CN116188888A - 目标检测模型的训练方法和装置 - Google Patents

目标检测模型的训练方法和装置 Download PDF

Info

Publication number
CN116188888A
CN116188888A CN202211606107.1A CN202211606107A CN116188888A CN 116188888 A CN116188888 A CN 116188888A CN 202211606107 A CN202211606107 A CN 202211606107A CN 116188888 A CN116188888 A CN 116188888A
Authority
CN
China
Prior art keywords
model
target
class
base class
new class
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
CN202211606107.1A
Other languages
English (en)
Inventor
李兴建
童佳洵
窦德景
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202211606107.1A priority Critical patent/CN116188888A/zh
Publication of CN116188888A publication Critical patent/CN116188888A/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
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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
    • 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)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (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

本公开提供了目标检测模型的训练方法和装置，涉及人工智能领域，尤其涉及深度学习和大数据领域。具体实现方案为：获取预训练模型、目标模型和样本集；将样本集中的样本图像输入预训练模型，得到每个目标对象的第一基类预测结果；基于每个目标对象的新类标签和第一基类预测结果统计每个新类属于基类的概率，得到新类与基类的关系矩阵；将样本集中的样本图像输入目标模型，得到每个目标对象的第二基类预测结果和新类预测标签；将新类预测标签与关系矩阵进行关系匹配，为每个新类预测标签匹配所对应的基类结果；基于基类结果与第二基类预测结果的差异调整目标模型的参数。该实施方式能够利用小样本完成高质量的检测，摆脱对于数据的依赖性。

