 230000009466 transformation Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 230000001131 transforming effect Effects 0.000 claims description 11
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000010845 search algorithm Methods 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
- 238000000844 transformation Methods 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了目标检测模型的预训练方法、装置及电子设备，涉及人工智能技术领域，尤其涉及计算机视觉、深度学习技术领域。具体实现方案为：确定待处理的样本图像对，以及样本图像对中两个样本图像对应的初始检测框；针对每个样本图像，根据样本图像、样本图像对应的初始检测框以及目标检测模型，确定样本图像对应的初始局部特征以及目标检测框；根据样本图像、样本图像对应的目标检测框以及目标检测模型，确定样本图像对应的框内局部特征以及框外局部特征；根据两个样本图像对应的初始局部特征、框内局部特征以及框外局部特征，对目标检测模型进行训练，从而使得目标检测模型能够同时学习到目标语义特征以及目标边界特征，提高目标检测的准确度。
Description
技术领域
本公开涉及人工智能技术领域，尤其涉及计算机视觉、深度学习技术领域，尤其涉及目标检测模型的预训练方法、装置及电子设备。
背景技术
目前，目标检测模型的预训练方法主要为，基于对比损失的自监督预训练方法，即采用孪生网络提取不同数据增强后的同一图像的特征作为正样本，通过构造包含正负样本对的对比损失函数，对目标检测模型进行预训练。
上述预训练方法中，目标检测模型提取图像特征时，只考虑到图像中的目标语义特征，导致提取到的特征的准确度低，进而导致目标检测的准确率低。
发明内容
本公开提供了一种目标检测模型的预训练方法、装置及电子设备。
根据本公开的一方面，提供了一种目标检测模型的预训练方法，包括：确定待处理的样本图像对，以及所述样本图像对中两个样本图像对应的初始检测框；针对每个样本图像，根据所述样本图像、所述样本图像对应的初始检测框以及目标检测模型，确定所述样本图像对应的初始局部特征以及目标检测框；根据所述样本图像、所述样本图像对应的目标检测框以及所述目标检测模型，确定所述样本图像对应的框内局部特征以及框外局部特征；根据两个所述样本图像对应的所述初始局部特征、所述框内局部特征以及所述框外局部特征，对所述目标检测模型的系数进行调整，实现训练。
根据本公开的另一方面，提供了一种目标检测模型的预训练装置，包括：第一确定模块，用于确定待处理的样本图像对，以及所述样本图像对中两个样本图像对应的初始检测框；第二确定模块，用于针对每个样本图像，根据所述样本图像、所述样本图像对应的初始检测框以及目标检测模型，确定所述样本图像对应的初始局部特征以及目标检测框；第三确定模块，用于根据所述样本图像、所述样本图像对应的目标检测框以及所述目标检测模型，确定所述样本图像对应的框内局部特征以及框外局部特征；处理模块，用于根据两个所述样本图像对应的所述初始局部特征、所述框内局部特征以及所述框外局部特征，对所述目标检测模型的系数进行调整，实现训练。
根据本公开的又一方面，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本公开上述提出的目标检测模型的预训练方法。
根据本公开的再一方面，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，所述计算机指令用于使所述计算机执行本公开上述提出的目标检测模型的预训练方法。
根据本公开的再一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本公开上述提出的目标检测模型的预训练方法的步骤。
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
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开第一实施例的示意图；
图2是根据本公开第二实施例的示意图；
图3是目标检测模型的预训练过程示意图；
图4是根据本公开第三实施例的示意图；
图5是用来实现本公开实施例的电子设备的框图。
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和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
