CN116611491A - 目标检测模型的训练方法、装置、电子设备和存储介质 - Google Patents
目标检测模型的训练方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN116611491A CN116611491A CN202310444257.5A CN202310444257A CN116611491A CN 116611491 A CN116611491 A CN 116611491A CN 202310444257 A CN202310444257 A CN 202310444257A CN 116611491 A CN116611491 A CN 116611491A
- Authority
- CN
- China
- Prior art keywords
- features
- group
- query
- decoding
- detection model
- 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 203
- 238000012549 training Methods 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000002372 labelling Methods 0.000 claims description 54
- 238000004590 computer program Methods 0.000 claims description 14
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 7
- 238000004364 calculation method Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 238000010606 normalization Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000001965 increasing effect Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000011160 research 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
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- 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
- G06N3/0455—Auto-encoder networks; Encoder-decoder 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- 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
- G06N3/0499—Feedforward networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了目标检测模型的训练方法、装置、电子设备和存储介质,涉及人工智能技术领域,具体为计算机视觉、深度学习等技术领域,可应用于智慧城市等场景。方案为:对获取样本图像进行编码,获取样本图像对应的编码特征;对编码特征与M组查询特征中的每组查询特征进行解码,获取每组查询特征对应的一组预测结果,其中,M组查询特征是对目标检测模型的多个第一查询特征进行分组得到的;根据每组预测结果中各预测结果与样本图像对应的第一标注之间的匹配结果,对目标检测模型进行训练。由此,分组对预测结果与标注进行匹配,从整体上来讲,样本图像中每个目标可以匹配上多个正样本,使得每个样本图像的监督信号增强,加速了模型的收敛速度。
Description
技术领域
本申请涉及人工智能技术领域,具体为计算机视觉、深度学习等技术领域,可应用于智慧城市等场景,尤其涉及一种目标检测模型的训练方法、装置、电子设备和存储介质。
背景技术
相关技术中,基于Transformer的检测模型DETR(Bidirectional EncoderRepresentations from Transformer,基于Transformer结构的双向编码器表征)可以实现完全端到端的目标检测,DETR去掉了之前繁琐的后处理流程,并取得了比较好的检测结果。但是,DETR存在训练收敛缓慢的问题,使得DETR的改进和应用受到限制。
发明内容
本申请提供了一种目标检测模型的训练方法、装置、电子设备和存储介质。具体方案如下:
根据本申请的一方面,提供了一种目标检测模型的训练方法,包括:
获取样本图像;
对所述样本图像进行编码,以获取所述样本图像对应的编码特征;
对所述编码特征与M组查询特征中的每组查询特征进行解码,以获取所述每组查询特征对应的一组预测结果,其中,所述M组查询特征是对目标检测模型的多个第一查询特征进行分组得到的,M为大于1的整数;
根据每组预测结果中各预测结果与所述样本图像对应的第一标注之间的匹配结果,对所述目标检测模型进行训练。
根据本申请的另一方面,提供了一种目标检测方法,包括:
获取待检测图像;
对所述待检测图像进行编码,以获取所述待检测图像对应的编码特征;
对所述编码特征与目标检测模型的多组查询特征中的每组查询特征进行解码,以获取所述待检测图像对应的检测结果,其中,所述目标检测模型是采用如上述一方面实施例所述的方法所训练得到的。
根据本申请的另一方面,提供了一种标检测模型的训练装置,包括:
获取模块,用于获取样本图像;
编码模块,用于对所述样本图像进行编码,以获取所述样本图像对应的编码特征;
解码模块,用于对所述编码特征与M组查询特征中的每组查询特征进行解码,以获取所述每组查询特征对应的一组预测结果,其中,所述M组查询特征是对目标检测模型的多个第一查询特征进行分组得到的,M为大于1的整数;
训练模块,用于根据每组预测结果中各预测结果与所述样本图像对应的第一标注之间的匹配结果,对所述目标检测模型进行训练。
根据本申请的另一方面,提供了一种目标检测装置,包括:
获取模块,用于获取待检测图像;
编码模块,用于对所述待检测图像进行编码,以获取所述待检测图像对应的编码特征;
解码模块,用于对所述编码特征与目标检测模型的多组查询特征中的每组查询特征进行解码,以获取所述待检测图像对应的检测结果,其中,所述目标检测模型是采用如上述一方面实施例所述的方法所训练得到的。
根据本申请的另一方面,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一方面实施例所述的方法,或者能够执行上述另一方面实施例所述的方法。
根据本申请的另一方面,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上述一方面实施例所述的方法,或者执行根据上述另一方面实施例所述的方法。
根据本申请的另一方面,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上述一方面实施例所述方法的步骤,或者上述另一方面实施例所述方法的步骤。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请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,不构成对本申请的限定。其中:
图1为本申请一实施例提供的目标检测模型的训练方法的流程示意图;
图2为样本标注与预测结果不同匹配方法的对比示意图;
图3为本申请另一实施例提供的目标检测模型的训练方法的流程示意图;
图4为本申请实施例提供的一种解码器解码的过程示意图;
图5为本申请另一实施例提供的目标检测模型的训练方法的流程示意图;
图6为本申请一实施例提供的目标检测方法的流程示意图;
图7为本申请另一实施例提供的目标检测方法的流程示意图;
图8为本申请一实施例提供的目标检测模型的训练装置的结构示意图;
图9为本申请一实施例提供的目标检测装置的结构示意图;
图10是用来实现本申请实施例的目标检测模型的训练方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请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,而不会背离本申请的范围和精神。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。
下面参考附图描述本申请实施例的目标检测模型的训练方法、装置、电子设备和存储介质。
