检测模型训练方法、装置、存储介质和计算机设备制造方法及图纸

本申请涉及一种检测模型训练方法、装置、存储介质和计算机设备，所述方法包括：获取待处理的原始图像和多于一类的标记图像；对于每类标记图像，分别从所述原始图像的目标区域中随机选取目标位置作为所述标记图像的嵌入位置；对于每类标记图像，分别根据相应的嵌入位置，将所述标记图像中的至少一部分嵌入至所述原始图像中得到对应的样本图像；将所述样本图像作为训练样本，并将所述样本图像中所嵌入的标记图像的标记类别作为相应的训练标签；通过所述训练样本和相应的训练标签，对待训练的检测模型进行训练。本申请提供的方案可以提高训练训练效率。

Training method, device, storage medium and computer equipment of detection model

【技术实现步骤摘要】
检测模型训练方法、装置、存储介质和计算机设备
本申请涉及机器学习
，特别是涉及一种检测模型训练方法、装置、计算机可读存储介质和计算机设备。
技术介绍
随着计算机技术的发展，出现了机器学习技术，通过机器学习技术可训练计算机模拟或实现人类的学习行为，从而给人们的生活和工作带来便利。比如，在图像处理领域，可通过训练数据训练模型，以使得模型学习到分类或定位的能力，这样可以让机器代替人力来实现对图像的处理。而在实际应用中，比如当需要训练可以识别出目标对象(比如水印或商标)的检测模型时，常常需要大量的标注数据然后进行模型训练。但传统的方式，通常是耗费人力来标注目标对象所属类别以及目标对象在图像的位置，标注速度较慢，导致模型训练效率低。
技术实现思路
基于此，有必要针对人力标注数据所造成的模型训练效率低的技术问题，提供一种检测模型训练方法、装置、计算机可读存储介质和计算机设备。一种检测模型训练方法，包括：获取待处理的原始图像和多于一类的标记图像；对于每类标记图像，分别从所述原始图像的目标区域中随机选取本文档来自技高网...

【技术保护点】
1.一种检测模型训练方法，包括：/n获取待处理的原始图像和多于一类的标记图像；/n对于每类标记图像，分别从所述原始图像的目标区域中随机选取目标位置作为所述标记图像的嵌入位置；/n对于每类标记图像，分别根据相应的嵌入位置，将所述标记图像中的至少一部分嵌入至所述原始图像得到对应的样本图像；/n将所述样本图像作为训练样本，并将所述样本图像中所嵌入的标记图像的标记类别作为相应的训练标签；/n通过所述训练样本和相应的训练标签，对待训练的检测模型进行训练。/n

【技术特征摘要】
1.一种检测模型训练方法，包括：
获取待处理的原始图像和多于一类的标记图像；
对于每类标记图像，分别从所述原始图像的目标区域中随机选取目标位置作为所述标记图像的嵌入位置；
对于每类标记图像，分别根据相应的嵌入位置，将所述标记图像中的至少一部分嵌入至所述原始图像得到对应的样本图像；
将所述样本图像作为训练样本，并将所述样本图像中所嵌入的标记图像的标记类别作为相应的训练标签；
通过所述训练样本和相应的训练标签，对待训练的检测模型进行训练。


2.根据权利要求1所述的方法，其特征在于，所述获取待处理的原始图像和多于一类的标记图像，包括：
获取待处理的原始图像和多于一类的标记模板；
从预设尺寸比例范围内随机选取目标尺寸比例；
根据所述原始图像的尺寸，按所述目标尺寸比例对各类标记模板分别进行缩放处理，得到相应的标记图像。


3.根据权利要求1所述的方法，其特征在于，所述目标位置包括核心位置和非核心位置；所述对于每类标记图像，分别从所述原始图像的目标区域中随机选取目标位置作为所述标记图像的嵌入位置，包括：
确定所述原始图像的目标区域中的核心位置；
获取将所述核心位置作为嵌入位置时的概率值；所述核心位置所对应的概率值为所述目标区域中各目标位置所对应的概率值中的最大值；
根据所述目标区域中各非核心位置分别与所述核心位置的距离，确定将各非核心位置分别作为嵌入位置时的概率值；所述非核心位置所对应的概率值与所述非核心位置至所述核心位置的距离呈负相关；
对于每类标记图像，分别按照所述原始图像的目标区域中各目标位置各自对应的概率值，选取相应的目标位置作为所述标记图像的嵌入位置。


4.根据权利要求3所述的方法，其特征在于，所述确定所述原始图像的目标区域中的核心位置，包括：
获取预设数量的平台专有图像；各所述平台专有图像分别包括相应平台所对应的标记图像；
根据各标记图像的目标顶点分别在所述平台专有图像中的坐标，确定与所述目标顶点对应的平均坐标；
将所述平均坐标作为所述原始图像的目标区域中的核心位置。


5.根据权利要求3所述的方法，其特征在于，所述目标区域包括左上角区域和右下角区域；所述对于每类标记图像，分别按照所述原始图像的目标区域中各目标位置各自对应的概率值，选取相应的目标位置作为所述标记图像的嵌入位置，包括：
当所述目标区域为左上角区域时，对于每类标记模板，分别按照所述原始图像的左上角区域中各目标位置各自对应的概率值，选取相应的目标位置作为所述标记图像的左上顶点所对应的嵌入位置；
当所述目标区域为右下角区域时，对于每类标记模板，分别按照所述原始图像的右下角区域中各目标位置各自对应的概率值，选取相应的目标位置作为所述标记图像的右下顶点所对应的嵌入位置。


6.根据权利要求1所述的方法，其特征在于，所述样本图像包括第一样本图像和第二样本图像；所述对于每类标记图像，分别根据相应的嵌入位置，将所述标记图像中的至少一部分嵌入至所述原始图像中得到对应的样本图像，包括：
对于每类标记图像，确定所述标记图像中待完整嵌入的第一标记图像和待遮挡嵌入的第二标记图像；
将所述第一标记图像按照相应的嵌入位置完整嵌入至所述原始图像中，得到对应的第一样本图像；
将所述第二标记图像按照相应的嵌入位置完整嵌入至所述原始图像中，并从预设遮挡比例范围内随机选取目标遮挡比例，按照所述目标遮挡比例将所述第二标记图像中的一部分移出至所述原始图像的边界，得到对应的第二样本图像。


7.根据权利要求1所述的方法，其特征在于，所述将所述样本图像作为训练样本，并将所述样本图像中所嵌入标记图像的标记类别作为相应的训练标签，包括：
确定各所述样本图像中嵌入的标记图像的标记类别、以及所述标记图像在所述原始图像中的位置信息；
将所述样本图像作为训练样本，并将所述样本图像中所嵌入标记图像的标记类别和对应的位置信息共同作为所述训练样本的训练标签。


8.根据权利要求1所...

【专利技术属性】
技术研发人员：毛懿荣，李岩，王汉杰，陈波，
申请(专利权)人：广州腾讯科技有限公司，
类型：发明
国别省市：广东;44