目前，目标检测模型的预训练方法主要为，基于对比损失的自监督预训练方法，即采用孪生网络提取不同数据增强后的同一图像的特征作为正样本，通过构造包含正负样本对的对比损失函数，对目标检测模型进行预训练。
上述预训练方法中，目标检测模型提取图像特征时，只考虑到图像中的目标语义特征，导致提取到的特征的准确度低，进而导致目标检测的准确率低。
针对上述问题，本公开提出一种目标检测模型的预训练方法、装置及电子设备。
图1是根据本公开第一实施例的示意图，需要说明的是，本公开实施例的目标检测模型的预训练方法可应用于目标检测模型的预训练装置，该装置可被配置于电子设备中，以使该电子设备可以执行目标检测模型的预训练功能。
其中，电子设备可以为任一具有计算能力的设备，例如可以为个人电脑(PersonalComputer，简称PC)、移动终端、服务器等，移动终端例如可以为车载设备、手机、平板电脑、个人数字助理、穿戴式设备等具有各种操作系统、触摸屏和/或显示屏的硬件设备。
如图1所示，该目标检测模型的预训练方法可以包括如下步骤：
步骤101，确定待处理的样本图像对，以及样本图像对中两个样本图像对应的初始检测框。
在本公开实施例中，目标检测模型的预训练装置执行步骤101的过程例如可以为，确定至少一个原始图像，以及原始图像对应的初始检测框；对原始图像以及对应的初始检测框进行变换处理，得到原始图像对应的两个样本图像，以及两个样本图像对应的初始检测框；根据对应不同原始图像的两个样本图像，确定待处理的样本图像对；或者，根据对应不同原始图像的两个样本图像，确定待处理的样本图像对；确定样本图像对中两个样本图像对应的初始检测框。
在本公开实施例中，待处理的样本图像对中的两个样本图像，可以为对相同原始图像进行不同的变换处理得到，或者，可以为对不同原始图像进行变换处理得到。其中，待处理的样本图像对可以为多个，一部分样本图像对，为对相同原始图像进行不同的变换处理得到；另一部分样本图像对，为对不同原始图像进行变换处理得到。
其中，对相同原始图像进行不同的变换处理得到的两个样本图像组成的样本图像对，可以为正样本图像对；对不同原始图像进行变换处理得到的两个样本图像组成的样本图像对，可以为负样本图像对。例如，假设有两个原始图像，为原始图像A和原始图像B。原始图像A经过不同的变换得到A1和A2；原始图像B经过不同变换得到B1和B2。正样本图像对例如，A1+A2、B1+B2。负样本图像对例如，A1+B2、A1+B1、A2+B1、A2+B2。
在本公开实施例中，一个原始图像中可能有多个物体，一个物体对应一个目标，即多个目标。每个目标对应一个初始检测框。原始图像对应的初始检测框，可以为原始图像中某个目标的初始检测框，其中，某个目标可以为原始图像中的任意一个目标，例如，可以取占图像区域最大的目标A。
在本公开实施例中，作为一种示例，目标检测模型的预训练装置确定原始图像对应的初始检测框的方式可以为，将原始图像输入已有的特征提取模型，获取该特征提取模型输出的图像特征，基于图像特征进行检测框预测，将预测得到的至少一个检测框中的任意一个检测框作为原始图像对应的初始检测框。
在本公开实施例中，作为另一种示例，目标检测模型的预训练装置确定原始图像对应的初始检测框的方式可以为，对原始图像进行选择性搜索(selective search)算法处理，以获取原始图像中的至少一个粗检测框，将至少一个粗检测框中的任意一个粗检测框，作为原始图像对应的初始检测框。
其中，检测框包括目标的位置以及目标边界信息，其中，检测框的表示方式例如可以为(中心点横坐标，中心点纵坐标，检测框长度，检测框框宽度)。
本公开实施例中，原始图像对应的两个样本图像，均由该原始图像变换得到；两个样本图像对应的初始检测框，均由该原始图像对应的初始检测框变换得到。例如，若原始图像对应的初始检测框为原始图像中目标A的检测框，则原始图像对应的样本图像的初始检测框为样本图像中目标A的检测框。
其中，变换处理可以为缩放，旋转，裁剪等处理。其中，原始图像对应的两个样本图像的确定方式例如，对原始图像进行放大处理，得到一个样本图像；对该原始图像进行旋转处理，得到另一个样本图像。
在本公开实施例中，通过确定原始图像对应的初始检测框，进而基于原始图像以及对应的初始检测框，确定样本图像对中的样本图像以及对应的初始检测框，以方便后续基于样本图像对应的初始检测框准确确定样本图像对应的目标检测框，从而确保目标检测模型能够学习到准确的目标边界特征，从而提高目标检测的准确度。
步骤102，针对每个样本图像，根据样本图像、样本图像对应的初始检测框以及目标检测模型，确定样本图像对应的初始局部特征以及目标检测框。
在本公开实施例中，目标检测模型的预训练装置执行步骤102的过程例如可以为，针对每个样本图像，将样本图像输入目标检测模型的特征提取网络，获取样本图像对应的全局特征；将全局特征以及样本图像对应的初始检测框，输入目标检测模型的头部网络，获取样本图像对应的初始局部特征以及目标检测框。
