图像检测模型的训练和图像检测方法及装置制造方法及图纸

本公开涉及一种图像检测模型的训练和图像检测方法及装置，所述方法包括：通过初始训练集对初始检测模型进行训练，获得第一检测模型；通过第一检测模型对第二训练样本进行处理，获得第二训练样本的检测结果；通过包括第一训练样本和第二训练样本的扩充训练集对第一检测模型进行训练，获得第二检测模型。根据本公开的实施例，通过第一检测模型对第二训练样本进行检测，获得第二训练样本的检测结果，所述检测结果减小标注的工作量。进一步地，通过第二训练样本及其标注信息扩充训练集，使用扩充的训练集训练第一检测模型，获得第二检测模型，提升第二检测模型的性能，扩展第二检测模型的使用场景。

Training of image detection model and method and device of image detection

【技术实现步骤摘要】
图像检测模型的训练和图像检测方法及装置
本公开涉及计算机
，尤其涉及一种图像检测模型的训练和图像检测方法及装置。
技术介绍
近来，深度学习技术被广泛地应用于图像检测中。然而，基于深度学习的模型在投入实际应用前需要利用大量的训练数据对模型进行训练，才能确保模型在复杂场景下的处理性能。因此，在实际工程中对于图像训练数据的需求是巨大的。标注人员需要对大量的给定图片进行标注，标注工作量较大，尤其是面对复杂的场景，难以形成较大规模的训练集，从而限制了模型的使用场景和性能。
技术实现思路
本公开提出了一种图像检测模型的训练方法和图像检测方法及装置。根据本公开的一方面，提供了一种图像检测模型的训练方法，包括：通过初始训练集对初始检测模型进行训练，获得第一检测模型，其中，所述初始训练集包括具有标注信息的多个第一训练样本；通过所述第一检测模型对至少一个第二训练样本进行处理，获得所述至少一个第二训练样本的检测结果；通过包括所述多个第一训练样本和所述至少一个第二训练样本的扩充训练集对所述第一检测模型进行训练，获得第二检测模型，其中，本文档来自技高网...

【技术保护点】
1.一种图像检测模型的训练方法，其特征在于，所述方法包括：/n通过初始训练集对初始检测模型进行训练，获得第一检测模型，其中，所述初始训练集包括具有标注信息的多个第一训练样本；/n通过所述第一检测模型对至少一个第二训练样本进行处理，获得所述至少一个第二训练样本的检测结果；/n通过包括所述多个第一训练样本和所述至少一个第二训练样本的扩充训练集对所述第一检测模型进行训练，获得第二检测模型，其中，所述第二训练样本的标注信息是基于所述第二训练样本的检测结果得到的。/n

【技术特征摘要】
1.一种图像检测模型的训练方法，其特征在于，所述方法包括：
通过初始训练集对初始检测模型进行训练，获得第一检测模型，其中，所述初始训练集包括具有标注信息的多个第一训练样本；
通过所述第一检测模型对至少一个第二训练样本进行处理，获得所述至少一个第二训练样本的检测结果；
通过包括所述多个第一训练样本和所述至少一个第二训练样本的扩充训练集对所述第一检测模型进行训练，获得第二检测模型，其中，所述第二训练样本的标注信息是基于所述第二训练样本的检测结果得到的。


2.根据权利要求1所述的方法，其特征在于，通过包括所述多个第一训练样本和所述至少一个第二训练样本的扩充训练集对所述第一检测模型进行训练，获得第二检测模型，包括：
通过所述第一检测模型对所述扩充训练集中的训练样本进行处理，获得所述训练样本的检测结果；
根据所述训练样本的检测结果以及所述训练样本的标注信息，确定所述第一检测模型的模型损失；
根据所述模型损失对第一检测模型的参数值进行调整，得到所述第二检测模型。


3.根据权利要求1或2所述的方法，其特征在于，所述第二训练样本的检测结果包括标注区域和未标注区域，其中，所述标注区域包括所述第二训练样本的检测结果中包括的至少一个目标区域。


4.一种图像检测方法，其特征在于，包括：
获取待检测的图像；
利用图像检测模型对所述图像进行检测，得到所述图像的检测结果，其中，所述图像检测模型是利用权利要求1至3中任一项所述的训练方法训练得到的。


5.一种图像检测模型的训练装置，其特征...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：北京市商汤科技开发有限公司，
类型：发明
国别省市：北京;11