Description

目标检测模型的训练方法和装置
技术领域
本公开涉及人工智能领域，尤其涉及深度学习和大数据领域。
背景技术
深度学习在计算机视觉，自然语言处理等任务上取得了很大的成功，但同时也越来越依赖于数据。在很多实际任务中，标注样本的数量非常有限，直接使用深度学习模型很容易导致过拟合，使训练得到的模型泛化性很差。小样本检测的主要目的是利用小量的样本完成高质量的检测，摆脱对于数据的依赖性，而迁移学习正是处理这一问题非常好的思路。
当前迁移学习运用在小样本检测的主要方式是在大规模数据上预训练模型，在目标小样本数据集上对神经网络模型的全连接层或顶端几层进行参数微调，或者构造样本平衡的数据集，在样本平衡的数据集上进行微调，最后得到微调后的模型。
目前小样本领域基于迁移学习的方法的主要有两个不足。首先由于小样本数据集样本量太小，很容易导致模型在目标数据集上过拟合，导致最终微调后的模型泛化能力较差。第二，在微调过程中，直接将分类头舍弃，重新初始化，导致大量源模型所学到的信息丢失，而这些信息对于源模型知识迁移至目标数据集很重要，反而所留下的大量参数不一定有益于模型的微调。
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、设备、存储介质以及计算机程序产品。
根据本公开的第一方面，提供了一种目标检测模型的训练方法，包括：获取预训练模型、目标模型和样本集，其中，所述目标模型包含基类预测头和新类预测头，所述样本集的样本包括样本图像和目标对象的新类标签；将所述样本集中的样本图像输入所述预训练模型，得到每个目标对象的第一基类预测结果；基于每个目标对象的新类标签和第一基类预测结果统计每个新类属于基类的概率，得到新类与基类的关系矩阵；将所述样本集中的样本图像输入所述目标模型，得到每个目标对象的第二基类预测结果和新类预测标签；将所述新类预测标签与所述关系矩阵进行关系匹配，为每个新类预测标签匹配所对应的基类结果；基于所述基类结果与所述第二基类预测结果的差异调整所述目标模型的参数。
根据本公开的第二方面，提供了一种目标检测方法，包括：获取待检测的图像；将所述图像输入采用第一方面所述的方法生成的目标模型中，输出新类的检测结果。
根据本公开的第三方面，提供了一种目标检测模型的训练装置，包括：获取单元，被配置成获取预训练模型、目标模型和样本集，其中，所述目标模型包含基类预测头和新类预测头，所述样本集的样本包括样本图像和目标对象的新类标签；第一检测单元，被配置成将所述样本集中的样本图像输入所述预训练模型，得到每个目标对象的第一基类预测结果；关系统计单元，被配置成基于每个目标对象的新类标签和第一基类预测结果统计每个新类属于基类的概率，得到新类与基类的关系矩阵；第二检测单元，被配置成将所述样本集中的样本图像输入所述目标模型，得到每个目标对象的第二基类预测结果和新类预测标签；匹配单元，被配置成将所述新类预测标签与所述关系矩阵进行关系匹配，为每个新类预测标签匹配所对应的基类结果；调整单元，被配置成基于所述基类结果与所述第二基类预测结果的差异调整所述目标模型的参数。
根据本公开的第四方面，提供了一种目标检测装置，包括：获取单元，被配置成获取待检测的图像；检测单元，被配置成将所述图像输入采用如第一方面所述的装置生成的目标模型中，输出新类的检测结果。
根据本公开的第五方面，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第一方面或第二方面所述的方法。
根据本公开的第六方面，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第一方面或第二方面所述的方法。
根据本公开的第七方面，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第一方面或第二方面所述的方法。
本公开实施例提供的目标检测模型的训练方法和装置，用预训练模型所学习到的类别信息为新类的学习提供一定先验信息，能够提高模型在目标数据集的泛化能力和迁移能力，引导模型学习源数据集与目标数据集的共性，有效提升新类在目标数据集的检测效果。相比之下，其他基于微调的方法，直接将预训练模型所学习到的类别预测头直接舍弃，而仅利用模型所学习到的特征提取网络，这样造成了预训练模型的大量有效信息丢失，是一种信息的浪费，并且不能够引导模型学习源数据集与目标数据集之间的关系。
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是本公开可以应用于其中的示例性系统架构图；
图2是根据本公开目标检测模型的训练方法的一个实施例的流程图；
图3a、3b是根据本公开目标检测模型的训练方法的一个应用场景的示意图；
图4是根据本公开目标检测的方法的一个实施例的流程图；
图5是根据本公开目标检测模型的训练装置的一个实施例的结构示意图；
图6是根据本公开目标检测装置的一个实施例的结构示意图；
图7是适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。
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。
图1示出了可以应用本公开实施例的目标检测模型的训练方法、目标检测模型的训练装置、目标检测方法或目标检测装置的示例性系统架构100。