人工智能是研究使用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领域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深度学习、大数据处理技术、知识图谱技术等几大方向。
计算机视觉是一门研究如何使机器“看”的科学,是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。
深度学习是机器学习领域中一个新的研究方向。深度学习是学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。
图1为本申请一实施例提供的目标检测模型的训练方法的流程示意图。
本申请实施例的目标检测模型的训练方法,可以由本申请实施例的目标检测模型的训练装置执行,该装置可以配置于电子设备中,通过对目标检测模型的多个第一查询特征进行分组,得到多组查询特征,将编码特征与每组查询特征进行解码,并根据每组查询特征对应的一组预测结果与第一标注之间的匹配结果对目标检测模型进行训练,从而从整体上来讲,样本图像中的每个目标可以匹配上多个正样本,使得每个样本图像的监督信号增强,加速了模型的收敛速度。
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、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,该目标检测模型的训练方法,包括:
步骤101,获取样本图像。
本申请中,样本图像可以是通过对一个场景或者不同场景进行拍摄得到,或者可以是视频中连续的图像,或者可以是从视频中抽取的图像等,本申请对此不作限定。
本申请中,每张样本图像具有对应的第一标注,其中,第一标注可以是对样本图像中目标的位置和类别进行标注得到的,第一标注可以包括多个标注框、每个标注框中目标的类别等。这里的目标可以是人、动物、建筑物等。
步骤102,对样本图像进行编码,以获取样本图像对应的编码特征。
本申请中,目标检测模型以Transformer为基本结构的模型,或者,也可以为其他结构的模型,比如为Transformer的变种结构的模型等。
作为一个示例,目标检测模型可以包括骨干网络backbone(比如残差网络ResNet等)、Transformer编码器、Transformer解码器及预测头。样本图像经过骨干网络进行特征提取,得到特征图,特征图经过Transformer编码器进行编码,可以得到样本图像对应的编码特征。
步骤103,对编码特征与M组查询特征中的每组查询特征进行解码,以获取每组查询特征对应的一组预测结果,其中,M组查询特征是对目标检测模型的多个第一查询特征进行分组得到的。
本申请中,目标检测模型的多个第一查询特征是目标检测模型的参数,多个第一查询特征可以作为目标检测模型的解码器的输入,第一查询特征是可以学习的一个向量,每个第一查询特征可以通过网络自适应地从样本图像中采样像素点,并通过自注意力(self-attention)的方式进行查询特征之间的信息交互,最终每个查询特征可以被用于单独预测一个检测框的位置和类别。
本申请中,可以对目标检测模型的多个第一查询特征(object query)进行分组,得到M组查询特征,各组查询特征之间相互独立,每组查询特征中可以包括至少一个查询特征,M为大于1的整数。
在对第一查询特征进行分组时,可以根据第一查询特征的数量和预设的组数M,对第一查询特征进行分组,其中,组数M可以根据实际需要设置。例如,可以对第一查询特征进行均分,每组包含的第一查询特征的数量相同,从而实现并行计算,提高计算效率,或者也可以不进行均分,每组包含的第一查询特征可以不同。
由此,根据第一查询特征的数量和预设的组数M,可以实现对第一查询特征进行分组,满足不同的分组需求。
比如,目标检测模型的第一查询特征(object query)的数量为600,预设的组数为两组,那么可以分为两组,每组可以分别包含300个object query,或者一组包含280个object query,另一组包含320个object query。
可选地,也可以根据待检测图像可能包含的目标的最大数量和第一查询特征的数量,确定组数M,再根据第一查询特征的数量和组数M进行分组,得到M组查询特征。其中,每组查询特征的数量可以大于或等于目标的最大数量。
比如,待检测图像可能包含的目标的最大数量为20,第一查询特征的数量为120,可以分为3组,每组包含40个查询特征,或者也可以分为4组每组包含30个特征,或者也可以分为6组,每组包含20个特征。
由此,通过根据待检测图像可能包含的目标的最大数量,确定组数,从而可以针对不同的应用场景,对第一查询特征进行分组,满足不同的场景需求。
本申请中,可以对编码特征与M组查询特征中每组查询特征进行解码,得到每组查询特征对应的一组预测结果。其中,每组查询特征对应的一组预测结果中预测结果的数量与每组查询特征中查询特征的数量相同,每个查询特征对应一个预测结果。
比如,目标检测模型的第一查询特征共600个,分为两组A和B,A和B分别包含300个查询特征,可以对某样本图像的编码特征与A组查询特征进行解码,得到一组预测结果,该组预测结果包含300个预测结果,对该样本图像的编码特征与B组查询特征进行解码,得到一组预测结果,该组预测结果也包含300个预测结果。
作为一个示例,可以将编码特征与每组查询特征输入到解码器进行解码,得到解码特征,对解码特征进行预测,得到一组预测结果,其中,每个预测结果可以包括检测框和检测框中目标的预测类别。
步骤104,根据每组预测结果中各预测结果与样本图像对应的第一标注之间的匹配结果,对目标检测模型进行训练。
本申请中,针对每组预测结果,可以将每组预测结果中各预测结果分别与第一标注中各标注框进行匹配,以确定与每个预测结果匹配的标注框及标注框对应的标注类别,比如可以将第一标注中与预测结果的预测框最接近的标注框作为匹配的标注框。之后,根据每个预测结果中的预测框与匹配的标注框之间的差异,及每个预测结果中的预测类别与匹配的标注框对应的标注类别之间的差异,确定模型损失,再根据模型损失调整目标检测模型的参数,之后继续对参数调整后的目标检测模型进行训练,直至满足模型训练结束的条件。
本申请中,模型训练结束条件,可以是达到预设的训练次数,或者模型损失小于或等于预设阈值,也可以是其他条件,本申请对此不作限定。
由于多个第一查询特征是目标检测模型的参数,那么本申请中根据模型损失调整的目标检测模型的参数中包括多个第一查询特征,也即多个第一查询特征是可以学习的参数。在模型训练结束时,最终得到的多个第一查询特征可以用于不同待检测图像的检测。
在对目标检测模型进行训练时,可以通过深度学习的方式进行训练,相比于其他机器学习方法,深度学习在大数据集上的表现更好。
相关技术中,在对目标检测模型进行训练时,是将编码特征与目标检测模型的所有查询特征进行解码,得到预测结果,根据预测结果与第一标注对模型进行训练。而本申请中,是将多个第一查询特征分为M组查询特征,将每组查询特征与编码特征进行解码,得到每组查询特征对应的一组预测结果,并将每组预测结果与第一标注进行匹配,那么在每个组内,样本图像中的每个物体可以匹配到一个正样本,从整体上来讲,样本图像中的每个物体可以匹配到M个正样本,从而使得每个样本图像的监督信号增强,加速了模型的收敛速度。
为了便于理解本申请的方案与相关技术中方案的区别,下面结合图2进行解释说明,图2为样本标注与预测结果不同匹配方法的对比示意图。其中,图2中X表示编码器输出的编码特征,Y表示预测结果,表示标注。
图2(a)为相关技术中,对编码特征X与所有的查询特征(object query)进行解码,并将预测结果Y与标注进行匹配;图2(b)为本申请中将模型的查询特征(object query)分为两组,将编码特征与每组查询特征进行解码,得到预测结果Y,并将每组查询特征对应的预测结果与标注Y进行匹配,也即分组对预测结果与标注进行匹配。
本申请实施例中,通过对目标检测模型的多个第一查询特征进行分组,得到多组查询特征,将编码特征与每组查询特征进行解码,并根据每组查询特征对应的一组预测结果与第一标注之间的匹配结果对目标检测模型进行训练,由此分组对预测结果与标注进行匹配,从而从整体上来讲,样本图像中的每个目标可以匹配上多个正样本,使得每个样本图像的监督信号增强,加速了模型的收敛速度。
图3为本申请另一实施例提供的目标检测模型的训练方法的流程示意图。
如图3所示,该目标检测模型的训练方法包括:
步骤301,获取样本图像。
步骤302,对样本图像进行编码,以获取样本图像对应的编码特征。
本申请中,步骤301-步骤302可以采用本申请各实施例中任一种实现方式,本申请对此不作限定,也不再赘述。
步骤303,对编码特征与M组查询特征中的每组查询特征进行解码,以获取每组查询特征对应的一组预测结果,其中,M组查询特征是对目标检测模型的多个第一查询特征进行分组得到的。
本申请中,目标检测模型的解码器可以包含多个解码层,其中,上一个解码层的输出可以作为下一个解码层的输入,解码层的数量可以根据实际需要设定,本申请对此不作限定。