在本公开实施例中，特征提取网络例如可以为残差网络(ResNet50)。目标检测框为两个，待处理的样本图像对中的两个样本图像分别对应一个目标检测框。其中，通过目标检测模型的头部网络，结合全局特征以及样本图像对应的初始检测框，能够准确确定样本图像中初始检测框内的初始局部特征，确保目标检测模型结合初始局部特征能够学习到准确的目标边界特征，进而进一步提高目标检测的准确度。
步骤103，根据样本图像、样本图像对应的目标检测框以及目标检测模型，确定样本图像对应的框内局部特征以及框外局部特征。
在本公开实施例中，在一种示例中，目标检测模型的预训练装置执行步骤103的过程例如可以为，根据样本图像以及样本图像对应的目标检测框，确定样本图像中的框内局部图像以及框外局部图像；将框内局部图像和框外局部图像分别输入目标检测模型的特征提取网络，获取样本图像对应的框内局部特征和框外局部特征。
在本公开实施例中，根据样本图像以及样本图像对应的目标检测框，能够准确确定样本图像中的框内局部图像以及框外局部图像，进而准确确定框内局部特征和框外局部特征，方便后续确定样本图像对应的互信息以及对目标检测模型进行训练，进一步确保目标检测模型能够学习到准确的目标边界特征，提高预训练得到的目标检测模型的准确度，从而提高目标检测的准确度。
在本公开实施例中，在另一种示例中，目标检测模型的预训练装置执行步骤103的过程例如可以为，确定样本图像对应的原始图像，其中，样本图像由原始图像变换处理得到；根据样本图像对应的目标检测框以及样本图像与对应的原始图像之间的变换处理关系，确定原始图像对应的目标检测框；根据原始图像以及原始图像对应的目标检测框，确定原始图像中的框内局部图像以及框外局部图像；将框内局部图像和框外局部图像分别输入目标检测模型的特征提取网络，获取样本图像对应的框内局部特征和框外局部特征。
在本公开实施例中，根据样本图像对应的目标检测框以及样本图像与对应的原始图像之间的变换处理关系，确定原始图像对应的目标检测框，进而准确确定原始图像中的框内局部图像以及框外局部图像，进而准确确定框内局部特征和框外局部特征，方便后续确定样本图像对应的互信息以及对目标检测模型进行训练，进一步确保目标检测模型能够学习到准确的目标边界特征，提高预训练得到的目标检测模型的准确度，从而提高目标检测的准确度。
步骤104，根据两个样本图像对应的初始局部特征、框内局部特征以及框外局部特征，对目标检测模型的系数进行调整，实现训练。
综上，通过确定待处理的样本图像对，以及样本图像对中两个样本图像对应的初始检测框；针对每个样本图像，根据样本图像、样本图像对应的初始检测框以及目标检测模型，确定样本图像对应的初始局部特征以及目标检测框；根据样本图像、样本图像对应的目标检测框以及目标检测模型，确定样本图像对应的框内局部特征以及框外局部特征；根据两个样本图像对应的初始局部特征、框内局部特征以及框外局部特征，对目标检测模型的系数进行调整，实现训练，从而使得目标检测模型能够同时学习到目标语义特征以及目标边界特征，提高目标检测的准确度。
为了进一步提高目标检测的准确度，可以根据两个样本图像对应的初始局部特征、框内局部特征以及框外局部特征，确定对比损失函数以及互信息，进而对目标检测模型的系数进行调整，实现训练。如图2所示，图2是根据本公开第二实施例的示意图。图2所示实施例可以包括以下步骤：
步骤201，确定待处理的样本图像对，以及样本图像对中两个样本图像对应的初始检测框。
步骤202，针对每个样本图像，根据样本图像、样本图像对应的初始检测框以及目标检测模型，确定样本图像对应的初始局部特征以及目标检测框。
步骤203，根据样本图像、样本图像对应的目标检测框以及目标检测模型，确定样本图像对应的框内局部特征以及框外局部特征。
步骤204，针对每个样本图像，根据样本图像对应的框内局部特征和框外局部特征，确定样本图像对应的互信息。
在本公开实施例中，结合对比对数比上限(Contrastive Log－ratio UpperBound，CLUB)算法对样本图像对应的框内局部特征和框外局部特征进行计算处理，得到样本图像对应的互信息，从而结合样本图像对应的互信息对目标检测模型的系数进行调整，能够使得目标检测模型学习到准确的目标边界特征，提高预训练得到的目标检测模型的准确度，提高目标检测的准确度。
步骤205，根据两个样本图像对应的初始局部特征以及互信息，构建损失函数，对目标检测模型的系数进行调整，实现训练。
在本公开实施例中，目标检测模型的预训练装置执行步骤205的过程例如可以为，根据两个样本图像对应的初始局部特征，构建第一子损失函数；根据两个样本图像对应的互信息，构建第二子损失函数；根据第一资损失函数和第二子损失函数，确定损失函数；根据损失函数的数值，对目标检测模型的系数进行调整，实现训练。
在本公开实施例中，样本图像对为正样本图像对时，第一子损失函数，可以为正样本图像对中两个样本图像对应的初始局部特征的交叉熵损失的负数，或者，可以为两个样本图像对应的初始局部特征的余弦相似度损失的负数。其中，交叉熵损失或者余弦相似度损失越大，第一子损失函数越小。