如图1所示，系统架构100可以包括终端101、102，网络103、数据库服务器104和服务器105。网络103用以在终端101、102，数据库服务器104与服务器105之间提供通信链路的介质。网络103可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户110可以使用终端101、102通过网络103与服务器105进行交互，以接收或发送消息等。终端101、102上可以安装有各种客户端应用，例如模型训练类应用、目标检测类应用、购物类应用、支付类应用、网页浏览器和即时通讯工具等。
这里的终端101、102可以是硬件，也可以是软件。当终端101、102为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、膝上型便携计算机和台式计算机等等。当终端101、102为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
当终端101、102为硬件时，其上还可以安装有图像采集设备。图像采集设备可以是各种能实现采集图像功能的设备，如摄像头、传感器等等。用户110可以利用终端101、102上的图像采集设备。
数据库服务器104可以是提供各种服务的数据库服务器。例如数据库服务器中可以存储有样本集。样本集中包含有少量的样本。其中，样本可以包括样本图像以及目标对象的新类标签。这样，用户110也可以通过终端101、102，从数据库服务器104所存储的样本集中选取样本。
服务器105也可以是提供各种服务的服务器，例如对终端101、102上显示的各种应用提供支持的后台服务器。后台服务器可以利用终端101、102发送的样本集中的样本，对初始模型进行训练，并可以将训练结果(如生成的目标检测模型)发送给终端101、102。这样，用户可以应用生成的目标检测模型进行目标检测。
这里的数据库服务器104和服务器105同样可以是硬件，也可以是软件。当它们为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当它们为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。数据库服务器104和服务器105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。数据库服务器104和服务器105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。
需要说明的是，本公开实施例所提供的目标检测模型的训练方法或目标检测方法一般由服务器105执行。相应地，目标检测模型的训练装置或目标检测装置一般也设置于服务器105中。
需要指出的是，在服务器105可以实现数据库服务器104的相关功能的情况下，系统架构100中可以不设置数据库服务器104。
应该理解，图1中的终端、网络、数据库服务器和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端、网络、数据库服务器和服务器。
继续参见图2，其示出了根据本公开的目标检测模型的训练方法的一个实施例的流程200。该目标检测模型的训练方法可以包括以下步骤：
步骤201，获取预训练模型、目标模型和样本集。
在本实施例中，目标检测模型的训练方法的执行主体(例如图1所示的服务器105)可以通过多种方式来获取预训练模型、目标模型和样本集。例如，执行主体可以通过有线连接方式或无线连接方式，从数据库服务器(例如图1所示的数据库服务器104)中获取存储于其中的预训练模型、目标模型和样本集。再例如，用户可以通过终端(例如图1所示的终端101、102)来收集样本。这样，执行主体可以接收终端所收集的样本，并将这些样本存储在本地，从而生成样本集。
预训练模型和目标模型都是用来进行目标检测的，例如，识别出图像中的猫、狗、汽车等目标对象。预训练模型可以是现有的常见的目标检测模型，例如，Two-stage模型：Faster RCNN、Cascade RCNN、MaskRCNN；One-stage模型：Yolo系列、SSD、RetinaNet、FCOS、CornerNet等。预训练模型的输出是基类(包括基类的概率和基类的标签)，而目标模型的输出是新类的预测结果(包括新类的概率和新类的标签)。新类可以是基类的上位类别，例如，基类包括柴犬、柯基、吉娃娃、波斯猫、暹罗猫、橘猫等，新类包括狗，猫等。本实施例中以4个新类，20个基类为例进行说明说明。
其中，目标模型包含基类预测头和新类预测头，样本集的样本包括样本图像和目标对象的新类标签。预训练模型和目标模型的结构如图3a所示。样本如图3b所示，其中，等号左侧的图为新类标签，等号右侧的图为基类的概率。
步骤202，将样本集中的样本图像输入预训练模型，得到每个目标对象的第一基类预测结果。
在本实施例中，预训练模型输出基类预测结果，指的是样本图像中目标对象属于基类的概率，例如，一个目标对象的基类预测结果为20个基类的概率。概率最高的基类是目标对象的最终类别，即基类标签。由于目标模型中包括基类预测头，也会输出基类预测结果，为了进行区分，将预训练模型输出的基类预测结果命名为第一基类预测结果，将目标模型输出的基类预测结果命名为第二基类预测结果。
步骤203，基于每个目标对象的新类标签和第一基类预测结果统计每个新类属于基类的概率，得到新类与基类的关系矩阵。
