CN115082740B - 目标检测模型训练方法、目标检测方法、装置、电子设备 - Google Patents
目标检测模型训练方法、目标检测方法、装置、电子设备 Download PDFInfo
- Publication number
- CN115082740B CN115082740B CN202210839698.0A CN202210839698A CN115082740B CN 115082740 B CN115082740 B CN 115082740B CN 202210839698 A CN202210839698 A CN 202210839698A CN 115082740 B CN115082740 B CN 115082740B
- Authority
- CN
- China
- Prior art keywords
- class
- sample image
- image
- vector representation
- loss value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06V10/82—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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种目标检测模型的训练方法、目标检测方法、装置、电子设备和介质,涉及人工智能领域,尤其涉及图像处理、计算机视觉和深度学习等技术领域,可应用于智慧城市、智能交通等场景。一种目标检测模型的训练方法,包括:获得第一样本图像和第一样本图像的真实类别;基于第一样本图像,通过第一子网络获得第一样本图像的图像特征;基于第一样本图像的图像特征,根据第二子网络获得第一样本图像的预测类别;基于第一样本图像的图像特征和真实类别的第一向量表示确定第一损失值;基于预测类别和真实类别的第二向量表示确定第二损失值;以及基于第一损失值和第二损失值调整目标检测模型的参数。
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等技术领域,可应用于智慧城市、智能交通等场景,具体涉及一种目标检测模型的训练方法、目标检测方法、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。
在人工智能技术领域中,计算机视觉是其中很重要的一个方面。可以通过训练目标检测模型,使得模型获得“视觉”能力,识别图像或视频中的目标或者对目标进行分类。然而,这样的模型往往难以训练,或者准确度有限,例如,训练效果会很大地依赖于初始训练样本等。期望一种能够获得更准确的目标检测或识别能力的训练方法。
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,所述目标检测模型包括第一子网络和与所述第一子网络连接的第二子网络,所述方法包括:获得第一样本图像和所述第一样本图像的真实类别;基于所述第一样本图像,通过所述第一子网络获得所述第一样本图像的图像特征;基于所述第一样本图像的图像特征,根据所述第二子网络获得所述第一样本图像的预测类别;基于所述第一样本图像的图像特征和所述真实类别的第一向量表示确定第一损失值;基于所述预测类别和所述真实类别的第二向量表示确定第二损失值;以及基于所述第一损失值和所述第二损失值调整所述目标检测模型的参数。
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,所述目标检测模型包括第一子网络和与所述第一子网络连接的第二子网络,所述装置包括:真实类别获得单元,用于获得第一样本图像和所述第一样本图像的真实类别;图像特征获得单元,用于基于所述第一样本图像,通过所述第一子网络获得所述第一样本图像的图像特征;预测类别获得单元,用于基于所述第一样本图像的图像特征,根据所述第二子网络获得所述第一样本图像的预测类别;第一损失确定单元,用于基于所述第一样本图像的图像特征和所述真实类别的第一向量表示确定第一损失值;第二损失确定单元,用于基于所述预测类别和所述真实类别的第二向量表示确定第二损失值;以及参数调整单元,用于基于所述第一损失值和所述第二损失值调整所述目标检测模型的参数。
根据本公开的另一方面,提供了一种目标检测方法,包括:基于待检测图像和目标检测模型,获得所述样本图像的预测类别,其中,所述目标检测模型是根据本公开的一个或多个实施例的目标检测模型的训练方法而获得的。
根据本公开的另一方面,提供了一种目标检测装置,包括类别预测单元,用于基于待检测图像和目标检测模型,获得所述样本图像的预测类别其中,所述目标检测模型是根据本公开的一个或多个实施例的目标检测模型的训练装置而获得的。
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根据本公开的一个或多个实施例的目标检测模型的训练方法。
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根据本公开的一个或多个实施例的目标检测模型的训练方法。
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本公开的一个或多个实施例的目标检测模型的训练方法。
根据本公开的一个或多个实施例,可以更加准确地训练目标检测模型。
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示出了根据本公开的实施例的目标检测模型的训练方法可以适用于的模型的示意图;
图4A-图4D示出了根据相关技术与本公开的实施例的方案的目标检测效果的比较示意图;