在本公开实施例中，样本图像对为负样本图像对时，第一子损失函数，可以为负样本图像对中两个样本图像对应的初始局部特征的交叉熵损失，或者，可以为负样本图像对中两个样本图像对应的初始局部特征的余弦相似度损失。交叉熵损失或者余弦相似度损失越小，第一子损失函数越小。
在本公开实施例中，对第一子损失函数和第二子损失函数进行加和处理，得到损失函数。
在本公开实施例中，根据确定的损失函数的数值，对目标检测模型的系数进行调整，实现训练，确保目标检测模型能够学习到准确的目标边界特征，提高预训练得到的目标检测模型的准确度，以提高目标检测的准确度。
其中，需要说明的是，步骤201、步骤202、步骤203的详细内容，可以参考图1所示实施例中的步骤101、步骤102和步骤103，此处不再进行详细说明。
综上，确定待处理的样本图像对，以及样本图像对中两个样本图像对应的初始检测框；针对每个样本图像，根据样本图像、样本图像对应的初始检测框以及目标检测模型，确定样本图像对应的初始局部特征以及目标检测框；确定样本图像对应的原始图像，其中，样本图像由原始图像变换处理得到；根据样本图像对应的目标检测框以及样本图像与对应的原始图像之间的变换处理关系，确定原始图像对应的目标检测框；根据原始图像以及原始图像对应的目标检测框，确定原始图像中的框内局部图像以及框外局部图像；将框内局部图像和框外局部图像分别输入目标检测模型的特征提取网络，获取样本图像对应的框内局部特征和框外局部特征。根据两个样本图像对应的初始局部特征、框内局部特征以及框外局部特征，对目标检测模型的系数进行调整，实现训练，从而使得目标检测模型能够同时学习到目标语义特征以及目标边界特征，提高目标检测的准确度。
举例说明，图3是目标检测模型的预训练过程示意图，如图3所示，获取原始图像及原始图像对应的初始检测框，可以通过已有的自监督训练的特征提取器所得到的特征图来估计初始检测框，或者通过传统的selective search(选择性搜索)算法获得初始检测框。对原始图像及原始图像对应的初始检测框进行变换处理(例如，缩放、裁剪、旋转)，得到对应的两个样本图像及其对应的初始检测框。针对每个样本图像，将样本图像输入目标检测模型的特征提取网络(ResNet50)，获取样本图像对应的全局特征，将全局特征以及样本图像对应的初始检测框，输入目标检测模型的头部网络(ROI Head)，获取样本图像对应的初始局部特征以及目标检测框，结合样本图像与对应的原始图像之间的变换处理关系确定原始图像对应的目标检测框，根据原始图像及对应的目标检测框确定原始图像中的框内局部图像以及框外局部图像，将框内局部图像以及框外局部图像输入目标检测模型的特征提取网络(ResNet50)，获取样本图像对应的框内局部特征和框外局部特征，根据框内局部特征和框外局部特征确定样本图像对应的互信息，结合初始局部特征和互信息构建损失函数，根据损失函数的数值，对目标检测模型的系数进行调整，实现训练。
结合图4，对本公开提供的目标检测模型的预训练装置进行说明。
如图4所示，图4是根据本公开第三实施例的示意图，本公开的提供的目标检测模型的预训练装置400，包括：第一确定模块410、第二确定模块420、第三确定模块430、处理模块440。
其中，第一确定模块410，用于确定待处理的样本图像对，以及所述样本图像对中两个样本图像对应的初始检测框；
第二确定模块420，用于针对每个样本图像，根据所述样本图像、所述样本图像对应的初始检测框以及目标检测模型，确定所述样本图像对应的初始局部特征以及目标检测框；
第三确定模块430，用于根据所述样本图像、所述样本图像对应的目标检测框以及所述目标检测模型，确定所述样本图像对应的框内局部特征以及框外局部特征；
处理模块440，用于根据两个所述样本图像对应的所述初始局部特征、所述框内局部特征以及所述框外局部特征，对所述目标检测模型的系数进行调整，实现训练。
需要说明的是，本实施例提供的目标检测模型的预训练装置，可以执行前述实施例的目标检测模型的预训练方法，以实现提高目标检测的准确度。
需要说明的是，前述对于目标检测模型的预训练方法的实施例的说明，也适用于本公开提供的目标检测模型的预训练装置，此处不再赘述。
作为本公开实施例的一种可能实现方式，所述第一确定模块410具体用于，确定至少一个原始图像，以及所述原始图像对应的初始检测框；对所述原始图像以及对应的初始检测框进行变换处理，得到所述原始图像对应的两个样本图像，以及所述两个样本图像对应的初始检测框；根据对应相同原始图像的两个样本图像，确定所述待处理的样本图像对；或者，根据对应不同原始图像的两个样本图像，确定所述待处理的样本图像对；确定所述样本图像对中两个样本图像对应的初始检测框。
作为本公开实施例的一种可能实现方式，所述第二确定模块420具体用于，针对每个样本图像，将所述样本图像输入所述目标检测模型的特征提取网络，获取所述样本图像对应的全局特征；将所述全局特征以及所述样本图像对应的初始检测框，输入所述目标检测模型的头部网络，获取所述样本图像对应的所述初始局部特征以及所述目标检测框。