在本实施例中，对基类中的每个类别在不同新类标签标记的真值区域的预测结果求和取平均，作为当前新类与所有基类的类别关系，得到关系矩阵。还可以通过每张样本图像得到一个关系矩阵，再将所有样本图像的关系矩阵中每个元素进行平均，得到总的关系矩阵。关系矩阵的维度是：新类数量*基类数量，例如，4*20的关系矩阵，每一行代表一个新类对应所有基类的概率，第一行代表新类1，第二行代表新类2，以此类推。
步骤204，将样本集中的样本图像输入目标模型，得到每个目标对象的第二基类预测结果和新类预测标签。
在本实施例中，目标模型有2个预测头，因此既能得到新类的预测结果，又能得到基类的预测结果。再通过新类的预测结果得到新类的预测标签，例如，新类的预测结果中某个类别的概率大于预定值，则新类预测标签即为该类别。
步骤205，将新类预测标签与关系矩阵进行关系匹配，为每个新类预测标签匹配所对应的基类结果。
在本实施例中，假设新类预测标签为关系矩阵中的新类2，则与关系矩阵的第2行进行匹配，将关系矩阵中第2行的内容作为新类2的基类结果。
步骤206，基于基类结果与第二基类预测结果的差异调整目标模型的参数。
在本实施例中，将基类结果作为真值，计算基类结果与第二基类预测结果的损失值。可采用L1或L2损失等。然后根据损失值进行梯度下降算法调整目标模型的参数，如图3a所示，调整特征提取网络、RPN、基类预测头和新类预测头的参数。回归分支的参数可以调整也可以不调整。
本公开实施例提供的目标检测模型的训练方法，用预训练模型所学习到的类别信息为新类的学习提供一定先验信息，能够提高模型在目标数据集的泛化能力和迁移能力，引导模型学习源数据集与目标数据集的共性，有效提升新类在目标数据集的检测效果。相比之下，其他基于微调的方法，直接将预训练模型所学习到的类别预测头直接舍弃，而仅利用模型所学习到的特征提取网络，这样造成了预训练模型的大量有效信息丢失，是一种信息的浪费，并且不能够引导模型学习源数据集与目标数据集之间的关系。
在本实施例的一些可选的实现方式中，基于每个目标对象的新类标签和第一基类预测结果统计每个新类属于基类的概率，得到新类与基类的关系矩阵，包括：对每个新类标签，将该新类标签对应的至少一个目标对象的第一基类预测结果求和取平均，作为该新类与所有基类的类别关系，得到关系矩阵。如果一个样本图像中有多个目标对象属于同一个新类，则取它们基类预测结果的平均值作为该新类属于基类的概率。这样可以减少关系矩阵的维度，从而既减少了计算量提高了训练速度，又节省了存储空间。
在本实施例的一些可选的实现方式中，目标模型的网络结构在所述预训练模型的网络结构基础上多了新类预测头。目标模型的骨干网的结构与预训练模型的骨干网的结构相同，区别仅在于全连接层的结构不同。将预训练模型最后一层分类用的全连接层替换为适合目标类别的大小作为新类预测头，其权重随机初始化。例如，预训练模型的全连接层可支持20种基类分类，目标模型的新类预测头支持4种新类分类，基类预测头仍支持20种基类分类。目标模型的基类预测头的输入输出维度与预训练模型的全连接层相同。这样可以避免预训练模型的大量有效信息丢失，利用预训练模型所学习到的类别信息为新类的学习提供一定先验信息，能够提高模型在目标数据集的泛化能力和迁移能力，引导模型学习源数据集与目标数据集的共性，有效提升新类在目标数据集的检测效果。从而加快目标模型的收敛速度。
在本实施例的一些可选的实现方式中，基于所述基类结果与所述第二基类预测结果的差异调整所述目标模型的参数，包括：根据所述基类结果与所述第二基类预测结果计算交叉熵损失；根据所述交叉熵损失，计算所述目标模型各位置的梯度，通过反向传播更新所述目标模型的参数。这种方法能够更加快速地收敛模型，节省模型训练时间，从而降低训练成本。
在本实施例的一些可选的实现方式中，该方法还包括：将所述目标模型的基类预测头裁剪掉仅保留新类预测头，作为新类的目标检测模型使用。由于最终的目的是训练出检测新类的目标检测模型，只需要新类预测头。基类预测头只是训练模型时使用，预测阶段不再需要。裁剪掉基类预测头后可以节省存储空间。也可以保留基类预测头，输出基类和新类两种预测结果供用户选择。
图3a、3b为目标检测模型的训练方法的应用场景的示意图。样本集中任意取出一张或多张样本图像(包含新类1的目标对象和新类2的目标对象)分别输入预训练模型和目标模型。预训练模型输出第一基类预测结果(2个目标对象对应的3种基类的概率)。将新类所属的基类的概率统计为关系矩阵。目标模型输出了新类预测标签(新类1)和第二基类预测结果(所有基类的概率)。通过关系矩阵查找新类预测标签对应的所有基类的概率(第一行所示)作为基类结果，也就是参考值。计算第二基类预测结果与基类结果之间的损失值，向损失值的梯度下降的方向调整目标模型的参数。直到损失值小于预定损失值阈值，则目标模型训练完成。
请参见图4，其示出了本公开提供的目标检测方法的一个实施例的流程400。该目标检测方法可以包括以下步骤：
步骤401，获取待检测的图像。
在本实施例中，目标方法的执行主体(例如图1所示的服务器105)可以通过多种方式来获取检测对象的图像。例如，执行主体可以通过有线连接方式或无线连接方式，从数据库服务器(例如图1所示的数据库服务器104)中获取存储于其中的图像。再例如，执行主体也可以接收终端(例如图1所示的终端101、102)或其他设备采集的图像。
步骤402，将图像输入目标模型中，输出新类的检测结果。
在本实施例中，执行主体可以将步骤401中获取的图像输入目标检测模型中，从而生成检测对象的针对新类的检测结果。检测结果可以是用于描述图像中目标对象的位置，新类的类别。可选地，如果目标模型没有进行裁剪，也可选择输出基类的检测结果，供用户同时参考。