图5示出了根据本公开的实施例的目标检测模型的训练装置的结构框图;
图6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根据本公开的目标检测模型的训练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还可以提供其他服务或软件应用,这些服务或软件应用可以包括非虚拟环境和虚拟环境。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来训练目标检测模型等。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、区块链网络、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。
下面参考图2描述根据本公开的示例性实施例的目标检测模型的训练方法200。所述目标检测模型可以包括第一子网络和与所述第一子网络连接的第二子网络。如阅读后文将理解的,第一子网络和第二子网络可以分别对应于特征提取部分和分类(或称为目标检测或分类器)部分,并且本公开不限于此。
在步骤S201处,获得第一样本图像和所述第一样本图像的真实类别。
在步骤S202处,基于所述第一样本图像,通过所述第一子网络获得所述第一样本图像的图像特征。例如,可以将所述第一样本图像输入到所述第一子网络部分。
在步骤S203处,基于所述第一样本图像的图像特征,根据所述第二子网络获得所述第一样本图像的预测类别。例如,可以将所述第一样本图像的图像特征输入到所述第二子网络。
在步骤S204处,基于所述第一样本图像的图像特征和所述真实类别的第一向量表示确定第一损失值。第一损失值可以是基于第一损失函数确定的值。
在步骤S205处,基于所述预测类别和所述真实类别的第二向量表示确定第二损失值。第二损失值可以是基于第二损失函数确定的值。
在步骤S206处,基于所述第一损失值和所述第二损失值调整所述目标检测模型的参数。
根据本公开的实施例所述的方法,能够更加准确地训练目标检测模型。
具体地,相较于仅基于预测类别与真实类别来计算损失函数——这样的传统方案可能会收敛慢并且对特征提取部分的监督不足,可能会出现特征提取不准确的情况——本公开增加了图像特征与真实类别层面的损失函数,使得图像特征提取层面增加了监督,从而使得训练更快并且结果更准确。
作为一个具体的非限制性示例,结合图3并且采用Faster RCNN(更快的候选区域卷积神经网络)框架中对根据本公开的实施例的模型训练方法进行进一步叙述。可以理解的是,这里采用的网络结构仅为示例,并且本公开不限于此,根据本公开的目标检测模型的训练方法可以适用于各种架构的目标检测模型,只要目标检测模型包含特征提取部分(“第一子网络”)和目标检测或目标分类或分类器部分(“第二子网络”)即可。
基于该具体的实施例,模型300可以包括第一子网络310。可选地,第一子网络310可以包括主干(backbone)网络部分311和池化部分312,但是可以理解的是,本公开不限于此。作为一个具体的非限制性示例,主干网络部分可以采用ResNet-101架构。
第二子网络320可以是任何本领域技术人员能够理解的目标检测或者分类器模块。作为示例,示出第二子网络320输出分类结果321和框回归(box regression)322,但是可以理解的是,本公开不限于此。例如,第二损失函数可以基于321与真实标注(GT)的分类的向量表示进行计算,并且在这里,可以采用任何本领域技术人员已知的损失函数,包括但不限于几个常见的损失函数的组合等。
对于一个给定的神经网络F(·|θ),给定一个物体的特征可以基于该特征计算第一损失函数。可以理解的是,虽然图中将ffg示出为池化之后的特征,但也可以是未经池化的特征,例如特征提取网络的主干部分直接输出的特征,等等。
继续参考图3,其中还示出了第二损失函数计算部分340。可以理解的是,可以不将第二损失函数计算部分340视为模型300的一部分。换言之,第二损失函数计算部分340可以仅在训练阶段存在,用于在训练过程中对提取的特征(或其池化形式,或如下文所叙述的经全连接网络层投影后的形式,等等)进行监督,而在实际应用的时候,可以不需要该模块。
可选地,第二损失函数计算部分340还可以包括全连接层部分341。由此,将ffg经过全连接网络层投影到度量空间,得到经投影后的特征其中Ne是数据集的类集合。投影后的特征的维度可以与类别数量具有相同的维度。如下文的可选实施例进一步叙述的,在该数据集的类集合Ne可以由基类/>和新类/>组成的情况下,可以有图中示出了全连接层部分341包括两层全连接网络层,但可以理解的是,本公开不限于此。在另外一些可选的实施例中,可以不包括全连接层部分341,而直接通过特征ffg来计算第一损失函数。
下面给出第一损失函数的非限制性具体示例。例如,第一损失函数可以包括分类损失函数和聚类损失函数。假设该物体特征ffg属于第i个类别,则可以把这个特征通过欧氏距离(L2normalize)注册到第i个原型Ei。作为一个示例,可以有损失函数其中各个变量的含义如上文所述。一方面,最小化Lcluster能够确保物体特征注册到相应类原型Ei的特征。另一方面,最小化所有物体的特征(可选地,感兴趣区域特征,例如RoI特征)能够学习形成该正交类度量空间。
此外,为了提高物体投影特征的判别性,还可以使用额外的分类器对物体特征(例如,经投影后的特征)进行分类,该分类损失函数可以定义为
其中各个变量的含义如上文所述。
可以理解的是,以上公式仅为示例,并且本公开不限于此。本领域技术人员能够理解的其他用于分类或聚类(或两者)的损失函数都可以用作这里的第一损失函数。