作为一种实现方式,编码特征为单尺度特征,在解码器的首个解码层,可以对每组查询特征进行自注意力计算,并根据自注意力计算结果及编码特征进行交叉注意力计算,以获取首个解码层输出的一组第一中间特征,由此,每组查询特征对应一组第一中间特征。
在解码器的非首个解码层中,对非首个解码层的上一个解码层输出的每组第一中间特征进行自注意力计算,并根据自注意力计算结果及编码特征进行交叉注意力计算,以获取非首个解码层输出的一组第一中间特征,可以将最后一个解码层输出的每组查询特征对应的一组第一中间特征,作为每组查询特征对应的第一解码特征,之后对每组查询特征对应的第一解码特征进行预测,可以获取每组查询特征对应的一组预测结果。
比如,首个解码层输出的M组第一中间特征,可以作为第二个解码层的输入,在第二个解码层,可以对首个解码层输出的M组第一中间特征分别进行自注意力计算,并根据每组第一中间特征的自注意力计算结果与编码特征进行交叉注意力计算,以得到第二个解码层输出的每组第一中间特征。在第三个解码层中,可以对第二个解码层输出的M组第一中间特征分别进行自注意力计算,并根据自注意力计算结果与编码特征进行交叉注意力计算,以得到第三个解码层输出的M组第一中间特征,直至最后一个解码层输出M组第一中间特征,可以将M组第一中间特征,作为样本图像对应的解码特征。再对样本图像对应的解码特征进行预测,可以得到M组预测结果。
为了便于理解上述解码过程,下面结合图4进行说明,图4为本申请实施例提供的一种解码器解码的过程示意图。
如图4所示,目标检测模型的查询特征分为M组,group1、……、groupM,解码器共有T个解码层,T为正整数,图4中示出的是第一个解码层,其他解码层的结构与图4所示的解码层类似。在第一个解码层中,可以分别对group1、……、groupM的查询特征分别进行自注意力(self-attention)计算,其中,每组查询特征分别作为注意力参数Q、K和V。之后,对每组查询特征的自注意力计算结果和每组查询特征进行残差连接和归一化操作(add&norm),之后将得到的特征作为交叉注意力(cross-attention)的参数Q,将编码特征作为交叉注意力的参数K和V进行交叉注意力计算,将计算结果与上一个残差连接和归一化操作输出的特征进行残差连接和归一化操作,将归一化操作的结果经过前馈神经网络(FFN),对前馈神经网络输出的特征与第二个残差连接和归一化操作输出的特征再进行残差连接和归一化操作,得到每组查询特征对应的一组第一中间特征,也即第一个解码层输出M组第一中间特征,输入到第二个解码层。在第二个解码层中,分别对M组第一中间特征进行自注意力计算,后面操作与第一个解码层类似,故在此不再赘述。第二个解码层输出的M组第一中间特征可以作为第三个解码层的输入,并进行自注意力计算,直至获取第T个解码层输出的M组第二中间特征,可以将第T个解码器输出的M组第二中间特征作为解码特征,解码特征经过预测头进行预测,得到每组查询特征对应的一组预测结果。
由此,通过自注意力和交叉注意力进行解码,可以实现对每组查询特征与编码特征进行解码。
作为另一种方式,编码特征为多尺度特征,在解码器的首个解码层,可以对每组查询特征进行自注意力计算,并根据自注意力计算结果及编码特征进行多尺度可变注意力计算,以获取首个解码层输出的一组第二中间特征,由此,每组查询特征对应一组第二中间特征。
在解码器的非首个解码层中,对非首个解码层的上一个解码层输出的每组第二中间特征进行自注意力计算,并根据自注意力计算结果及编码特征进行多尺度可变注意力计算,以获取非首个解码层输出的一组第二中间特征,可以将最后一个解码层输出的每组查询特征对应的一组第二中间特征,作为每组查询特征对应的第二解码特征,之后对每组查询特征对应的第二解码特征进行预测,可以获取每组查询特征对应的一组预测结果。
比如,首个解码层输出的M组第二中间特征,可以作为第二个解码层的输入,在第二个解码层,可以对首个解码层输出的M组第二中间特征分别进行自注意力计算,并根据每组第二中间特征的自注意力计算结果与编码特征进行多尺度可变注意力计算,以得到第二个解码层输出的每组第二中间特征。在第三个解码层中,可以对第二个解码层输出的M组第二中间特征分别进行自注意力计算,并根据每组第二中间特征的自注意力计算结果与编码特征进行多尺度可变注意力计算,以得到第三个解码层输出的M组第二中间特征,直至最后一个解码层输出M组第二中间特征,可以将M组第二中间特征,作为样本图像对应的解码特征,再对样本图像对应的解码特征进行预测,可以得到M组预测结果。
无论编码特征的大小如何,多尺度可变注意力只计算参考点周围一小部分点的注意力,而不是计算全局的,这样可以减少计算量,加快收敛速度。解码器中多尺度可变注意力计算所用的参考点可以是由查询特征经过线性映射和激活函数得到的。
由此,通过将分组对预测结果与第一标注进行匹配与使用多尺度可变注意力加快模型收敛的方式结合,可以进一步加快模型的收敛速度。
本申请中,可以通过根据编码特征的类型,对编码特征与每组查询特征采用不同的方式进行解码,满足了多样化需求。
步骤304,确定第一标注中与每组预测结果中各预测结果匹配的标注框及标注类别。
本申请中,可以将每组预测结果中各预测结果分别与第一标注中各标注框进行匹配,以确定与每个预测结果匹配的标注框及标注框对应的标注类别,比如可以将第一标注中与预测结果的预测框最接近的标注框作为匹配的标注框。
步骤305,根据各预测结果与匹配的标注框及标注类别之间的差异,确定各预测结果对应的第一损失。
本申请中,对于每组预测结果中的每个预测结果,可以根据每个预测结果中每个预测框与标注框之间的差异,及每个预测结果中的预测类别与匹配的标注框对应的标注类别之间的差异,确定每个预测结果对应的第一损失。
步骤306,根据各预测结果对应的第一损失,确定每组预测结果对应的第二损失。
本申请中,可以将每组预测结果中各预测结果对应的第一损失之和,确定每组预测结果对应的第二损失。
步骤307,根据M组预测结果分别对应的第二损失,确定模型损失。
本申请中,可以将M组预测结果对应的第二损失之和的平均值,作为模型损失。或者,可以将M组预测结果对应的第二损失的加权和,作为模型损失,其中,每组预测结果对应的权重,可以是预设的,也可以是其他方式确定的,本申请对此不作限定。
或者,本申请也可以根据M组预测结果分别对应的第二损,采用其他方式,确定模型损失,本申请对此不作限定。
步骤308,根据模型损失,对目标检测模型进行训练。
本申请中,可以根据模型损失,对目标检测模型的参数进行调整,并继续对参数调整后的目标检测模型进行训练,直至满足模型训练结束条件,其中,模型训练结束条件可以参见上述实施例中的描述,在此不再赘述。
本申请实施例中,在根据每组预测结果中各预测结果与样本图像对应的第一标注之间的匹配结果,对目标检测模型进行训练时,针对每组预测结果,基于每组预测结果中各预测结果与第一标注的匹配结果,确定每组预测结果中各预测结果对应的第一损失,根据每组预测结果中各预测结果对应的第一损失,确定每组预测结果对应的第二损失,再根据各组预测结果的第二损失,确定模型损失。由此,基于预测结果与第一标注的分组匹配结果,确定每组预测结果对应的损失,再根据各组预测结果对应的损失,确定模型损失,从而实现通过增强样本图像的监督信号,加速了模型的收敛速度。
图5为本申请另一实施例提供的目标检测模型的训练方法的流程示意图。
如图5所示,该目标检测模型的训练方法包括:
步骤501,获取样本图像。
步骤502,对样本图像进行编码,以获取样本图像对应的编码特征。
本申请中,步骤501-步骤502可以采用本申请各实施例中任一种实现方式,本申请对此不作限定,也不再赘述。
步骤503,对第一标注包括的标注框加入噪声,以获取第一标注对应的第二标注。
为了使模型学习如何进行去噪的辅助任务,加快模型收敛速度,本申请中,可以对第一标注包括的所有标注框加入噪声,比如扩大标注框或者缩小标注框或者旋转标注框等,得到第一标注对应的第二标注。
可选地,可以对第一标注包括的标注框加入一次噪声或多次噪声,得到一个或多个第二标注。比如,扩大第一标注中的各标注框,得到第二标注,还可以缩小第一标注中的各标注框,得到第二标注等。
步骤504,根据标注框的数量和标注框加入噪声的次数,对目标检测模型增加第二查询特征。
本申请中,可以将标注框的数量与第一标注加入噪声的次数的乘积,确定为第一数量,并对目标检测模型增加第一数量的第二查询特征。由此,针对每个加入噪声的标注框增加一个第二查询特征,可以使模型学习如何进行去噪的辅助任务,加快模型收敛速度。
比如,第一标注包括6个标注框,对第一标注的标注框加入了1次噪声,那么第一数量为6个,可以对目标检测模型增加6个第二查询特征,若对第一标注的标注框加入了2次噪声,那么第一数量为12个,可以对目标检测模型增加12个第二查询特征。
步骤505,根据M组查询特征和第二查询特征,确定N组查询特征。
本申请中,可以根据第二查询特征,对M组查询特征重新分组,得到N组查询特征,其中,N为大于1的整数。