作为本公开实施例的一种可能实现方式，所述第三确定模块430具体用于，根据所述样本图像以及所述样本图像对应的目标检测框，确定所述样本图像中的框内局部图像以及框外局部图像；将所述框内局部图像和所述框外局部图像分别输入所述目标检测模型的特征提取网络，获取所述样本图像对应的所述框内局部特征和所述框外局部特征。
作为本公开实施例的一种可能实现方式，所述第三确定模块430具体用于，确定所述样本图像对应的原始图像，其中，所述样本图像由所述原始图像变换处理得到；根据所述样本图像对应的目标检测框以及所述样本图像与对应的原始图像之间的变换处理关系，确定所述原始图像对应的目标检测框；根据所述原始图像以及所述原始图像对应的目标检测框，确定所述原始图像中的框内局部图像以及框外局部图像；将所述框内局部图像和所述框外局部图像分别输入所述目标检测模型的特征提取网络，获取所述样本图像对应的所述框内局部特征和所述框外局部特征。
作为本公开实施例的一种可能实现方式，所述处理模块440具体用于，针对每个样本图像，根据所述样本图像对应的所述框内局部特征和所述框外局部特征，确定所述样本图像对应的互信息；根据两个所述样本图像对应的所述初始局部特征以及所述互信息，构建损失函数，对所述目标检测模型的系数进行调整，实现训练。
作为本公开实施例的一种可能实现方式，所述处理模块440具体用于，根据两个所述样本图像对应的所述初始局部特征，构建第一子损失函数；根据两个所述样本图像对应的所述互信息，构建第二子损失函数；根据所述第一资损失函数和所述第二子损失函数，确定所述损失函数；根据所述损失函数的数值，对所述目标检测模型的系数进行调整，实现训练。
本公开实施例的目标检测模型的预训练装置，通过确定待处理的样本图像对，以及样本图像对中两个样本图像对应的初始检测框；针对每个样本图像，根据样本图像、样本图像对应的初始检测框以及目标检测模型，确定样本图像对应的初始局部特征以及目标检测框；根据样本图像、样本图像对应的目标检测框以及目标检测模型，确定样本图像对应的框内局部特征以及框外局部特征；根据两个样本图像对应的初始局部特征、框内局部特征以及框外局部特征，对目标检测模型的系数进行调整，实现训练，从而提高目标检测的准确度。
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，均在征得用户同意的前提下进行，并且均符合相关法律法规的规定，且不违背公序良俗。
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5示出了可以用来实施本公开的实施例的示例电子设备500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5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500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501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501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501执行上文所描述的各个方法和处理，例如目标检测模型的预训练方法。例如，在一些实施例中，目标检测模型的预训练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508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的目标检测模型的预训练方法的一个或多个步骤。备选地，在其他实施例中，计算单元501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预训练方法。
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 (17)
1.一种目标检测模型的预训练方法，包括：
确定待处理的样本图像对，以及所述样本图像对中两个样本图像对应的初始检测框；
针对每个样本图像，根据所述样本图像、所述样本图像对应的初始检测框以及目标检测模型，确定所述样本图像对应的初始局部特征以及目标检测框；
根据所述样本图像、所述样本图像对应的目标检测框以及所述目标检测模型，确定所述样本图像对应的框内局部特征以及框外局部特征；
根据两个所述样本图像对应的所述初始局部特征、所述框内局部特征以及所述框外局部特征，对所述目标检测模型的系数进行调整，实现训练。
2.根据权利要求1所述的方法，其中，所述确定待处理的样本图像对，以及所述样本图像对中两个样本图像对应的初始检测框，包括：
确定至少一个原始图像，以及所述原始图像对应的初始检测框；
