一种目标检测模型的训练方法及装置制造方法及图纸

本申请提供一种目标检测模型的训练方法及装置，其中所述目标检测模型的训练方法包括：获取第一训练图像；将所述第一训练图像输入至候选区域检测模型，获得所述第一训练图像对应的第一候选区域信息；将所述第一训练图像和所述第一候选区域信息输入至待训练目标检测模型进行训练，获得初始目标检测模型；获取第二训练图像和所述第二训练图像对应的第二候选区域信息；将所述第二训练图像和所述第二候选区域信息输入至所述初始目标检测模型继续训练，获得目标检测模型。通过本方法降低了标注样本数据的成本，提高了目标检测的准确率，加快了模型的训练速度。加快了模型的训练速度。加快了模型的训练速度。

【技术实现步骤摘要】
一种目标检测模型的训练方法及装置


[0001]本申请涉及人工智能
，特别涉及一种目标检测模型的训练方法及装置、图像检测方法及装置、计算设备和计算机可读存储介质。

技术介绍

[0002]随着人工智能技术的发展，自动标注系统得到了广泛的应用，自动标注系统是基于目标检测模型的应用，将待检测图像输入至目标检测模型后，目标检测模型响应于输入的待检测图片标注相应的检测内容。
[0003]现有的目标检测模型在训练过程中，需要人工对训练图像进行标注，标注出训练图像中的检测内容，再将标注好的训练图像输入至目标检测模型中进行训练，但是这种训练方法需要的训练周期较长，而且需要大量的人工标注训练图像进行训练，因此需要花费大量的人力物力，提高了训练模型的成本。
[0004]因此如何缩短模型训练周期，降低模型训练成本，就成为技术人员目前亟待解决的问题。

技术实现思路

[0005]有鉴于此，本申请实施例提供了一种目标检测模型的训练方法及装置、计算设备和计算机可读存储介质，以解决现有技术中存在的技术缺陷。
[0006]根据本申请实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标检测模型的训练方法，其特征在于，包括：获取第一训练图像；将所述第一训练图像输入至候选区域检测模型，获得所述第一训练图像对应的第一候选区域信息；将所述第一训练图像和所述第一候选区域信息输入至待训练目标检测模型进行训练，获得初始目标检测模型；获取第二训练图像和所述第二训练图像对应的第二候选区域信息；将所述第二训练图像和所述第二候选区域信息输入至所述初始目标检测模型继续训练，获得目标检测模型。2.如权利要求1所述的目标检测模型的训练方法，其特征在于，所述候选区域检测模型包括特征提取层、候选区域网络层、空间金字塔池化层、池化层；将所述第一训练图像输入至候选区域检测模型，获得所述第一训练图像对应的第一候选区域信息，包括：将所述第一训练图像输入至所述特征提取层提取所述第一训练图像的特征图像；将所述特征图像输入至所述候选区域网络层，获取所述特征图像对应的多个子候选区域；将所述特征图像和多个子候选区域输入至所述空间金字塔池化层，获得每个所述子候选区域对应的候选特征向量；将每个所述候选特征向量输入至所述池化层进行池化处理，获得所述第一训练图像对应的第一候选区域信息。3.如权利要求2所述的目标检测模型的训练方法，其特征在于，将每个所述候选特征向量输入至所述池化层进行池化处理，包括：将每个所述候选特征向量做目标识别处理获得第一权重系数矩阵，和/或将每个所述候选特征向量做目标检测处理获得第二权重系数矩阵；基于所述第一权重系数矩阵和/或所述第二权重系数矩阵进行池化处理。4.如权利要求3所述的目标检测模型的训练方法，其特征在于，将每个所述候选特征向量做目标识别处理获得第一权重系数矩阵，包括：将每个所述候选特征向量做目标识别处理获得每个所述子候选区域中每个类别的权重系数；根据每个所述子候选区域和每个所述子候选区域中类别的权重系数生成第一权重系数矩阵。5.如权利要求3所述的目标检测模型的训练方法，其特征在于，将每个所述候选特征向量做目标检测处理获得第二权重系数矩阵，包括：将每个所述候选特征向量做目标检测处理获得每个类别在每个子候选区域中的权重系数；根据每个类别在每个子候选区域中的权重系数和每个所述子候选区域生成第二权重系数矩阵。6.如权利要求1所述的目标检测模型的训练方法，其特征在于，将所述第一训练图像和所述第一候选区域信息输入至待训练目标检测模型进行训练，获得初始目标检测模型，包
括：将所述第一训练图像和所述第一候选区域信息输入至...

【专利技术属性】
技术研发人员：郑磊波，唐剑波，李长亮，
申请(专利权)人：北京金山数字娱乐科技有限公司，
类型：发明
国别省市：