在本实施例中，目标模型可以是采用如上述图2实施例所描述的方法而生成的。具体生成过程可以参见图2实施例的相关描述，在此不再赘述。
需要说明的是，本实施例目标检测方法可以用于测试上述各实施例所生成的目标检测模型。进而根据测试结果可以不断地优化目标检测模型。该方法也可以是上述各实施例所生成的目标检测模型的实际应用方法。采用上述各实施例所生成的目标检测模型，来进行目标检测，有助于提高目标检测的性能。如找到的目标较多，找到的目标信息比较准确等。
继续参见图5，作为对上述图2所示方法的实现，本公开提供了一种目标检测模型的训练装置的一个实施例。该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的目标检测模型的训练装置500可以包括：获取单元501、第一检测单元502、关系统计单元503、第二检测单元504、匹配单元505和调整单元506。其中，获取单元501，被配置成获取预训练模型、目标模型和样本集，其中，所述目标模型包含基类预测头和新类预测头，所述样本集的样本包括样本图像和目标对象的新类标签；第一检测单元502，被配置成将所述样本集中的样本图像输入所述预训练模型，得到每个目标对象的第一基类预测结果；关系统计单元503，被配置成基于每个目标对象的新类标签和第一基类预测结果统计每个新类属于基类的概率，得到新类与基类的关系矩阵；第二检测单元504，被配置成将所述样本集中的样本图像输入所述目标模型，得到每个目标对象的第二基类预测结果和新类预测标签；匹配单元505，被配置成将所述新类预测标签与所述关系矩阵进行关系匹配，为每个新类预测标签匹配所对应的基类结果；调整单元506，被配置成基于所述基类结果与所述第二基类预测结果的差异调整所述目标模型的参数。
在本实施例的一些可选的实现方式中，关系统计单元503进一步被配置成：对每个新类标签，将该新类标签对应的至少一个目标对象的第一基类预测结果求和取平均，作为该新类与所有基类的类别关系，得到关系矩阵。
在本实施例的一些可选的实现方式中，目标模型的网络结构在所述预训练模型的网络结构基础上多了新类预测头。
在本实施例的一些可选的实现方式中，调整单元506进一步被配置成：根据所述基类结果与所述第二基类预测结果计算交叉熵损失；根据所述交叉熵损失，计算所述目标模型各位置的梯度，通过反向传播更新所述目标模型的参数。
在本实施例的一些可选的实现方式中，装置500还包括裁剪单元(附图中未示出)，被配置成：将所述目标模型的基类预测头裁剪掉仅保留新类预测头，作为新类的目标检测模型使用。
继续参考图6，作为对上述图4所示方法的实现，本公开提供了一种目标检测装置的一个实施例。该装置实施例与图4所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图6所示，本实施例的目标检装置600可以包括：获取单元601和检测单元602，其中，获取单元601，被配置成获取待检测的图像；
检测单元602，被配置成将所述图像输入采用装置500生成的目标模型中，输出新类的检测结果。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
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。
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流程200或400所述的方法。
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流程200或400所述的方法。
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流程200或400所述的方法。
图7示出了可以用来实施本公开的实施例的示例电子设备700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7所示，设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700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701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701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701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。例如，在一些实施例中，目标检测模型的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708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的目标检测模型的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701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。
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 (15)