对所述原始图像以及对应的初始检测框进行变换处理，得到所述原始图像对应的两个样本图像，以及所述两个样本图像对应的初始检测框；
根据对应相同原始图像的两个样本图像，确定所述待处理的样本图像对；或者，根据对应不同原始图像的两个样本图像，确定所述待处理的样本图像对；
确定所述样本图像对中两个样本图像对应的初始检测框。
3.根据权利要求1所述的方法，其中，所述针对每个样本图像，根据所述样本图像、所述样本图像对应的初始检测框以及目标检测模型，确定所述样本图像对应的初始局部特征以及目标检测框，包括：
针对每个样本图像，将所述样本图像输入所述目标检测模型的特征提取网络，获取所述样本图像对应的全局特征；
将所述全局特征以及所述样本图像对应的初始检测框，输入所述目标检测模型的头部网络，获取所述样本图像对应的所述初始局部特征以及所述目标检测框。
4.根据权利要求1所述的方法，其中，所述根据所述样本图像、所述样本图像对应的目标检测框以及所述目标检测模型，确定所述样本图像对应的框内局部特征以及框外局部特征，包括：
根据所述样本图像以及所述样本图像对应的目标检测框，确定所述样本图像中的框内局部图像以及框外局部图像；
将所述框内局部图像和所述框外局部图像分别输入所述目标检测模型的特征提取网络，获取所述样本图像对应的所述框内局部特征和所述框外局部特征。
5.根据权利要求1所述的方法，其中，所述根据所述样本图像、所述样本图像对应的目标检测框以及所述目标检测模型，确定所述样本图像对应的框内局部特征以及框外局部特征，包括：
确定所述样本图像对应的原始图像，其中，所述样本图像由所述原始图像变换处理得到；
根据所述样本图像对应的目标检测框以及所述样本图像与对应的原始图像之间的变换处理关系，确定所述原始图像对应的目标检测框；
根据所述原始图像以及所述原始图像对应的目标检测框，确定所述原始图像中的框内局部图像以及框外局部图像；
将所述框内局部图像和所述框外局部图像分别输入所述目标检测模型的特征提取网络，获取所述样本图像对应的所述框内局部特征和所述框外局部特征。
6.根据权利要求1所述的方法，其中，所述根据两个所述样本图像对应的所述初始局部特征、所述框内局部特征以及所述框外局部特征，对所述目标检测模型的系数进行调整，实现训练，包括：
针对每个样本图像，根据所述样本图像对应的所述框内局部特征和所述框外局部特征，确定所述样本图像对应的互信息；
根据两个所述样本图像对应的所述初始局部特征以及所述互信息，构建损失函数，对所述目标检测模型的系数进行调整，实现训练。
7.根据权利要求6所述的方法，其中，所述根据两个所述样本图像对应的所述初始局部特征以及所述互信息，构建损失函数，对所述目标检测模型的系数进行调整，实现训练，包括：
根据两个所述样本图像对应的所述初始局部特征，构建第一子损失函数；
根据两个所述样本图像对应的所述互信息，构建第二子损失函数；
根据所述第一资损失函数和所述第二子损失函数，确定所述损失函数；
根据所述损失函数的数值，对所述目标检测模型的系数进行调整，实现训练。
8.一种目标检测模型的预训练装置，包括：
第一确定模块，用于确定待处理的样本图像对，以及所述样本图像对中两个样本图像对应的初始检测框；
第二确定模块，用于针对每个样本图像，根据所述样本图像、所述样本图像对应的初始检测框以及目标检测模型，确定所述样本图像对应的初始局部特征以及目标检测框；
第三确定模块，用于根据所述样本图像、所述样本图像对应的目标检测框以及所述目标检测模型，确定所述样本图像对应的框内局部特征以及框外局部特征；
处理模块，用于根据两个所述样本图像对应的所述初始局部特征、所述框内局部特征以及所述框外局部特征，对所述目标检测模型的系数进行调整，实现训练。
9.根据权利要求8所述的装置，其中，所述第一确定模块具体用于，
确定至少一个原始图像，以及所述原始图像对应的初始检测框；
对所述原始图像以及对应的初始检测框进行变换处理，得到所述原始图像对应的两个样本图像，以及所述两个样本图像对应的初始检测框；
根据对应相同原始图像的两个样本图像，确定所述待处理的样本图像对；或者，根据对应不同原始图像的两个样本图像，确定所述待处理的样本图像对；
确定所述样本图像对中两个样本图像对应的初始检测框。
10.根据权利要求8所述的装置，其中，所述第二确定模块具体用于，
针对每个样本图像，将所述样本图像输入所述目标检测模型的特征提取网络，获取所述样本图像对应的全局特征；
将所述全局特征以及所述样本图像对应的初始检测框，输入所述目标检测模型的头部网络，获取所述样本图像对应的所述初始局部特征以及所述目标检测框。
11.根据权利要求8所述的装置，其中，所述第三确定模块具体用于，
根据所述样本图像以及所述样本图像对应的目标检测框，确定所述样本图像中的框内局部图像以及框外局部图像；
将所述框内局部图像和所述框外局部图像分别输入所述目标检测模型的特征提取网络，获取所述样本图像对应的所述框内局部特征和所述框外局部特征。