根据一些实施例,所述目标检测模型还可以包括第三子网络,所述第三子网络用于基于所述第一样本图像生成至少一个候选框,并且其中,基于所述图像特征和所述真实类别的第一向量表示确定第一损失值可以包括:基于所述第一样本图像的在所述至少一个候选框处的图像特征和所述第一向量表示确定所述第一损失值。
候选框表明可能存在的目标的位置。对目标区域特征进行监督,能够更加优化特征的提取。例如,可以采用区域候选网络(Region Proposal Network,RPN)或被称为区域生成网络来提取候选框(proposal,也可以被称为候选或目标提取框等)。
继续参考图3,其中示出了可选的第三子网络330,其可以是RPN网络或其他的本领域技术人员已知的用于提取候选框的网络部分,并且本公开不限于此。在这样的实施例中,提取的候选框可以与主干网络提取的特征以及经过池化部分312,但本公开不限于此。
根据一些实施例,方法200还可以包括确定所述至少一个候选框中的属于前景的候选部分,并且其中,基于所述第一样本图像的在所述至少一个候选框处的图像特征和所述第一向量表示确定所述第一损失值包括:基于第一图像特征和所述第一向量表示确定所述第一损失值,所述第一图像特征是所述第一样本图像的在属于前景的候选部分处的图像特征。
根据这样的实施例,能够进一步从候选框中提取出前景特征。使得前景特征与类别的向量表示尽可能贴近,能够获得更准确的效果。
作为一个非限制性示例,可以根据真实标注(GT)的边界框(bounding box)来提取proposal里面属于前景的部分。例如,可以将每个proposal跟真实标注GT来计算交并比(IOU),并且交互比大于阈值的算作前景。例如,可以将IOU>0.5的候选框算作前景。或者,可以提取每个候选框里的一部分,而不是选取一部分候选框等。可以理解的是,本公开不限于此。
在这样的实施例中,可以仅将前景特征输入到第一损失函数的计算部分(例如,图3中的模块340),而将所有的候选框特征输入到分类部分(例如,320),并且本公开不限于此。
根据一些实施例,所述第一样本图像可以是从第一样本图像集中获得的,所述第一样本图像集中的每个样本图像被标记有包含N个类别的类别集合中的一个类别,N为正整数,并且其中,所述真实类别的所述第一向量表示是指示所述真实类别是所述类别集合中的哪个类别的N维向量。
第一向量表示能够指示当前类别在所有类别中的关系。这样的表示形式能够平衡不同类别具有不同样本数量时的样本不均衡问题,使得每个类别的特征被监督到对应的类别。
作为一个具体的非限制性示例,第一向量表示的具体示例可以如下:给定一个数据集,构造该数据集的正交类度量空间为一个单位矩阵其中Ne为所有类别的个数总和。{0,0,…1,0,0…}为一个第i个index为1的one-hot向量。
更具体地,作为另一个示例,在样本图像集得到扩充的情况下,有也即,该数据集的类集合可以由基类/>和新类/>组成。
根据一些实施例,方法200还可以包括:获得第二样本图像集,所述第二样本图像集包括第二样本图像,所述第二样本图像被标记有第二类别,所述第二类别不属于所述N个类别;以及对所述类别集合进行更新,使得经更新的类别集合包括所述N个类别与所述第二类别。当获得新类的时候,可以对类别库进行更新,从而实现新样本和新类的均衡。
根据一些实施例,方法200还可以包括:将所述第一样本图像的所述真实类别的第一向量表示更新为(N+1)维向量,使得经更新的第一向量表示指示所述真实类别是所述经更新的类别集合中的哪个类别;以及使用所述第一样本图像再次对所述目标检测模型进行训练。
在一些实施例中,可能是在利用第一样本图像对目标检测模型进行训练之后,又获得了新的类别。在这种情况下,可以更新第一向量表示,并且用更新的向量再训练一次,以实现平衡。
根据一些实施例,方法200还可以包括:通过将所述第二样本图像输入到所述第一子网络,获得所述第二样本图像的图像特征;通过将所述第二样本图像的图像特征输入到所述第二子网络,获得所述第二样本图像的预测类别;基于所述第二样本图像的图像特征和第二类别的第三向量表示确定第三损失值,其中,所述第三向量表示是指示所述第二类别是所述经更新的类别集合中的哪个类别的(N+1)维向量;基于所述第二样本图像的预测类别和所述第二类别的第四向量表示确定第四损失值;以及基于所述第三损失值和所述第四损失值调整所述目标检测模型的参数。例如,第三损失值可以是基于第一损失函数和更新的数据而确定的值,第四损失值可以是基于第二损失函数和更新的数据而确定的值,并且本公开不限于此。
在这样的实施例中,可以为新获得的第二样本也构建向量表示,并且分别匹配到特征层面和分类器的输出层面,从而能够使用新类再次对样本进行训练。
可以理解的是,根据本公开的一个或多个实施例,可以采取各种形式的第二损失函数,包括但不限于与第一损失函数相同或相似的损失函数形式,例如由分类损失函数和聚类损失函数构成的损失函数,等等。
根据一些实施例,所述真实类别的第二向量表示与所述真实类别的第一向量表示可以相同。第二向量表示可以与第一向量表示相同。由此,可以简化模型的构建。在某些具体的示例中,第二向量表示也可以是能够体现当前类别在其他类别中的位置(或,当前类别与其他类别的关系)的向量,例如N维向量,或者更新后的(N+1)维向量,以进一步促进类别之间的平衡,减少小样本导致的可能的不均衡的情况。
根据一些实施例,所述真实类别的第二向量表示可以是所述真实类别的类别名称的向量映射表示。在这样的实施例中,第二向量表示也可以与第一向量表示不同。例如,第二向量表示可以不需要体现其他类别的存在。在这样的示例中,可以对每个类别取一个名字,用一个语言大模型去生成一个特定的特征,把这个特征当作是这个类别的原型。或者,也可以采用本领域技术人员能够理解的其他类别表示形式,并且本公开不限于此。
根据一些实施例,基于所述第一损失值和所述第二损失值调整所述目标检测模型的参数可以包括调整所述第一子网络和所述第二子网络两者的参数。在这样的实施例中,训练方法可以包括对模型的端对端的训练方式,训练更快和更有利于收敛。
