用于生成物体检测模型的方法和装置制造方法及图纸

本申请实施例公开了用于生成物体检测模型的方法和装置。该方法的一具体实施方式包括：获取样本集，其中，样本集中的样本包括样本图像和样本图像对应的交并比集，其中，交并比集包括样本图像的至少一个预设图像区域分别与样本图像显示的待检测物体所在的图像区域的交并比；从样本集中选取样本，以及执行如下训练步骤：将选取的样本中的样本图像输入初始模型，得到样本图像对应的输出交并比集；对得到的输出交并比集和选取的样本中的交并比集进行分析，确定损失值；根据损失值确定初始模型是否训练完成；响应于确定初始模型训练完成，将初始模型确定为物体检测模型。该实施方式实现了利用机器学习的方法训练得到物体检测模型。

【技术实现步骤摘要】
用于生成物体检测模型的方法和装置
本申请实施例涉及计算机
，具体涉及用于生成物体检测模型的方法和装置。
技术介绍
物体检测是计算机视觉领域的一个重要研究方向。目前提出的物体检测算法一般是基于深度学习的算法。常用的物体检测算法包括如YOLO(YouOnlyLookOnce)、SSD(SingleShotMultiBoxDetector)等一阶段检测算法，以及如基于RCNN(RegionswithConvolutionalNeuralNetworkFeatures)、FasterRCNN等的二阶段检测算法等。这些物体检测算法都比较复杂，而且求解空间连续，从而使得计算复杂度较高，因此，这些物体检测算法不太适用于如嵌入式操作系统的终端设备(如手机终端)等具有有限计算资源的一些应用场景。
技术实现思路
本申请实施例提出了用于生成物体检测模型的方法和装置。第一方面，本申请实施例提供了一种用于生成物体检测模型的方法，该方法包括：获取样本集，其中，样本集中的样本包括样本图像和样本图像对应的交并比集，其中，交并比集包括样本图像的至少一个预设图像区域分别与样本图像显示的待检测物体所在的图像区域的交并比本文档来自技高网...

【技术保护点】
1.一种用于生成物体检测模型的方法，包括：获取样本集，其中，所述样本集中的样本包括样本图像和样本图像对应的交并比集，其中，交并比集包括样本图像的至少一个预设图像区域分别与样本图像显示的待检测物体所在的图像区域的交并比；从所述样本集中选取样本，以及执行如下训练步骤：将选取的样本中的样本图像输入初始模型，得到样本图像对应的输出交并比集；对得到的输出交并比集和选取的样本中的交并比集进行分析，确定损失值；根据损失值确定初始模型是否训练完成；响应于确定初始模型训练完成，将初始模型确定为物体检测模型。

【技术特征摘要】
1.一种用于生成物体检测模型的方法，包括：获取样本集，其中，所述样本集中的样本包括样本图像和样本图像对应的交并比集，其中，交并比集包括样本图像的至少一个预设图像区域分别与样本图像显示的待检测物体所在的图像区域的交并比；从所述样本集中选取样本，以及执行如下训练步骤：将选取的样本中的样本图像输入初始模型，得到样本图像对应的输出交并比集；对得到的输出交并比集和选取的样本中的交并比集进行分析，确定损失值；根据损失值确定初始模型是否训练完成；响应于确定初始模型训练完成，将初始模型确定为物体检测模型。2.根据权利要求1所述的方法，其中，所述训练步骤还包括：响应于确定初始模型未训练完成，根据损失值调整初始模型的参数，以及从所述样本集中重新选取样本，使用调整后的初始模型作为初始模型，继续执行所述训练步骤。3.根据权利要求1所述的方法，其中，所述样本集通过如下步骤得到：获取样本图像集；确定目标位置信息集和目标尺寸集；对于所述样本图像集中的样本图像，确定该样本图像显示的待检测物体的最小外接多边形所包围的图像区域作为该样本图像对应的第一图像区域；确定该样本图像中的、所述目标位置信息集中的目标位置信息指示的像素点作为目标像素点，得到该样本图像对应的目标像素点集；对于所述目标像素点集中的目标像素点，确定该目标像素点所在的、所述目标尺寸集中的目标尺寸的图像区域作为第二图像区域，得到该目标像素点对应的第二图像区域集；确定所述目标像素点集中的目标像素点对应的第二图像区域集中的第二图像区域分别与所述第一图像区域的交并比，得到该样本图像对应的交并比集，以及将得到的交并比集与该样本图像组成所述样本集中的样本。4.根据权利要求3所述的方法，其中，所述第一图像区域和所述目标像素点集中的目标像素点对应的第二图像区域集中的第二图像区域的形状是根据待检测物体的属性信息所确定的。5.根据权利要求1-4之一所述的方法，其中，所述初始模型为全卷积网络。6.一种用于生成物体检测模型的装置，包括：获取单元，被配置成获取样本集，其中，所述样本集中的样本包括样本图像和样本图像对应的交并比集，其中，交并比集包括样本图像的至少一个预设图像区域分别与样本图像显示的待检测物体所在的图像区域的交并比；训练单元，被配置成从所述样本集中选取样本，以及执行如下训练步骤：将选取的样本中的样本图像输入初始模型，得到样本图像对应的输出交并比集；对得到的输出交并比集和选取的样本中的交并比集进行分析，确定损失值；根据损失值确定初始模型是否训练完成；响应于确定初始模型训练完成，...

【专利技术属性】
技术研发人员：刘阳，
申请(专利权)人：北京字节跳动网络技术有限公司，
类型：发明
国别省市：北京,11