12.根据权利要求8所述的装置，其中，所述第三确定模块具体用于，
确定所述样本图像对应的原始图像，其中，所述样本图像由所述原始图像变换处理得到；
根据所述样本图像对应的目标检测框以及所述样本图像与对应的原始图像之间的变换处理关系，确定所述原始图像对应的目标检测框；
根据所述原始图像以及所述原始图像对应的目标检测框，确定所述原始图像中的框内局部图像以及框外局部图像；
将所述框内局部图像和所述框外局部图像分别输入所述目标检测模型的特征提取网络，获取所述样本图像对应的所述框内局部特征和所述框外局部特征。
13.根据权利要求8所述的装置，其中，所述处理模块具体用于，
针对每个样本图像，根据所述样本图像对应的所述框内局部特征和所述框外局部特征，确定所述样本图像对应的互信息；
根据两个所述样本图像对应的所述初始局部特征以及所述互信息，构建损失函数，对所述目标检测模型的系数进行调整，实现训练。
14.根据权利要求13所述的装置，其中，所述处理模块具体用于，
根据两个所述样本图像对应的所述初始局部特征，构建第一子损失函数；
根据两个所述样本图像对应的所述互信息，构建第二子损失函数；
根据所述第一资损失函数和所述第二子损失函数，确定所述损失函数；
根据所述损失函数的数值，对所述目标检测模型的系数进行调整，实现训练。
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所述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，所述计算机程序在被处理器执行时实现根据权利要求1－7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210400997.4A CN114863207A (zh) | 2022-04-14 | 2022-04-14 | 目标检测模型的预训练方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210400997.4A CN114863207A (zh) | 2022-04-14 | 2022-04-14 | 目标检测模型的预训练方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114863207A true CN114863207A (zh) | 2022-08-05 |
Family
ID=82631936
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210400997.4A Pending CN114863207A (zh) | 2022-04-14 | 2022-04-14 | 目标检测模型的预训练方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114863207A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190325243A1 (en) * | 2018-04-20 | 2019-10-24 | Sri International | Zero-shot object detection |
| CN112329588A (zh) * | 2020-10-30 | 2021-02-05 | 中海石油(中国)有限公司 | 一种基于Faster R-CNN的管道故障检测方法 |
| CN113160204A (zh) * | 2021-04-30 | 2021-07-23 | 聚时科技(上海)有限公司 | 基于目标检测信息生成缺陷区域的语义分割网络训练方法 |
| CN114187459A (zh) * | 2021-11-05 | 2022-03-15 | 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、电子设备以及存储介质 |
| CN114202074A (zh) * | 2021-11-09 | 2022-03-18 | 北京百度网讯科技有限公司 | 用于目标检测任务的预训练模型生成方法、装置及设备 |
-
2022
- 2022-04-14 CN CN202210400997.4A patent/CN114863207A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190325243A1 (en) * | 2018-04-20 | 2019-10-24 | Sri International | Zero-shot object detection |
| CN112329588A (zh) * | 2020-10-30 | 2021-02-05 | 中海石油(中国)有限公司 | 一种基于Faster R-CNN的管道故障检测方法 |
