一种训练物体检测模型的方法、装置以及设备制造方法及图纸

本申请公开了一种计算设备执行的训练物体检测模型的方法。该方法将第一阶段训练完毕后的分类器复制成至少两个，在第二阶段的训练中，复制出的每个分类器用于检测尺寸不同的待检测物体，并根据检测结果对物体检测模型进行训练。该方法通过两阶段的训练态获得的物体检测模型对待检测物体的检测准确度更高。

A method, device and equipment for training object detection model

【技术实现步骤摘要】
一种训练物体检测模型的方法、装置以及设备
本申请涉及计算机
，尤其涉及训练物体检测模型的方法，和用于执行该方法的装置和计算设备。
技术介绍
物体检测是一项对图像/视频中的物体进行准确定位并进行分类检测的人工智能技术，其包含通用物体检测、人脸检测、行人检测、文字检测等诸多细分领域。近年来，学术界与工业界积极投入，算法不断成熟，当前基于深度学习的物体检测方案被用在市政安防(行人检测、车辆检测、车牌检测等)、金融(物体检测、刷脸登录等)、互联网(身份验证)、智能终端等实际产品中。目前物体检测已经较广泛应用于多种简单/中等复杂难度场景(比如门禁、卡口场景下检测人脸)。在开放环境下，如何保持训练出的物体检测模型对待检测物体的尺寸变化幅度较大、遮挡、扭曲等多种不利因素的鲁棒性，并提升检测精度，仍是一个待解决的问题。
技术实现思路
本申请提供了一种训练物体检测模型的方法，该方法提升了训练出的物体检测模型的检测精度。第一方面，提供了一种计算设备执行的物体检测模型的训练方法，执行该方法的计算设备可以是分布在相同或不同环境本文档来自技高网...

【技术保护点】
1.一种计算设备执行的训练物体检测模型的方法，其特征在于，所述方法包括：/n获取训练图像，根据所述训练图像建立主干网络；/n将所述主干网络输出的特征图输入区域提议网络；/n所述区域提议网络根据区域提议参数从所述主干网络输出的特征图中选取多个提议区域，将所述多个提议区域对应的子特征图输入分类器；/n所述分类器根据所述多个提议区域对应的子特征图检测所述训练图像中的待检测物体；/n对比所述分类器检测出的所述训练图像中的待检测物体和所述训练图像的先验结果，根据所述对比结果对所述主干网络的卷积核的模型参数、所述区域提议网络的卷积核的模型参数、所述区域提议参数、所述分类器的参数中的至少一个进行激励；/n复...

【技术特征摘要】
20180803 CN 20181087855691.一种计算设备执行的训练物体检测模型的方法，其特征在于，所述方法包括：
获取训练图像，根据所述训练图像建立主干网络；
将所述主干网络输出的特征图输入区域提议网络；
所述区域提议网络根据区域提议参数从所述主干网络输出的特征图中选取多个提议区域，将所述多个提议区域对应的子特征图输入分类器；
所述分类器根据所述多个提议区域对应的子特征图检测所述训练图像中的待检测物体；
对比所述分类器检测出的所述训练图像中的待检测物体和所述训练图像的先验结果，根据所述对比结果对所述主干网络的卷积核的模型参数、所述区域提议网络的卷积核的模型参数、所述区域提议参数、所述分类器的参数中的至少一个进行激励；
复制所述分类器，获得至少两个分类器；
所述区域提议网络将所述多个提议区域划分为至少两个提议区域集合，每个提议区域集合包括至少一个提议区域；
所述区域提议网络将每个提议区域集合包括的提议区域对应的子特征图输入所述至少两个分类器中的一个分类器；
所述至少两个分类器中的每个分类器执行以下动作：
根据获取的提议区域集合包括的提议区域对应的子特征图检测所述训练图像中的待检测物体；
对比检测出的所述训练图像中的待检测物体和所述训练图像的先验结果，根据所述对比结果对所述主干网络的卷积核的模型参数、所述区域提议网络的卷积核的模型参数、所述区域提议参数、所述每个分类器的参数中的至少一个进行激励。


2.如权利要求1所述的方法，其特征在于，所述方法还包括：
获取系统参数，所述系统参数包括以下至少一个：训练图像中的待检测物体的尺寸聚类的数量、训练计算能力；
根据所述系统参数，确定复制后获得的所述至少两个分类器中分类器的数量。


3.如权利要求2所述的方法，其特征在于，所述系统参数包括所述训练图像中的待检测物体的尺寸聚类的数量的情况下；所述获取系统参数包括：
对所述训练图像中的待检测物体的尺寸进行聚类，获取所述训练图像中的待检测物体的尺寸聚类的数量。


4.如权利要求1至3任一所述的方法，其特征在于，所述主干网络输出的特征图包括至少两个特征图。


5.一种检测模型训练装置，其特征在于，包括：
物体检测模型，用于获取训练图像，根据所述训练图像建立主干网络；根据区域提议参数从所述主干网络输出的特征图中选取多个提议区域，将所述多个提议区域对应的子特征图输入分类器；根据所述多个提议区域对应的子特征图检测所述训练图像中的待检测物体；
激励模块，用于对比检测出的所述训练图像中的待检测物体和所述训练图像的先验结果，根据所述对比结果对所述主干网络的卷积核的模型参数、所述区域提议网络的卷积核的模型参数、所述区域提议参数、所述分类器的参数中的至少一个进行激励；
初始化模块，用于复制所述分类器，获得至少两个分类器；
所述物体检测模型，还用于将所述多个提议区域划分为至少两个提议区域集合，每个提议区域集合包括至少一个提议区域；将每个提议区域集合包括的提议区域对应的子特征图输入所述至少两个分类器中的一个分类器；所述至少两个分类器中的每个分类器执行以下动作：根据获取的提议区域集合包括的提议区域对应的子...

【专利技术属性】
技术研发人员：张长征，金鑫，涂丹丹，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44