作为一种可能的实现方式,可以将第二查询特征作为一组查询特征,并根据M组查询特征及第二查询特征所属的一组查询特征,得到N组特征,其中,N=M+1。
比如,目标检测模型共有600个第一查询特征,600个第一查询特征分可以为两组,每组300个第一查询特征,可以将10个第二查询特征作为一组,那么可以得到3组查询特征。
本申请中,将针对噪声的第二查询特征单独作为一组,可以便于后续的预测结果与标注之间进行匹配。
作为另一种可能的实现方式,可以在M组查询特征的每组查询特征中增加第二查询特征,得到N组查询特征,其中,N=M。
比如,目标检测模型共有600个第一查询特征,10个第二查询特征,600个第一查询特征分可以为两组,每组300个第一查询特征,可以将10个第二查询特征分别加入两组查询特征中,从而得到两组查询特征,每组查询特征中包括300个第一查询特征和10个第二查询特征。
本申请中,在第一查询特征对应的M组查询特征中都增加针对噪声的第二查询特征,从而在不增加组数的情况下,使模型学习去噪声的辅助任务。
本申请中,可以根据M组查询特征和第二查询特征,采用不同的方式,确定N组查询特征,满足多样化需求。
步骤506,对编码特征与N组查询特征中每组查询特征进行解码,以获取每组查询特征对应的一组预测结果。
本申请中,对编码特征与N组查询特征中每组查询特征进行解码的方式,与上述对编码特征与M组查询特征中每组查询特征进行解码的方式类似,故在此不再赘述。
步骤507,根据每组预测结果中各预测结果与样本图像对应的第一标注和第二标注之间的匹配结果,对目标检测模型进行训练。
本申请中,N组查询特征的确定方式不同,预测结果与第一标注及第二标注的匹配方法不同。
若根据M组查询特征及第二查询特征所属的一组查询特征,得到N组查询特征,那么可以根据M组查询特征中每组查询特征对应的一组预测结果中各预测结果与第一标注之间的匹配结果,得到M组查询特征中每组查询特征对应的损失,并根据第二查询特征对应的预测结果与第二标注之间的匹配结果,得到第二查询特征所属的一组查询特征对应的损失,根据各组查询特征的损失,可以确定模型损失,再根据模型损失对目标检测模型进行训练。
由此,通过将第一查询特征的每组查询特征对应的预测结果与第一标注进行匹配,第二查询特征所属的一组查询特征对应的预测结果与第二标注进行匹配,计算方便。
若在M组查询特征的每组查询特征中增加第二查询特征,得到N组查询特征,由于每组查询特征中包括第一查询特征和第二查询特征,那么可以根据N组查询特征中每组查询特征对应的一组预测结果中各预测结果与第一标注及所述第二标注之间的匹配结果,得到每组查询特征对应的损失,再根据各组查询特征对应损失,确定模型损失,并根据模型损失对目标检测模型进行训练。
由此,通过将包含第一查询特征和第二查询特征的每组查询特征对应的预测结果与第一标注和第二标注进行匹配,确定模型损失,从而在不增加分组数量的同时,使模型学习如何进行去噪的辅助任务。
本申请实施例中,可以通过对第一标注包括标注框加入噪声,得到第二标注,并根据标注框的数量和标注框加入噪声的次数,增加第二查询特征,并根据第二查询特征和M组查询特征,确定N组查询特征,并对编码特征与N组查询特征中的每组查询特征进行解码,根据每组查询特征的预测结果与第一标注及第二标注的匹配结果,对目标检测模型进行训练,由此,通过对第一标注加入噪声并增加第二查询特征,可以加快模型的收敛速度,结合分组对预测结果与标注进行匹配,可以进一步加快模型收敛速度。
为了实现上述实施例,本申请实施例还提出一种目标检测方法。图6为本申请一实施例提供的目标检测方法的流程示意图。
如图6所示,该目标检测方法包括:
步骤601,获取待检测图像。
本申请中,待检测图像是可以是对某场景进行拍摄得到的,也可以是视频中的一帧帧图像,本申请对此不作限定。
步骤602,对待检测图像进行编码,以获取待检测图像对应的编码特征。
本申请中,对待检测图像的编码方法与上述对样本图像的编码方法类似,故在此不再赘述。
步骤603,对编码特征与目标检测模型的多组查询特征中的每组查询特征进行解码,以获取待检测图像对应的检测结果。
本实施例中的目标检测模型,可以是采用上述模型训练方法训练得到的。
本申请中目标检测模型有多组查询特征,多组查询特征中的查询特征为模型的参数,是模型训练结束时得到的,可以将待检测图像的编码特征与每组查询特征输入解码器进行解码得到解码特征,然后对每组查询特征对应的一组解码特征进行预测,得到每组查询特征对应的一组检测结果,各组查询特征对应的检测结果即为待检测图像对应的检测结果。其中,检测结果的数量与查询特征的数量相同,检测结果可以包括检测框和检测框中目标的预测类别。
本申请实施例中,可以对待检测图像进行编码,以获取待检测图像对应的编码特征,并将编码特征与目标检测模型的多组查询特征中的每组查询特征进行解码,以获取待检测图像对应的检测结果,实现对待检测图像的目标检测。
为了实现上述实施例,本申请实施例还提出一种目标检测方法。图7为本申请另一实施例提供的目标检测方法的流程示意图。
如图7所示,该目标检测方法包括:
步骤701,获取待检测图像。
步骤702,对待检测图像进行编码,以获取待检测图像对应的编码特征。
本申请中,步骤701-步骤702可以采用本申请各实施例中任一种实现方式,本申请对此不作限定,也不再赘述。
步骤703,从多组查询特征中确定出查询特征数量最多的目标组查询特征。
由于目标检测模型的查询特征的数量可能远大于待检测图像中目标的数量,为了减少计算量,本申请中,可以从多组查询特征中确定出查询特征数量最多的目标组查询特征。其中,目标组查询特征中查询特征的数量可以大于或等于待检测图像可能包含的目标的最大数量。
作为一个示例,如果模型训练过程中未采用加了噪声的标注,也即如上述实施例中所述的多组查询特征是对第一查询特征进行分组得到,且多组查询特征中查询特征的数量相同,那么可以随机选择一组查询特征作为目标组查询特征。比如,目标检测模型有3组查询特征,每组查询特征包含100个查询特征,那么可以随机选择一组作为目标组查询特征。
作为另一个示例,如果如上述实施例中所述的多组查询特征是对第一查询特征进行分组得到,且目标检测模型的多组查询特征中不同组查询特征包含的查询特征数量不同,可以将包含查询特征数量最多的一组查询特征,作为目标组查询特征。
作为另一个示例,如果多组查询特征是对第一查询特征分组得到的及将第二查询特征作为一组查询特征,那么可以从第一查询特征分组得到的各组查询特征中的任一组查询特征作为目标组查询特征。
作为另一个示例,如果多组查询特征是在第一查询分组得到的多组查询特征中增加第二查询特征得到,可以将多组查询特征中任一组查询特征作为目标组查询特征。
步骤704,对编码特征及目标组查询特征进行解码,以获取待检测图像对应的检测结果。
本申请中,可以将编码特征与目标组查询特征输入解码器进行解码,得到解码特征,然后对解码特征进行预测,得到待检测图像的检测结果。
作为一种可能的实现方式,待检测图像的编码特征为单尺度特征,可以在目标检测模型的解码器的首个解码层中,对目标组查询特征进行自注意力计算,并根据自注意力计算结果及编码特征进行交叉注意力计算,以获取首个解码层输出的一组第一中间特征,在解码器的非首个解码层中,对非首个解码层的上一个解码层输出的一组第一中间特征进行自注意力计算,并根据自注意力计算结果及编码特征进行交叉注意力计算,以获取非首个解码层输出的一组第一中间特征,并将解码器的最后一个解码层输出的一组第一中间特征,作为第一解码特征,并对第一解码特征进行预测,以获取待检测图像对应的检测结果。
由此,对目标组查询特征和编码特征,通过自注意力和交叉注意力进行解码,可以得到待检测图像的检测结果,减少了计算量,提高了检测效率。
作为另一种可能的实现方式,待检测图像的编码特征为多尺度特征,在解码器的首个解码层中,对目标组查询特征进行自注意力计算,并根据自注意力计算结果及编码特征进行多尺度可变注意力计算,以获取首个解码层输出的一组第二中间特征,在解码器的非首个解码层中,对非首个解码层的上一个解码层输出的一组第二中间特征进行自注意力计算,并根据自注意力计算结果及编码特征进行多尺度可变注意力计算,以获取非首个解码层输出的一组第二中间特征,并将解码器的最后一个解码层输出的一组第二中间特征,作为第二解码特征,并对第二解码特征进行预测,以获取待检测图像对应的检测结果。
由此,通过对目标组查询特征与编码特征进行解码,可以减少计算量,另外通过多尺度可变注意计算,可以进一步减少计算量,提高检测效率。
本申请实施例中,通过从多组查询特征中确定出目标组查询特征,将编码特征与目标组查询特征进行解码,得到待检测图像的检测结果,可以减少计算量,提高检测效率,节省设备资源。
为了实现上述实施例,本申请实施例还提出一种目标检测模型的训练装置。图8为本申请一实施例提供的目标检测模型的训练装置的结构示意图。
如图8所示,该目标检测模型的训练装置800包括:
获取模块810,用于获取样本图像;