| CN113160204A (zh) * | 2021-04-30 | 2021-07-23 | 聚时科技(上海)有限公司 | 基于目标检测信息生成缺陷区域的语义分割网络训练方法 |
| CN114187459A (zh) * | 2021-11-05 | 2022-03-15 | 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、电子设备以及存储介质 |
| CN114202074A (zh) * | 2021-11-09 | 2022-03-18 | 北京百度网讯科技有限公司 | 用于目标检测任务的预训练模型生成方法、装置及设备 |
Non-Patent Citations (2)
| Title |
|---|
| C. YANG, Z. WU, B. ZHOU AND S. LIN: "Instance Localization for Self-supervised Detection Pretraining", 2021 IEEE/CVF CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION(CVPR), pages 3986 - 3995 * |
| T. XIAO, C. J. REED, X. WANG, K. KEUTZER AND T. DARRELL: "Region Similarity Representation Learning", 2021 IEEE/CVF INTERNATIONAL CONFERENCE ON COMPUTER VISION (ICCV), pages 10519 - 10528 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116051668B (zh) | 文生图扩散模型的训练方法和基于文本的图像生成方法 | |
| CN113971751A (zh) | 训练特征提取模型、检测相似图像的方法和装置 | |
| CN115063875B (zh) | 模型训练方法、图像处理方法、装置和电子设备 | |
| CN114187459A (zh) | 目标检测模型的训练方法、装置、电子设备以及存储介质 | |
| CN114186564A (zh) | 语义表示模型的预训练方法、装置以及电子设备 | |
| CN114564971B (zh) | 深度学习模型的训练方法、文本数据处理方法和装置 | |
| CN112861885A (zh) | 图像识别方法、装置、电子设备及存储介质 | |
| US12118770B2 (en) | Image recognition method and apparatus, electronic device and readable storage medium | |
| KR20220116395A (ko) | 사전 훈련 모델의 결정 방법, 장치, 전자 기기 및 저장 매체 | |
| CN113205041A (zh) | 结构化信息提取方法、装置、设备和存储介质 | |
| CN113191261B (zh) | 图像类别的识别方法、装置和电子设备 | |
| CN114078274A (zh) | 人脸图像检测方法、装置、电子设备以及存储介质 | |
| CN114724144B (zh) | 文本识别方法、模型的训练方法、装置、设备及介质 | |
| CN115496916A (zh) | 图像识别模型的训练方法、图像识别方法以及相关装置 | |
| CN115482443A (zh) | 图像特征融合及模型训练方法、装置、设备以及存储介质 | |
| CN114973333A (zh) | 人物交互检测方法、装置、设备以及存储介质 | |
| CN114817476A (zh) | 语言模型的训练方法、装置、电子设备和存储介质 | |
| CN114707638A (zh) | 模型训练、对象识别方法及装置、设备、介质和产品 | |
| CN114328855A (zh) | 文档查询方法、装置、电子设备和可读存储介质 | |
| CN114490969A (zh) | 基于表格的问答方法、装置以及电子设备 | |
| CN113903071A (zh) | 人脸识别方法、装置、电子设备和存储介质 | |
| CN114549695A (zh) | 图像生成方法、装置、电子设备及可读存储介质 | |
| CN114119972A (zh) | 模型获取及对象处理方法、装置、电子设备及存储介质 | |
| CN114863207A (zh) | 目标检测模型的预训练方法、装置及电子设备 | |
| CN115809687A (zh) | 一种图像处理网络的训练方法及装置 |
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 |