根据本公开的一个或多个实施例,可以针对交通场景下的小样本目标检测,并且可以应用于智慧城市、智能交通等场景。例如,根据本公开的实施例训练的方法可以用于交通场景下的各类对象或目标的检测或识别。根据本公开的一个或多个实施例,可以使用由一系列固定类原型组成的正交类度量空间对特征层面进行监督。在这个空间中,每个类的类原型在类度量空间中被固定为唯一的one-hot向量,通过聚合所有类的所有向量形成一个正交类度量空间。这个简单有效的正交度量空间可以确保所有类原型在空间中均匀分布。这不仅使新类的特征免于注册到代表性不足的类原型,而且有助于保持基类和新类原型之间的相对余量。这一优点使类原型可扩展到更复杂的类空间,从而进一步提高小样本目标检测的稳定性和最终的模型表现。这在复杂的智能交通层面是格外有利的。可以理解的是,本公开不限于此,并且也可以用与其他领域的基于图像或视频的目标检测或对象分类等场景。
图4A-图4D示出了基于MSCOCO和Pascal VOC数据的目标检测与分类效果比较。其中,图4A和图4C为目前认为能够取得较好效果的传统算法FSCE的效果,图4B和图4D为本公开的实施例的方法训练的模型的效果图,并且其中图4A-4B基于MSCOCO数据集结果,图4C-4D基于为Pascal VOC数据集。可以看出,采用本公开的实施例的方案,在不同的数据集上均能够获得相对更好的目标检测与分类效果。
根据本公开的另一方面,提供了一种目标检测方法,包括:基于待检测图像和目标检测模型,获得所述样本图像的预测类别,其中,所述目标检测模型是根据本公开的一个或多个实施例的目标检测模型的训练方法而获得的。
现在参考图5描述根据本公开的实施例的目标检测模型的训练装置500。一种目标检测模型的训练装置500,所述目标检测模型包括第一子网络和与所述第一子网络连接的第二子网络,所述训练装置500包括真实类别获得单元501、图像特征获得单元502、预测类别获得单元503、第一损失确定单元504、第二损失确定单元505以及参数调整单元506。
真实类别获得单元501可以用于获得第一样本图像和所述第一样本图像的真实类别。图像特征获得单元502可以用于基于所述第一样本图像,通过所述第一子网络获得所述第一样本图像的图像特征。预测类别获得单元503可以用于基于所述第一样本图像的图像特征,根据所述第二子网络获得所述第一样本图像的预测类别。第一损失确定单元504可以用于基于所述第一样本图像的图像特征和所述真实类别的第一向量表示确定第一损失值。第二损失确定单元505可以用于基于所述预测类别和所述真实类别的第二向量表示确定第二损失值。参数调整单元506可以用于基于所述第一损失值和所述第二损失值调整所述目标检测模型的参数。
根据本公开的实施例所述的装置,能够更加准确地训练目标检测模型。
根据一些实施例,其中,所述目标检测模型还可以包括第三子网络,所述第三子网络用于基于所述第一样本图像生成至少一个候选框,并且其中,所述第一损失确定单元504可以包括:用于基于所述第一样本图像的在所述至少一个候选框处的图像特征和所述第一向量表示确定所述第一损失值的单元。
根据一些实施例,装置500还可以包括确定所述至少一个候选框中的属于前景的候选部分的单元,并且其中,用于基于所述第一样本图像的在所述至少一个候选框处的图像特征和所述第一向量表示确定所述第一损失值的单元包括:用于基于第一图像特征和所述第一向量表示确定所述第一损失值,所述第一图像特征是所述第一样本图像的在属于前景的候选部分处的图像特征的单元。
根据一些实施例,所述第一样本图像可以是从第一样本图像集中获取的,所述第一样本图像集中的每个样本图像可以被标记有包含N个类别的类别集合中的一个类别,N为正整数,并且其中,所述真实类别的所述第一向量表示可以是指示所述真实类别是所述类别集合中的哪个类别的N维向量。
根据一些实施例,装置500还可以包括用于进行以下操作的单元:获取第二样本图像集,所述第二样本图像集包括第二样本图像,所述第二样本图像被标记有第二类别,所述第二类别不属于所述N个类别;以及对所述类别集合进行更新,使得经更新的类别集合包括所述N个类别与所述第二类别。
根据一些实施例,装置500还可以包括用于进行以下操作的单元;将所述第一样本图像的所述真实类别的第一向量表示更新为(N+1)维向量,使得经更新的第一向量表示指示所述真实类别是所述经更新的类别集合中的哪个类别;以及使用所述第一样本图像再次对所述目标检测模型进行训练。
根据一些实施例,装置500还可以包括用于进行以下操作的单元:通过将所述第二样本图像输入到所述第一子网络,获得所述第二样本图像的图像特征;通过将所述第二样本图像的图像特征输入到所述第二子网络,获得所述第二样本图像的预测类别;基于所述第二样本图像的图像特征和第二类别的第三向量表示确定第三损失值,其中,所述第三向量表示是指示所述第二类别是所述经更新的类别集合中的哪个类别的(N+1)维向量;基于所述第二样本图像的预测类别和所述第二类别的第四向量表示确定第四损失值;以及基于所述第三损失值和所述第四损失值调整所述目标检测模型的参数。
根据一些实施例,所述真实类别的第二向量表示与所述真实类别的第一向量表示相同。
根据一些实施例,所述真实类别的第二向量表示是所述真实类别的类别名称的向量映射表示。
根据一些实施例,基于所述第一损失值和所述第二损失值调整所述目标检测模型的参数包括调整所述第一子网络和所述第二子网络两者的参数。
根据本公开的另一方面,提供了一种目标检测装置,包括类别预测单元,用于基于待检测图像和目标检测模型,获得所述样本图像的预测类别其中,所述目标检测模型是根据本公开的一个或多个实施例的目标检测模型的训练装置而获得的。