1.一种目标检测模型的训练方法，包括：
获取预训练模型、目标模型和样本集，其中，所述目标模型包含基类预测头和新类预测头，所述样本集的样本包括样本图像和目标对象的新类标签；
将所述样本集中的样本图像输入所述预训练模型，得到每个目标对象的第一基类预测结果；
基于每个目标对象的新类标签和第一基类预测结果统计每个新类属于基类的概率，得到新类与基类的关系矩阵；
将所述样本集中的样本图像输入所述目标模型，得到每个目标对象的第二基类预测结果和新类预测标签；
将所述新类预测标签与所述关系矩阵进行关系匹配，为每个新类预测标签匹配所对应的基类结果；
基于所述基类结果与所述第二基类预测结果的差异调整所述目标模型的参数。
2.根据权利要求1所述的方法，其中，所述基于每个目标对象的新类标签和第一基类预测结果统计每个新类属于基类的概率，得到新类与基类的关系矩阵，包括：
对每个新类标签，将该新类标签对应的至少一个目标对象的第一基类预测结果求和取平均，作为该新类与所有基类的类别关系，得到关系矩阵。
3.根据权利要求1所述的方法，其中，所述目标模型的网络结构在所述预训练模型的网络结构基础上多了新类预测头。
4.根据权利要求1所述的方法，其中，所述基于所述基类结果与所述第二基类预测结果的差异调整所述目标模型的参数，包括：
根据所述基类结果与所述第二基类预测结果计算交叉熵损失；
根据所述交叉熵损失，计算所述目标模型各位置的梯度，通过反向传播更新所述目标模型的参数。
5.根据权利要求1所述的方法，其中，所述方法还包括：
将所述目标模型的基类预测头裁剪掉仅保留新类预测头，作为新类的目标检测模型使用。
6.一种目标检测方法，包括：
获取待检测的图像；
将所述图像输入采用如权利要求1-5之一所述的方法生成的目标模型中，输出新类的检测结果。
7.一种目标检测模型的训练装置，包括：
获取单元，被配置成获取预训练模型、目标模型和样本集，其中，所述目标模型包含基类预测头和新类预测头，所述样本集的样本包括样本图像和目标对象的新类标签；
第一检测单元，被配置成将所述样本集中的样本图像输入所述预训练模型，得到每个目标对象的第一基类预测结果；
关系统计单元，被配置成基于每个目标对象的新类标签和第一基类预测结果统计每个新类属于基类的概率，得到新类与基类的关系矩阵；
第二检测单元，被配置成将所述样本集中的样本图像输入所述目标模型，得到每个目标对象的第二基类预测结果和新类预测标签；
匹配单元，被配置成将所述新类预测标签与所述关系矩阵进行关系匹配，为每个新类预测标签匹配所对应的基类结果；
调整单元，被配置成基于所述基类结果与所述第二基类预测结果的差异调整所述目标模型的参数。
8.根据权利要求7所述的装置，其中，所述关系统计单元进一步被配置成：
对每个新类标签，将该新类标签对应的至少一个目标对象的第一基类预测结果求和取平均，作为该新类与所有基类的类别关系，得到关系矩阵。
9.根据权利要求7所述的装置，其中，所述目标模型的网络结构在所述预训练模型的网络结构基础上多了新类预测头。
10.根据权利要求7所述的装置，其中，所述调整单元进一步被配置成：
根据所述基类结果与所述第二基类预测结果计算交叉熵损失；
根据所述交叉熵损失，计算所述目标模型各位置的梯度，通过反向传播更新所述目标模型的参数。
11.根据权利要求7所述的装置，其中，所述装置还包括裁剪单元，被配置成：
将所述目标模型的基类预测头裁剪掉仅保留新类预测头，作为新类的目标检测模型使用。
12.一种目标检测装置，包括：
获取单元，被配置成获取待检测的图像；
检测单元，被配置成将所述图像输入采用如权利要求7-11之一所述的装置生成的目标模型中，输出新类的检测结果。
13.一种电子设备，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1-6中任一项所述的方法。
14.一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。
15.一种计算机程序产品，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1-6中任一项所述的方法。
CN202211606107.1A 2022-12-14 2022-12-14 目标检测模型的训练方法和装置 Pending CN116188888A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211606107.1A CN116188888A (zh) 2022-12-14 2022-12-14 目标检测模型的训练方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211606107.1A CN116188888A (zh) 2022-12-14 2022-12-14 目标检测模型的训练方法和装置