编码模块820,用于对样本图像进行编码,以获取样本图像对应的编码特征;
解码模块830,用于对编码特征与M组查询特征中的每组查询特征进行解码,以获取每组查询特征对应的一组预测结果,其中,M组查询特征是对目标检测模型的多个第一查询特征进行分组得到的,M为大于1的整数;
训练模块840,用于根据每组预测结果中各预测结果与样本图像对应的第一标注之间的匹配结果,对目标检测模型进行训练。
在本申请实施例一种可能的实现方式中,训练模块840,用于:
确定第一标注中与每组预测结果中各预测结果匹配的标注框及标注类别;
根据各预测结果与匹配的标注框及标注类别之间的差异,确定各预测结果对应的第一损失;
根据各预测结果对应的第一损失,确定每组预测结果对应的第二损失;
根据M组预测结果分别对应的第二损失,确定模型损失;
根据模型损失,对目标检测模型进行训练。
在本申请实施例一种可能的实现方式中,编码特征为单尺度特征,解码模块830,用于:
在目标检测模型的解码器的首个解码层中,对每组查询特征进行自注意力计算,并根据自注意力计算结果及编码特征进行交叉注意力计算,以获取首个解码层输出的一组第一中间特征;
在解码器的非首个解码层中,对非首个解码层的上一个解码层输出的每组第一中间特征进行自注意力计算,并根据自注意力计算结果及编码特征进行交叉注意力计算,以获取非首个解码层输出的一组第一中间特征;
将解码器的最后一个解码层输出的一组第一中间特征,作为第一解码特征;
对第一解码特征进行预测,以获取每组查询特征对应的一组预测结果。
在本申请实施例一种可能的实现方式中,编码特征为多尺度特征,解码模块830,用于:
在目标检测模型的解码器的首个解码层中,对每组查询特征进行自注意力计算,并根据自注意力计算结果及编码特征进行多尺度可变注意力计算,以获取首个解码层输出的一组第二中间特征;
在解码器的非首个解码层中,对非首个解码层的上一个解码层输出的每组第二中间特征进行自注意力计算,并根据自注意力计算结果及编码特征进行多尺度可变注意力计算,以获取非首个解码层输出的一组第二中间特征;
将解码器的最后一个解码层输出的一组第二中间特征,作为第二解码特征;
对第二解码特征进行预测,以获取每组查询特征对应的一组预测结果。
在本申请实施例一种可能的实现方式中,解码模块830,用于:
对第一标注包括的标注框加入噪声,以获取第一标注对应的第二标注;
根据标注框的数量和标注框加入噪声的次数,对目标检测模型增加第二查询特征;
根据M组查询特征和第二查询特征,确定N组查询特征,其中,N为大于1的整数;
对编码特征与N组查询特征中每组查询特征进行解码,以获取每组查询特征对应的一组预测结果。
在本申请实施例一种可能的实现方式中,解码模块830,用于:
将标注框的数量与第一标注加入噪声的次数的乘积,确定为第一数量;
对目标检测模型增加第一数量的第二查询特征。
在本申请实施例一种可能的实现方式中,解码模块830,用于:
将第二查询特征作为一组查询特征;
根据M组查询特征及第二查询特征所属的一组查询特征,得到N组查询特征,其中,N=M+1。
在本申请实施例一种可能的实现方式中,训练模块840,用于:
根据M组查询特征中每组查询特征对应的一组预测结果中各预测结果与第一标注之间的匹配结果,及第二查询特征对应的预测结果与第二标注之间的匹配结果,对目标检测模型进行训练。
在本申请实施例一种可能的实现方式中,解码模块830,用于:
在M组查询特征的每组查询特征中增加第二查询特征,得到N组查询特征,其中,N=M。
在本申请实施例一种可能的实现方式中,训练模块840,用于:
根据N组查询特征中每组查询特征对应的一组预测结果中各预测结果与第一标注及第二标注之间的匹配结果,对目标检测模型进行训练。
在本申请实施例一种可能的实现方式中,该装置还可以包括:
分组模块,用于根据第一查询特征的数量及预设的组数M,对多个第一查询特征进行分组,以获取M组查询特征。
需要说明的是,前述目标检测模型的训练方法实施例的解释说明,也适用于该实施例的目标检测模型的训练装置,故在此不再赘述。
本申请实施例中,通过对目标检测模型的多个第一查询特征进行分组,得到多组查询特征,将编码特征与每组查询特征进行解码,并根据每组查询特征对应的一组预测结果与第一标注之间的匹配结果对目标检测模型进行训练,由此分组对预测结果与标注进行匹配,从而从整体上来讲,样本图像中的每个目标可以匹配上多个正样本,使得每个样本图像的监督信号增强,加速了模型的收敛速度。
为了实现上述实施例,本申请实施例还提出一种目标检测模型的训练装置。图9为本申请一实施例提供的目标检测装置的结构示意图。
如图9所示,该目标检测装置900包括:
获取模块910,用于获取待检测图像;
编码模块920,用于对待检测图像进行编码,以获取待检测图像对应的编码特征;
解码模块930,用于对编码特征与目标检测模型的多组查询特征中的每组查询特征进行解码,以获取待检测图像对应的检测结果,其中,目标检测模型是采用如上述实施例的模型训练方法所训练得到的。
在本申请实施例一种可能的实现方式中,解码模块930,用于:
从多组查询特征中确定出查询特征数量最多的目标组查询特征;
对编码特征及目标组查询特征进行解码,以获取待检测图像对应的检测结果。
在本申请实施例一种可能的实现方式中,编码特征为单尺度特征,解码模块930,用于:
在目标检测模型的解码器的首个解码层中,对目标组查询特征进行自注意力计算,并根据自注意力计算结果及编码特征进行交叉注意力计算,以获取首个解码层输出的一组第一中间特征;
在解码器的非首个解码层中,对非首个解码层的上一个解码层输出的一组第一中间特征进行自注意力计算,并根据自注意力计算结果及编码特征进行交叉注意力计算,以获取非首个解码层输出的一组第一中间特征;
将解码器的最后一个解码层输出的一组第一中间特征,作为第一解码特征;
对第一解码特征进行预测,以获取待检测图像对应的检测结果。
在本申请实施例一种可能的实现方式中,编码特征为多尺度特征,解码模块930,用于:
在目标检测模型的解码器的首个解码层中,对目标组查询特征进行自注意力计算,并根据自注意力计算结果及编码特征进行多尺度可变注意力计算,以获取首个解码层输出的一组第二中间特征;
在解码器的非首个解码层中,对非首个解码层的上一个解码层输出的一组第二中间特征进行自注意力计算,并根据自注意力计算结果及编码特征进行多尺度可变注意力计算,以获取非首个解码层输出的一组第二中间特征;
将解码器的最后一个解码层输出的一组第二中间特征,作为第二解码特征;
对第二解码特征进行预测,以获取待检测图像对应的检测结果。
需要说明的是,前述目标检测方法实施例的解释说明,也适用于该实施例的目标检测装置,故在此不再赘述。
本申请实施例中,可以对待检测图像进行编码,以获取待检测图像对应的编码特征,并将编码特征与目标检测模型的多组查询特征中的每组查询特征进行解码,以获取待检测图像对应的检测结果,实现对待检测图像的目标检测。
根据本申请的实施例,本申请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10示出了可以用来实施本申请的实施例的示例电子设备1000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/或者要求的本申请的实现。
如图10所示,设备1000包括计算单元1001,其可以根据存储在ROM(Read-OnlyMemory,只读存储器)1002中的计算机程序或者从存储单元1008加载到RAM(Random AccessMemory,随机访问/存取存储器)1003中的计算机程序,来执行各种适当的动作和处理。在RAM 1003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。I/O(Input/Output,输入/输出)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,例如键盘、鼠标等;输出单元1007,例如各种类型的显示器、扬声器等;存储单元1008,例如磁盘、光盘等;以及通信单元1009,例如网卡、调制解调器、无线通信收发机等。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。
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CPU(Central Processing Unit,中央处理单元)、GPU(Graphic Processing Units,图形处理单元)、各种专用的AI(Artificial Intelligence,人工智能)计算芯片、各种运行机器学习模型算法的计算单元、DSP(Digital SignalProcessor,数字信号处理器)、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。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。