本公开的技术方案中,所涉及的用户个人信息的收集、获取,存储、使用、加工、传输、提供和公开应用等处理,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,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。
参考图6,现将描述可以作为本公开的服务器或客户端的电子设备600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6所示,电子设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储电子设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
电子设备600中的多个部件连接至I/O接口605,包括:输入单元606、输出单元607、存储单元608以及通信单元609。输入单元606可以是能向电子设备600输入信息的任何类型的设备,输入单元606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607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608可以包括但不限于磁盘、光盘。通信单元609允许电子设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,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601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如方法200及其变型例等。例如,在一些实施例中,方法200及其变型例等可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到电子设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的方法200及其变型例等的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法200及其变型例等。
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 (18)
1.一种目标检测模型的训练方法,所述目标检测模型包括第一子网络和与所述第一子网络连接的第二子网络,其特征在于,所述方法包括:
从第一样本图像集中获得第一样本图像,其中,所述第一样本图像集中的每个样本图像被对应标记一个类别,所述一个类别属于包括N个类别的类别集合,N为正整数;
获得所述第一样本图像的真实类别;
构建由N个类组成的N维正交类度量空间,所述N个类对应于所述N个类别,所述N个类包括所述真实类别,在所述正交类度量空间中,每个类被表示为唯一的one-hot向量;
基于所述第一样本图像,通过所述第一子网络获得所述第一样本图像的图像特征;
通过所述目标检测模型的第三子网络,基于所述第一样本图像生成至少一个候选框;
确定所述第一样本图像的第一图像特征,所述第一图像特征包括所述至少一个候选框中的属于前景的候选部分;
确定所述第一样本图像的第二图像特征,所述第二图像特征包括所述至少一个候选框中的全部特征;
基于所述正交类度量空间获得所述真实类别的第一向量表示,其中,所述真实类别的所述第一向量表示是所述真实类别在所述正交类度量空间中的相应one-hot向量;
基于所述第一图像特征和所述真实类别的所述第一向量表示确定第一损失值;
基于所述第二图像特征,通过所述第二子网络,获得所述第一样本图像的预测类别;
基于所述预测类别和所述真实类别的第二向量表示确定第二损失值;以及
基于所述第一损失值和所述第二损失值调整所述目标检测模型的参数;
获得第二样本图像集,所述第二样本图像集包括第二样本图像,所述第二样本图像被标记有第二类别,所述第二类别不属于所述N个类别;以及
将所述N维正交类度量空间更新为(N+1)维正交类度量空间,使得经更新的正交类度量空间包括所述N个类别与所述第二类别。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述第一向量表示更新为(N+1)维向量,使得经更新的第一向量表示指示所述真实类别对应所述经更新的类别集合中的一个类别;以及
使用所述第一样本图像再次对所述目标检测模型进行训练。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
通过将所述第二样本图像输入到所述第一子网络,获得所述第二样本图像的图像特征;
通过将所述第二样本图像的图像特征输入到所述第二子网络,获得所述第二样本图像的预测类别;
基于所述第二样本图像的图像特征和第二类别的第三向量表示确定第三损失值,其中,所述第三向量表示是指示所述第二类别对应所述经更新的类别集合中的一个类别的(N+1)维向量;
基于所述第二样本图像的预测类别和所述第二类别的第四向量表示确定第四损失值;以及
基于所述第三损失值和所述第四损失值调整所述目标检测模型的参数。
4.根据权利要求1所述的方法,其特征在于,所述真实类别的第二向量表示与所述真实类别的第一向量表示相同。
5.根据权利要求1所述的方法,其特征在于,所述真实类别的第二向量表示是所述真实类别的类别名称的向量映射表示。
6.根据权利要求1所述的方法,其特征在于,基于所述第一损失值和所述第二损失值调整所述目标检测模型的参数包括调整所述第一子网络和所述第二子网络的参数。
7.一种目标检测方法,包括:
基于待检测图像和目标检测模型,获得所述样本图像的预测类别,
其特征在于,所述目标检测模型是根据权利要求1-6中任一项所述的训练方法获得的。
8.一种目标检测模型的训练装置,所述目标检测模型包括第一子网络和与所述第一子网络连接的第二子网络,其特征在于,所述装置包括:
真实类别获得单元,用于:
从第一样本图像集中获得第一样本图像,其中,所述第一样本图像集中的每个样本图像被对应标记一个类别,所述一个类别属于包括N个类别的类别集合,N为正整数;以及
获得所述第一样本图像的真实类别;
用于以下操作的单元:
构建由N个类组成的N维正交类度量空间,所述N个类对应于所述N个类别,所述N个类包括所述真实类别,在所述正交类度量空间中,每个类被表示为唯一的one-hot向量;
图像特征获得单元,用于基于所述第一样本图像,通过所述第一子网络获得所述第一样本图像的图像特征;
用于以下操作的单元:
通过所述目标检测模型的第三子网络,基于所述第一样本图像生成至少一个候选框;
确定所述第一样本图像的第一图像特征,所述第一图像特征包括所述至少一个候选框中的属于前景的候选部分;
确定所述第一样本图像的第二图像特征,所述第二图像特征包括所述至少一个候选框中的全部特征;
基于所述正交类度量空间获得所述真实类别的第一向量表示,其中,所述真实类别的所述第一向量表示是所述真实类别在所述正交类度量空间中的相应one-hot向量;
预测类别获得单元,用于基于所述第二图像特征,根据所述第二子网络获得所述第一样本图像的预测类别;
第一损失确定单元,用于基于所述第一图像特征和所述真实类别的所述第一向量表示确定第一损失值;
第二损失确定单元,用于基于所述预测类别和所述真实类别的第二向量表示确定第二损失值;以及
参数调整单元,用于基于所述第一损失值和所述第二损失值调整所述目标检测模型的参数;以及
用于以下操作的单元:
获得第二样本图像集,所述第二样本图像集包括第二样本图像,所述第二样本图像被标记有第二类别,所述第二类别不属于所述N个类别;
将所述N维正交类度量空间更新为(N+1)维正交类度量空间,使得经更新的正交类度量空间包括所述N个类别与所述第二类别。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括用于进行以下操作的单元;
将所述第一样本图像的所述真实类别的第一向量表示更新为(N+1)维向量,使得经更新的第一向量表示指示所述真实类别是所述经更新的类别集合中的哪个类别;以及
使用所述第一样本图像再次对所述目标检测模型进行训练。
10.根据权利要求8所述的装置,其特征在于,所述装置还包括用于进行以下操作的单元:
通过将所述第二样本图像输入到所述第一子网络,获得所述第二样本图像的图像特征;
通过将所述第二样本图像的图像特征输入到所述第二子网络,获得所述第二样本图像的预测类别;
基于所述第二样本图像的图像特征和第二类别的第三向量表示确定第三损失值,其中,所述第三向量表示是指示所述第二类别是所述经更新的类别集合中的哪个类别的(N+1)维向量;
基于所述第二样本图像的预测类别和所述第二类别的第四向量表示确定第四损失值;以及
基于所述第三损失值和所述第四损失值调整所述目标检测模型的参数。
11.根据权利要求8所述的装置,其特征在于,所述真实类别的第二向量表示与所述真实类别的第一向量表示相同。
12.根据权利要求8所述的装置,其特征在于,所述真实类别的第二向量表示是所述真实类别的类别名称的向量映射表示。
13.根据权利要求8所述的装置,其特征在于,基于所述第一损失值和所述第二损失值调整所述目标检测模型的参数包括调整所述第一子网络和所述第二子网络的参数。
14.一种目标检测装置,包括:
类别预测单元,用于基于待检测图像和目标检测模型,获得所述样本图像的预测类别,
其特征在于,所述目标检测模型是根据权利要求8-13中任一项所述的装置而训练获得的。
15.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
16.一种电子设备,其特征在于,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7所述的方法。
17.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行根据权利要求7所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210839698.0A CN115082740B (zh) | 2022-07-18 | 2022-07-18 | 目标检测模型训练方法、目标检测方法、装置、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210839698.0A CN115082740B (zh) | 2022-07-18 | 2022-07-18 | 目标检测模型训练方法、目标检测方法、装置、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115082740A CN115082740A (zh) | 2022-09-20 |
CN115082740B true CN115082740B (zh) | 2023-09-01 |
Family
ID=83259238
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210839698.0A Active CN115082740B (zh) | 2022-07-18 | 2022-07-18 | 目标检测模型训练方法、目标检测方法、装置、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115082740B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116486197B (zh) * | 2023-03-29 | 2024-03-19 | 北京百度网讯科技有限公司 | 图像检测模型的训练方法、图像检测方法和图像标注方法 |