Publications (1)

Publication Number Publication Date
CN116188888A true CN116188888A (zh) 2023-05-30

Family

ID=86449769

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211606107.1A Pending CN116188888A (zh) 2022-12-14 2022-12-14 目标检测模型的训练方法和装置

Country Status (1)

Country Link
CN (1) CN116188888A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114387473A (zh) * 2022-01-12 2022-04-22 南通大学 一种基于基类样本特征合成的小样本图像分类方法
CN114580571A (zh) * 2022-04-01 2022-06-03 南通大学 一种基于迁移互学习的小样本电力设备图像分类方法
US20220207410A1 (en) * 2020-12-28 2022-06-30 International Business Machines Corporation Incremental learning without forgetting for classification and detection models
CN115063664A (zh) * 2022-06-26 2022-09-16 上海理想信息产业（集团）有限公司 用于工业视觉检测的模型学习方法、训练方法及系统
CN115100532A (zh) * 2022-08-02 2022-09-23 北京卫星信息工程研究所 小样本遥感图像目标检测方法和系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220207410A1 (en) * 2020-12-28 2022-06-30 International Business Machines Corporation Incremental learning without forgetting for classification and detection models
CN114387473A (zh) * 2022-01-12 2022-04-22 南通大学 一种基于基类样本特征合成的小样本图像分类方法
CN114580571A (zh) * 2022-04-01 2022-06-03 南通大学 一种基于迁移互学习的小样本电力设备图像分类方法
CN115063664A (zh) * 2022-06-26 2022-09-16 上海理想信息产业（集团）有限公司 用于工业视觉检测的模型学习方法、训练方法及系统
CN115100532A (zh) * 2022-08-02 2022-09-23 北京卫星信息工程研究所 小样本遥感图像目标检测方法和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李文煜;帅仁俊;郭汉;: "克服小样本学习中灾难性遗忘方法研究", 计算机应用与软件, vol. 37, no. 07, 12 July 2020 (2020-07-12), pages 136 - 141 *
谢小红;李文韬;: "基于迁移学习的图像分类训练方法研究", 信息与电脑(理论版), no. 07, 10 April 2020 (2020-04-10), pages 53 - 55 *

Similar Documents

Publication Publication Date Title
CN113326764B (zh) 训练图像识别模型和图像识别的方法和装置
CN113033537B (zh) 用于训练模型的方法、装置、设备、介质和程序产品
CN113436100B (zh) 用于修复视频的方法、装置、设备、介质和产品
CN113657483A (zh) 模型训练方法、目标检测方法、装置、设备以及存储介质
US20230186607A1 (en) Multi-task identification method, training method, electronic device, and storage medium
CN113239807B (zh) 训练票据识别模型和票据识别的方法和装置
CN114090601B (zh) 一种数据筛选方法、装置、设备以及存储介质
CN113792876B (zh) 骨干网络的生成方法、装置、设备以及存储介质
CN113627361B (zh) 人脸识别模型的训练方法、装置及计算机程序产品
CN114186681A (zh) 用于生成模型簇的方法、装置及计算机程序产品
CN114037059A (zh) 预训练模型、模型的生成方法、数据处理方法及装置
CN111563541B (zh) 图像检测模型的训练方法和装置
CN112784102A (zh) 视频检索方法、装置和电子设备
CN113591709B (zh) 动作识别方法、装置、设备、介质和产品
CN113360672B (zh) 用于生成知识图谱的方法、装置、设备、介质和产品
CN112966723B (zh) 视频数据增广方法、装置、电子设备及可读存储介质
CN112559727B (zh) 用于输出信息的方法、装置、设备、存储介质和程序
CN115082598A (zh) 文本图像生成、训练、文本图像处理方法以及电子设备
CN116188888A (zh) 目标检测模型的训练方法和装置
CN113806541A (zh) 情感分类的方法和情感分类模型的训练方法、装置
CN113887630A (zh) 图像分类方法、装置、电子设备和存储介质
CN113326885A (zh) 训练分类模型和数据分类的方法及装置
CN115312042A (zh) 用于处理音频的方法、装置、设备以及存储介质
CN114926447B (zh) 用于训练模型的方法、用于检测目标的方法和装置
CN115496916B (zh) 图像识别模型的训练方法、图像识别方法以及相关装置

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