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、FPGA(Field Programmable Gate Array,现场可编程门阵列)、ASIC(Application-Specific Integrated Circuit,专用集成电路)、ASSP(Application Specific StandardProduct,专用标准产品)、SOC(System On Chip,芯片上系统的系统)、CPLD(ComplexProgrammable Logic Device,复杂可编程逻辑设备)、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。
用于实施本申请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。
在本申请的上下文中,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、RAM、ROM、EPROM(Electrically Programmable Read-Only-Memory,可擦除可编程只读存储器)或快闪存储器、光纤、CD-ROM(Compact Disc Read-Only Memory,便捷式紧凑盘只读存储器)、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(Cathode-Ray Tube,阴极射线管)或者LCD(Liquid Crystal Display,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:LAN(LocalArea Network,局域网)、WAN(Wide Area Network,广域网)、互联网和区块链网络。
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,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务(VirtualPrivate Server,虚拟专用服务器)中,存在的管理难度大,业务扩展性弱的缺陷。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。
需要说明的是,上述电子设备也可以实现本申请实施例的目标检测方法。
根据本申请的实施例,本申请还提供了一种计算机程序产品,当计算机程序产品中的指令处理器执行时,执行本申请上述实施例提出的目标检测模型的训练方法或者上述实施例提出的目标检测方法。
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,本申请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,只要能够实现本申请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,并不构成对本申请保护范围的限制。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。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (33)
1.一种目标检测模型的训练方法,包括:
获取样本图像;
对所述样本图像进行编码,以获取所述样本图像对应的编码特征;
对所述编码特征与M组查询特征中的每组查询特征进行解码,以获取所述每组查询特征对应的一组预测结果,其中,所述M组查询特征是对目标检测模型的多个第一查询特征进行分组得到的,M为大于1的整数;
根据每组预测结果中各预测结果与所述样本图像对应的第一标注之间的匹配结果,对所述目标检测模型进行训练。
2.如权利要求1所述的方法,其中,所述根据每组预测结果中各预测结果与所述样本图像对应的第一标注之间的匹配结果,对所述目标检测模型进行训练,包括:
确定所述第一标注中与所述每组预测结果中各预测结果匹配的标注框及标注类别;
根据所述各预测结果与所述匹配的标注框及标注类别之间的差异,确定所述各预测结果对应的第一损失;
根据所述各预测结果对应的第一损失,确定所述每组预测结果对应的第二损失;
根据所述M组预测结果分别对应的第二损失,确定模型损失;
根据所述模型损失,对所述目标检测模型进行训练。
3.如权利要求1所述的方法,其中,所述编码特征为单尺度特征,所述对所述编码特征与M组查询特征中的每组查询特征进行解码,以获取所述每组查询特征对应的一组预测结果,包括:
在所述目标检测模型的解码器的首个解码层中,对所述每组查询特征进行自注意力计算,并根据自注意力计算结果及所述编码特征进行交叉注意力计算,以获取所述首个解码层输出的一组第一中间特征;
在所述解码器的非首个解码层中,对所述非首个解码层的上一个解码层输出的每组第一中间特征进行自注意力计算,并根据自注意力计算结果及所述编码特征进行交叉注意力计算,以获取所述非首个解码层输出的一组第一中间特征;
将所述解码器的最后一个解码层输出的一组第一中间特征,作为所述第一解码特征;
对所述第一解码特征进行预测,以获取所述每组查询特征对应的一组预测结果。
4.如权利要求1所述的方法,其中,所述编码特征为多尺度特征,所述对所述编码特征与M组查询特征中的每组查询特征进行解码,以获取所述每组查询特征对应的一组预测结果,包括:
在所述目标检测模型的解码器的首个解码层中,对所述每组查询特征进行自注意力计算,并根据自注意力计算结果及所述编码特征进行多尺度可变注意力计算,以获取所述首个解码层输出的一组第二中间特征;
在所述解码器的非首个解码层中,对所述非首个解码层的上一个解码层输出的每组第二中间特征进行自注意力计算,并根据自注意力计算结果及所述编码特征进行多尺度可变注意力计算,以获取所述非首个解码层输出的一组第二中间特征;
将所述解码器的最后一个解码层输出的一组第二中间特征,作为所述第二解码特征;
对所述第二解码特征进行预测,以获取所述每组查询特征对应的一组预测结果。
5.如权利要求1所述的方法,其中,所述对所述编码特征与M组查询特征中的每组查询特征进行解码,以获取所述每组查询特征对应的一组预测结果,包括:
对所述第一标注包括的标注框加入噪声,以获取所述第一标注对应的第二标注;
根据所述标注框的数量和所述标注框加入噪声的次数,对所述目标检测模型增加第二查询特征;
根据所述M组查询特征和所述第二查询特征,确定N组查询特征,其中,N为大于1的整数;
对所述编码特征与所述N组查询特征中每组查询特征进行解码,以获取所述每组查询特征对应的一组预测结果。
6.如权利要求5所述的方法,其中,所述根据所述标注框的数量和所述标注框加入噪声的次数,对所述目标检测模型增加第二查询特征,包括:
将所述标注框的数量与所述第一标注加入噪声的次数的乘积,确定为第一数量;
对所述目标检测模型增加所述第一数量的第二查询特征。
7.如权利要求5所述的方法,其.中,所述根据所述M组查询特征和所述第二查询特征,确定N组查询特征,包括:
将所述第二查询特征作为一组查询特征;
根据所述M组查询特征及所述第二查询特征所属的一组查询特征,得到所述N组查询特征,其中,N=M+1。
8.如权利要求7所述的方法,其中,所述根据每组预测结果中各预测结果与所述样本图像对应的第一标注之间的匹配结果,对所述目标检测模型进行训练,包括:
根据所述M组查询特征中每组查询特征对应的一组预测结果中各预测结果与所述第一标注之间的匹配结果,及所述第二查询特征对应的预测结果与所述第二标注之间的匹配结果,对所述目标检测模型进行训练。
9.如权利要求5所述的方法,其中,所述根据所述M组查询特征和所述第二查询特征,确定N组查询特征,包括:
在所述M组查询特征的每组查询特征中增加所述第二查询特征,得到所述N组查询特征,其中,N=M。
10.如权利要求9所述的方法,其中,所述根据每组预测结果中各预测结果与所述样本图像对应的第一标注之间的匹配结果,对所述目标检测模型进行训练,以获取目标检测模型,包括:
根据所述N组查询特征中每组查询特征对应的一组预测结果中各预测结果与所述第一标注及所述第二标注之间的匹配结果,对所述目标检测模型进行训练。
11.如权利要求1-10中任一项所述的方法,还包括:
根据所述第一查询特征的数量及预设的组数M,对所述多个第一查询特征进行分组,以获取所述M组查询特征。
12.一种目标检测方法,包括:
获取待检测图像;
对所述待检测图像进行编码,以获取所述待检测图像对应的编码特征;
对所述编码特征与目标检测模型的多组查询特征中的每组查询特征进行解码,以获取所述待检测图像对应的检测结果,其中,所述目标检测模型是采用如权利要求1-11中任一项所述的方法所训练得到的。
13.如权利要求12所述的方法,其中,所述对所述编码特征与目标检测模型的多组查询特征中的每组查询特征进行解码,以获取所述待检测图像对应的检测结果,包括:
从所述多组查询特征中确定出查询特征数量最多的目标组查询特征;
对所述编码特征及所述目标组查询特征进行解码,以获取所述待检测图像对应的检测结果。
14.如权利要求13所述的方法,其中,所述编码特征为单尺度特征,所述对所述编码特征及所述目标组查询特征进行解码,以获取所述待检测图像对应的检测结果,包括:
在所述目标检测模型的解码器的首个解码层中,对所述目标组查询特征进行自注意力计算,并根据自注意力计算结果及所述编码特征进行交叉注意力计算,以获取所述首个解码层输出的一组第一中间特征;
在所述解码器的非首个解码层中,对所述非首个解码层的上一个解码层输出的一组第一中间特征进行自注意力计算,并根据自注意力计算结果及所述编码特征进行交叉注意力计算,以获取所述非首个解码层输出的一组第一中间特征;
将所述解码器的最后一个解码层输出的一组第一中间特征,作为所述第一解码特征;
对所述第一解码特征进行预测,以获取所述待检测图像对应的检测结果。
15.如权利要求13所述的方法,其中,所述编码特征为多尺度特征,所述对所述编码特征及所述目标组查询特征进行解码,以获取所述待检测图像对应的检测结果,包括:
在所述目标检测模型的解码器的首个解码层中,对所述目标组查询特征进行自注意力计算,并根据自注意力计算结果及所述编码特征进行多尺度可变注意力计算,以获取所述首个解码层输出的一组第二中间特征;
在所述解码器的非首个解码层中,对所述非首个解码层的上一个解码层输出的一组第二中间特征进行自注意力计算,并根据自注意力计算结果及所述编码特征进行多尺度可变注意力计算,以获取所述非首个解码层输出的一组第二中间特征;
将所述解码器的最后一个解码层输出的一组第二中间特征,作为所述第二解码特征;
对所述第二解码特征进行预测,以获取所述待检测图像对应的检测结果。
16.一种目标检测模型的训练装置,包括:
获取模块,用于获取样本图像;
编码模块,用于对所述样本图像进行编码,以获取所述样本图像对应的编码特征;
解码模块,用于对所述编码特征与M组查询特征中的每组查询特征进行解码,以获取所述每组查询特征对应的一组预测结果,其中,所述M组查询特征是对目标检测模型的多个第一查询特征进行分组得到的,M为大于1的整数;
训练模块,用于根据每组预测结果中各预测结果与所述样本图像对应的第一标注之间的匹配结果,对所述目标检测模型进行训练。
17.如权利要求16所述的装置,其中,所述训练模块,用于:
确定所述第一标注中与所述每组预测结果中各预测结果匹配的标注框及标注类别;
根据所述各预测结果与所述匹配的标注框及标注类别之间的差异,确定所述各预测结果对应的第一损失;
根据所述各预测结果对应的第一损失,确定所述每组预测结果对应的第二损失;
根据所述M组预测结果分别对应的第二损失,确定模型损失;
根据所述模型损失,对所述目标检测模型进行训练。
18.如权利要求16所述的装置,其中,所述编码特征为单尺度特征,所述解码模块,用于:
在所述目标检测模型的解码器的首个解码层中,对所述每组查询特征进行自注意力计算,并根据自注意力计算结果及所述编码特征进行交叉注意力计算,以获取所述首个解码层输出的一组第一中间特征;
在所述解码器的非首个解码层中,对所述非首个解码层的上一个解码层输出的每组第一中间特征进行自注意力计算,并根据自注意力计算结果及所述编码特征进行交叉注意力计算,以获取所述非首个解码层输出的一组第一中间特征;
将所述解码器的最后一个解码层输出的一组第一中间特征,作为所述第一解码特征;
对所述第一解码特征进行预测,以获取所述每组查询特征对应的一组预测结果。
19.如权利要求16所述的装置,其中,所述编码特征为多尺度特征,所述解码模块,用于:
在所述目标检测模型的解码器的首个解码层中,对所述每组查询特征进行自注意力计算,并根据自注意力计算结果及所述编码特征进行多尺度可变注意力计算,以获取所述首个解码层输出的一组第二中间特征;
在所述解码器的非首个解码层中,对所述非首个解码层的上一个解码层输出的每组第二中间特征进行自注意力计算,并根据自注意力计算结果及所述编码特征进行多尺度可变注意力计算,以获取所述非首个解码层输出的一组第二中间特征;
将所述解码器的最后一个解码层输出的一组第二中间特征,作为所述第二解码特征;
对所述第二解码特征进行预测,以获取所述每组查询特征对应的一组预测结果。
20.如权利要求16所述的装置,其中,所述解码模块,用于:
对所述第一标注包括的标注框加入噪声,以获取所述第一标注对应的第二标注;
根据所述标注框的数量和所述标注框加入噪声的次数,对所述目标检测模型增加第二查询特征;
根据所述M组查询特征和所述第二查询特征,确定N组查询特征,其中,N为大于1的整数;
对所述编码特征与所述N组查询特征中每组查询特征进行解码,以获取所述每组查询特征对应的一组预测结果。
21.如权利要求20所述的装置,其中,所述解码模块,用于:
将所述标注框的数量与所述第一标注加入噪声的次数的乘积,确定为第一数量;
对所述目标检测模型增加所述第一数量的第二查询特征。
22.如权利要求20所述的装置,其中,所述解码模块,用于:
将所述第二查询特征作为一组查询特征;
根据所述M组查询特征及所述第二查询特征所属的一组查询特征,得到所述N组查询特征,其中,N=M+1。
23.如权利要求22所述的装置,其中,所述训练模块,用于:
根据所述M组查询特征中每组查询特征对应的一组预测结果中各预测结果与所述第一标注之间的匹配结果,及所述第二查询特征对应的预测结果与所述第二标注之间的匹配结果,对所述目标检测模型进行训练。
24.如权利要求20所述的装置,其中,所述解码模块,用于:
在所述M组查询特征的每组查询特征中增加所述第二查询特征,得到所述N组查询特征,其中,N=M。
25.如权利要求24所述的装置,其中,所述训练模块,用于:
根据所述N组查询特征中每组查询特征对应的一组预测结果中各预测结果与所述第一标注及所述第二标注之间的匹配结果,对所述目标检测模型进行训练。
26.如权利要求16-25中任一项所述的装置,还包括:
分组模块,用于根据所述第一查询特征的数量及预设的组数M,对所述多个第一查询特征进行分组,以获取所述M组查询特征。
27.一种目标检测装置,包括:
获取模块,用于获取待检测图像;
编码模块,用于对所述待检测图像进行编码,以获取所述待检测图像对应的编码特征;
解码模块,用于对所述编码特征与目标检测模型的多组查询特征中的每组查询特征进行解码,以获取所述待检测图像对应的检测结果,其中,所述目标检测模型是采用如权利要求1-11中任一项所述的方法所训练得到的。
28.如权利要求27所述的装置,其中,所述解码模块,用于:
从所述多组查询特征中确定出查询特征数量最多的目标组查询特征;
对所述编码特征及所述目标组查询特征进行解码,以获取所述待检测图像对应的检测结果。
29.如权利要求28所述的装置,其中,所述编码特征为单尺度特征,所述解码模块,用于:
在所述目标检测模型的解码器的首个解码层中,对所述目标组查询特征进行自注意力计算,并根据自注意力计算结果及所述编码特征进行交叉注意力计算,以获取所述首个解码层输出的一组第一中间特征;
在所述解码器的非首个解码层中,对所述非首个解码层的上一个解码层输出的一组第一中间特征进行自注意力计算,并根据自注意力计算结果及所述编码特征进行交叉注意力计算,以获取所述非首个解码层输出的一组第一中间特征;
将所述解码器的最后一个解码层输出的一组第一中间特征,作为所述第一解码特征;
对所述第一解码特征进行预测,以获取所述待检测图像对应的检测结果。
30.如权利要求28所述的装置,其中,所述编码特征为多尺度特征,所述解码模块,用于:
在所述目标检测模型的解码器的首个解码层中,对所述目标组查询特征进行自注意力计算,并根据自注意力计算结果及所述编码特征进行多尺度可变注意力计算,以获取所述首个解码层输出的一组第二中间特征;
在所述解码器的非首个解码层中,对所述非首个解码层的上一个解码层输出的一组第二中间特征进行自注意力计算,并根据自注意力计算结果及所述编码特征进行多尺度可变注意力计算,以获取所述非首个解码层输出的一组第二中间特征;
将所述解码器的最后一个解码层输出的一组第二中间特征,作为所述第二解码特征;
对所述第二解码特征进行预测,以获取所述待检测图像对应的检测结果。
31.一种电子设备,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1-11中任一项所述的方法,或者能够执行权利要求12-15中任一项所述的方法。
32.一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1-11中任一项所述的方法,或者执行根据权利要求12-15中任一项所述的方法。