CN116663650B (zh) * | 2023-06-06 | 2023-12-19 | 北京百度网讯科技有限公司 | 深度学习模型的训练方法、目标对象检测方法及装置 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110490242A (zh) * | 2019-08-12 | 2019-11-22 | 腾讯医疗健康(深圳)有限公司 | 图像分类网络的训练方法、眼底图像分类方法及相关设备 |
CN111242230A (zh) * | 2020-01-17 | 2020-06-05 | 腾讯科技(深圳)有限公司 | 基于人工智能的图像处理方法及图像分类模型训练方法 |
CN111915480A (zh) * | 2020-07-16 | 2020-11-10 | 北京字节跳动网络技术有限公司 | 生成特征提取网络的方法、装置、设备和计算机可读介质 |
CN112528862A (zh) * | 2020-12-10 | 2021-03-19 | 西安电子科技大学 | 基于改进的交叉熵损失函数的遥感图像目标检测方法 |
CN112767366A (zh) * | 2021-01-22 | 2021-05-07 | 南京汇川图像视觉技术有限公司 | 基于深度学习的图像识别方法、装置、设备及存储介质 |
CN112801164A (zh) * | 2021-01-22 | 2021-05-14 | 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、设备及存储介质 |
CN112990432A (zh) * | 2021-03-04 | 2021-06-18 | 北京金山云网络技术有限公司 | 目标识别模型训练方法、装置及电子设备 |
CN113205142A (zh) * | 2021-05-08 | 2021-08-03 | 浙江大学 | 一种基于增量学习的目标检测方法和装置 |
CN113255694A (zh) * | 2021-05-21 | 2021-08-13 | 北京百度网讯科技有限公司 | 训练图像特征提取模型和提取图像特征的方法、装置 |
CN113705310A (zh) * | 2021-04-02 | 2021-11-26 | 腾讯科技(深圳)有限公司 | 特征学习的方法、目标物体的识别方法和对应装置 |
US11205098B1 (en) * | 2021-02-23 | 2021-12-21 | Institute Of Automation, Chinese Academy Of Sciences | Single-stage small-sample-object detection method based on decoupled metric |
CN113947188A (zh) * | 2021-10-14 | 2022-01-18 | 北京百度网讯科技有限公司 | 目标检测网络的训练方法和车辆检测方法 |
CN114049512A (zh) * | 2021-09-22 | 2022-02-15 | 北京旷视科技有限公司 | 模型蒸馏方法、目标检测方法、装置及电子设备 |
CN114120454A (zh) * | 2021-11-29 | 2022-03-01 | 北京百度网讯科技有限公司 | 活体检测模型的训练方法、装置、电子设备及存储介质 |
CN114360074A (zh) * | 2022-01-10 | 2022-04-15 | 北京百度网讯科技有限公司 | 检测模型的训练方法、活体检测方法、装置、设备和介质 |
CN114511758A (zh) * | 2022-01-28 | 2022-05-17 | 北京百度网讯科技有限公司 | 图像识别方法及装置、电子设备和介质 |
CN114612749A (zh) * | 2022-04-20 | 2022-06-10 | 北京百度网讯科技有限公司 | 神经网络模型训练方法及装置、电子设备和介质 |
CN114724007A (zh) * | 2022-03-31 | 2022-07-08 | 北京百度网讯科技有限公司 | 训练分类模型、数据分类方法、装置、设备、介质及产品 |
-
2022
- 2022-07-18 CN CN202210839698.0A patent/CN115082740B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110490242A (zh) * | 2019-08-12 | 2019-11-22 | 腾讯医疗健康(深圳)有限公司 | 图像分类网络的训练方法、眼底图像分类方法及相关设备 |
CN111242230A (zh) * | 2020-01-17 | 2020-06-05 | 腾讯科技(深圳)有限公司 | 基于人工智能的图像处理方法及图像分类模型训练方法 |
CN111915480A (zh) * | 2020-07-16 | 2020-11-10 | 北京字节跳动网络技术有限公司 | 生成特征提取网络的方法、装置、设备和计算机可读介质 |
CN112528862A (zh) * | 2020-12-10 | 2021-03-19 | 西安电子科技大学 | 基于改进的交叉熵损失函数的遥感图像目标检测方法 |
CN112767366A (zh) * | 2021-01-22 | 2021-05-07 | 南京汇川图像视觉技术有限公司 | 基于深度学习的图像识别方法、装置、设备及存储介质 |
