【技术实现步骤摘要】
目标检测及模型训练方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别是涉及一种目标检测模型训练及目标检测方法、装置、计算机设备和存储介质。
技术介绍
随着计算机技术的发展，计算机视觉的研究得到了越来越多的关注，具体包括图像分类、目标检测、目标追踪和语义分割等。其中，目标检测可以将图像或者视频中的目标与不感兴趣的部分区分开，以对目标进行针对性处理，如人脸或指纹识别、飞行物识别、心电图识别等，在安全领域、军事领域、交通领域和医疗领域有广泛的应用前景。然而，目前基于区域提名的目标检测算法和基于端到端学习的目标检测算法，在目标检测中的效果有限，如何提高目标检测的准确度是当前目标检测的研究焦点。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高目标检测准确性的目标检测模型训练及目标检测方法、装置、计算机设备和存储介质。一种目标检测模型训练方法，所述方法包括：获取训练图像集，训练图像集中各训练图像中的检测目标存在对应标注框的标注框参数；将训练图像集中的训练图...
【技术保护点】
1.一种目标检测模型训练方法，所述方法包括：/n获取训练图像集，所述训练图像集中各训练图像中的检测目标存在对应标注框的标注框参数；/n将所述训练图像集中的所述训练图像作为目标检测模型的输入，获取所述目标检测模型输出的所述训练图像中的所述检测目标对应预测框的预测框参数；/n根据与所述标注框对应预设的边界框、所述标注框参数和所述预测框参数确定分类损失、交叠损失和定位损失；/n根据所述分类损失、所述交叠损失和所述定位损失得到损失函数值；/n根据所述损失函数值对所述目标检测模型中的模型参数进行调整并继续训练，直至满足训练停止条件时结束训练，得到训练完成的目标检测模型。/n
【技术特征摘要】
1.一种目标检测模型训练方法，所述方法包括：
获取训练图像集，所述训练图像集中各训练图像中的检测目标存在对应标注框的标注框参数；
将所述训练图像集中的所述训练图像作为目标检测模型的输入，获取所述目标检测模型输出的所述训练图像中的所述检测目标对应预测框的预测框参数；
根据与所述标注框对应预设的边界框、所述标注框参数和所述预测框参数确定分类损失、交叠损失和定位损失；
根据所述分类损失、所述交叠损失和所述定位损失得到损失函数值；
根据所述损失函数值对所述目标检测模型中的模型参数进行调整并继续训练，直至满足训练停止条件时结束训练，得到训练完成的目标检测模型。
2.根据权利要求1所述的方法，其特征在于，所述预测框参数包括类别预测概率和预测框位置参数；所述标注框参数包括标注框位置参数；所述根据与所述标注框对应预设的边界框、所述标注框参数和所述预测框参数确定分类损失包括：
根据所述标注框位置参数和所述边界框的位置参数确定各所述边界框分别与各所述标注框的匹配值；
根据柔性最大值损失函数、各所述匹配值和各所述类别预测概率得到分类损失。
3.根据权利要求2所述的方法，其特征在于，所述预测框参数还包括表征所述预测框和所述标注框重叠程度的定位置信度；所述根据与所述标注框对应预设的边界框、所述标注框参数和所述预测框参数确定交叠损失包括：
根据所述预测框位置参数和所述标注框位置参数得到所述预测框和所述标注框的交并比；
根据平滑损失函数、各所述匹配值、所述定位置信度和所述交并比得到交叠损失。
4.根据权利要求3所述的方法，其特征在于，所述根据与所述标注框对应预设的边界框、所述标注框参数和所述预测框参数确定定位损失包括：
根据所述平滑损失函数、各所述匹配值、所述预测框位置参数和所述标注框位置参数，得到位置参数定位损失；
根据所述位置参数定位损失求和得到定位损失。
5.根据权利要求1至4任意一项所述的方法，其特征在于，所述根据所述分类损失、所述交叠损失和所述定位损失得到损失函数值包括：
按照预设的调节系数对所述定位损失进行调整，并根据调整后的定位损失、所述分类损失和所述交叠损失求和得到损失和；
根据所述损失和与所述边界框的边界框数量的比值，得到损失函数值。
<...
【专利技术属性】
技术研发人员：黄倩倩，胡荣东，谢伟，张书豪，
申请(专利权)人：长沙智能驾驶研究院有限公司，
类型：发明
国别省市：湖南;43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。