33.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现权利要求1-11中任一项所述方法的步骤,或者实现权利要求12-15中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310444257.5A CN116611491A (zh) | 2023-04-23 | 2023-04-23 | 目标检测模型的训练方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310444257.5A CN116611491A (zh) | 2023-04-23 | 2023-04-23 | 目标检测模型的训练方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116611491A true CN116611491A (zh) | 2023-08-18 |
Family
ID=87677199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310444257.5A Pending CN116611491A (zh) | 2023-04-23 | 2023-04-23 | 目标检测模型的训练方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116611491A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117911877A (zh) * | 2024-03-20 | 2024-04-19 | 岳正检测认证技术有限公司 | 一种基于机器视觉的建筑通信光缆故障识别方法 |
CN118097341A (zh) * | 2024-04-28 | 2024-05-28 | 腾讯科技(深圳)有限公司 | 一种目标检测方法、模型训练方法及相关装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113869205A (zh) * | 2021-09-27 | 2021-12-31 | 北京百度网讯科技有限公司 | 对象检测方法、装置、电子设备和存储介质 |
CN114266945A (zh) * | 2022-02-28 | 2022-04-01 | 粤港澳大湾区数字经济研究院(福田) | 一种目标检测模型的训练方法、目标检测方法及相关装置 |
CN114926770A (zh) * | 2022-05-31 | 2022-08-19 | 上海人工智能创新中心 | 视频动作识别方法、装置、设备和计算机可读存储介质 |
CN115438214A (zh) * | 2022-11-07 | 2022-12-06 | 北京百度网讯科技有限公司 | 处理文本图像的方法、神经网络及其训练方法 |
WO2023015941A1 (zh) * | 2021-08-13 | 2023-02-16 | 北京百度网讯科技有限公司 | 文本检测模型的训练方法和检测文本方法、装置和设备 |
CN115953665A (zh) * | 2023-03-09 | 2023-04-11 | 武汉人工智能研究院 | 一种目标检测方法、装置、设备及存储介质 |
-
2023
- 2023-04-23 CN CN202310444257.5A patent/CN116611491A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023015941A1 (zh) * | 2021-08-13 | 2023-02-16 | 北京百度网讯科技有限公司 | 文本检测模型的训练方法和检测文本方法、装置和设备 |
CN113869205A (zh) * | 2021-09-27 | 2021-12-31 | 北京百度网讯科技有限公司 | 对象检测方法、装置、电子设备和存储介质 |
CN114266945A (zh) * | 2022-02-28 | 2022-04-01 | 粤港澳大湾区数字经济研究院(福田) | 一种目标检测模型的训练方法、目标检测方法及相关装置 |
CN114926770A (zh) * | 2022-05-31 | 2022-08-19 | 上海人工智能创新中心 | 视频动作识别方法、装置、设备和计算机可读存储介质 |
CN115438214A (zh) * | 2022-11-07 | 2022-12-06 | 北京百度网讯科技有限公司 | 处理文本图像的方法、神经网络及其训练方法 |
CN115953665A (zh) * | 2023-03-09 | 2023-04-11 | 武汉人工智能研究院 | 一种目标检测方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
QIANG CHEN 等: "GROUP DETR: FAST DETR TRAINING WITH GROUP WISE ONE- TO-MANY ASSIGNMENT", 《ARXIV》, vol. 2022, 2 August 2022 (2022-08-02), pages 3 - 4 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117911877A (zh) * | 2024-03-20 | 2024-04-19 | 岳正检测认证技术有限公司 | 一种基于机器视觉的建筑通信光缆故障识别方法 |
CN117911877B (zh) * | 2024-03-20 | 2024-07-26 | 岳正检测认证技术有限公司 | 一种基于机器视觉的建筑通信光缆故障识别方法 |
CN118097341A (zh) * | 2024-04-28 | 2024-05-28 | 腾讯科技(深圳)有限公司 | 一种目标检测方法、模型训练方法及相关装置 |
CN118097341B (zh) * | 2024-04-28 | 2024-08-06 | 腾讯科技(深圳)有限公司 | 一种目标检测方法、模型训练方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113971751A (zh) | 训练特征提取模型、检测相似图像的方法和装置 | |
CN116611491A (zh) | 目标检测模型的训练方法、装置、电子设备和存储介质 | |
CN115063875B (zh) | 模型训练方法、图像处理方法、装置和电子设备 | |
CN113378770B (zh) | 手势识别方法、装置、设备、存储介质 | |
CN113901909B (zh) | 基于视频的目标检测方法、装置、电子设备和存储介质 | |
CN113591566A (zh) | 图像识别模型的训练方法、装置、电子设备和存储介质 | |
CN111652181B (zh) | 目标跟踪方法、装置及电子设备 | |
CN114863437B (zh) | 文本识别方法、装置、电子设备和存储介质 | |
CN115376211B (zh) | 唇形驱动方法、唇形驱动模型的训练方法、装置及设备 | |
CN112270246B (zh) | 视频行为识别方法及装置、存储介质、电子设备 | |
CN113177449A (zh) | 人脸识别的方法、装置、计算机设备及存储介质 | |
CN112580666A (zh) | 图像特征的提取方法、训练方法、装置、电子设备及介质 | |
CN113869205A (zh) | 对象检测方法、装置、电子设备和存储介质 | |
CN112561879A (zh) | 模糊度评价模型训练方法、图像模糊度评价方法及装置 | |
CN114863182A (zh) | 图像分类方法、图像分类模型的训练方法及装置 | |
CN113177483B (zh) | 视频目标分割方法、装置、设备以及存储介质 | |
CN114120454A (zh) | 活体检测模型的训练方法、装置、电子设备及存储介质 | |
CN114549904A (zh) | 视觉处理及模型训练方法、设备、存储介质及程序产品 | |
CN115565186B (zh) | 文字识别模型的训练方法、装置、电子设备和存储介质 | |
CN115937993A (zh) | 活体检测模型训练方法、活体检测方法、装置和电子设备 | |
CN113361519B (zh) | 目标处理方法、目标处理模型的训练方法及其装置 | |
CN115641643A (zh) | 步态识别模型的训练方法、步态识别方法、装置及设备 | |
CN112560848B (zh) | 兴趣点poi预训练模型的训练方法、装置及电子设备 | |
CN113591570A (zh) | 视频处理方法、装置、电子设备和存储介质 | |
CN113139483A (zh) | 人体行为识别方法、装置、设备、存储介质以及程序产品 |
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 |