CN112801164A (zh) * | 2021-01-22 | 2021-05-14 | 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、设备及存储介质 |
US11205098B1 (en) * | 2021-02-23 | 2021-12-21 | Institute Of Automation, Chinese Academy Of Sciences | Single-stage small-sample-object detection method based on decoupled metric |
CN112990432A (zh) * | 2021-03-04 | 2021-06-18 | 北京金山云网络技术有限公司 | 目标识别模型训练方法、装置及电子设备 |
CN113705310A (zh) * | 2021-04-02 | 2021-11-26 | 腾讯科技(深圳)有限公司 | 特征学习的方法、目标物体的识别方法和对应装置 |
CN113205142A (zh) * | 2021-05-08 | 2021-08-03 | 浙江大学 | 一种基于增量学习的目标检测方法和装置 |
CN113255694A (zh) * | 2021-05-21 | 2021-08-13 | 北京百度网讯科技有限公司 | 训练图像特征提取模型和提取图像特征的方法、装置 |
CN114049512A (zh) * | 2021-09-22 | 2022-02-15 | 北京旷视科技有限公司 | 模型蒸馏方法、目标检测方法、装置及电子设备 |
CN113947188A (zh) * | 2021-10-14 | 2022-01-18 | 北京百度网讯科技有限公司 | 目标检测网络的训练方法和车辆检测方法 |
CN114120454A (zh) * | 2021-11-29 | 2022-03-01 | 北京百度网讯科技有限公司 | 活体检测模型的训练方法、装置、电子设备及存储介质 |
CN114360074A (zh) * | 2022-01-10 | 2022-04-15 | 北京百度网讯科技有限公司 | 检测模型的训练方法、活体检测方法、装置、设备和介质 |
CN114511758A (zh) * | 2022-01-28 | 2022-05-17 | 北京百度网讯科技有限公司 | 图像识别方法及装置、电子设备和介质 |
CN114724007A (zh) * | 2022-03-31 | 2022-07-08 | 北京百度网讯科技有限公司 | 训练分类模型、数据分类方法、装置、设备、介质及产品 |
CN114612749A (zh) * | 2022-04-20 | 2022-06-10 | 北京百度网讯科技有限公司 | 神经网络模型训练方法及装置、电子设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115082740A (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115082740B (zh) | 目标检测模型训练方法、目标检测方法、装置、电子设备 | |
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 | |
CN113656587B (zh) | 文本分类方法、装置、电子设备及存储介质 | |
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 | |
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 | |
CN114550313A (zh) | 图像处理方法、神经网络及其训练方法、设备和介质 | |
CN115170887B (zh) | 目标检测模型训练方法、目标检测方法及其装置 | |
CN114842476A (zh) | 水印检测方法及装置、模型训练方法及装置 | |
CN114998963A (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
CN114494797A (zh) | 用于训练图像检测模型的方法和装置 | |
CN114821233B (zh) | 目标检测模型的训练方法及装置、设备和介质 | |
CN115511779B (zh) | 图像检测方法、装置、电子设备和存储介质 | |
CN114842474B (zh) | 文字识别方法、装置、电子设备和介质 | |
CN114140851B (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
CN113836939B (zh) | 基于文本的数据分析方法和装置 | |
CN115620271B (zh) | 图像处理、模型训练方法和装置 | |
CN115331077B (zh) | 特征提取模型的训练方法、目标分类方法、装置、设备 | |
CN115512131B (zh) | 图像检测方法和图像检测模型的训练方法 | |
CN115578584B (zh) | 图像处理方法、图像处理模型的构建和训练方法 | |
CN116070711B (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN112765975B (zh) | 分词岐义处理方法、装置、设备以及介质 | |
CN114120420B (zh) | 图像检测方法和装置 | |
CN116824609B (zh) | 文档版式检测方法、装置和电子设备 |
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 |