一种模型训练的方法、图像检测的方法及装置制造方法及图纸

本说明书公开了一种模型训练的方法、图像检测的方法及装置，首先，获取样本图像。其次，将样本图像输入到待训练的预测模型，确定样本图像中涉及指定目标物的至少一个候选图像区域以及原始特征。而后，筛选出包含其他目标物的待处理区域，并根据其他目标物的图像在待处理区域中的位置，得到待处理区域对应的补偿特征。最后，根据待处理区域对应的补偿特征以及其他候选图像区域对应的原始特征，得到目标物检测结果，并以最小化目标检测结果与样本图像中针对指定目标物的标签信息之间的偏差为优化目标，对预测模型进行训练。本方法可以在确定指定目标物所在区域时，避免将其他目标物所在区域检测为指定目标物区域，提高了预测模型的识别准确率。的识别准确率。的识别准确率。

【技术实现步骤摘要】
一种模型训练的方法、图像检测的方法及装置


[0001]本说明书涉及计算机
，尤其涉及一种模型训练的方法、图像检测的方法及装置。

技术介绍

[0002]随着计算机视觉技术的发展，图像处理技术得到了广泛应用。例如，图像处理技术中的实例分割在自动驾驶领域有着很高的应用价值，其中，通过实例分割检测车道线、行人、障碍物等，向无人驾驶设备提供较为准确的目标物检测信息。
[0003]在实际应用中，实例分割任务通常需要通过检测算法，检测出目标物所在的区域，然后在各个目标物所在的区域进行语义分割。若图像中出现多个目标物相近或重叠的情况，检测算法难以区分不同的目标物，可能将不同目标物检测为同一目标物，导致对图像进行目标物检测的准确性较低。
[0004]因此，如何能够有效地提高目标物检测的准确性，则是一个亟待解决的问题。

技术实现思路

[0005]本说明书提供一种模型训练的方法及装置，以部分的解决现有技术存在的上述问题。
[0006]本说明书采用下述技术方案：
[0007]本说明书提供了一种模型训练的方法，包括：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练的方法，其特征在于，包括：获取样本图像；将所述样本图像输入到待训练的预测模型，确定所述样本图像中涉及指定目标物的至少一个候选图像区域，并确定每个候选图像区域对应的原始特征；从所述至少一个候选图像区域中，筛选出包含其他目标物的候选图像区域，作为待处理区域；根据所述其他目标物的图像在所述待处理区域中的位置，对所述待处理区域对应的原始特征进行补偿，得到所述待处理区域对应的补偿特征；根据所述待处理区域对应的补偿特征以及其他候选图像区域对应的原始特征，得到针对所述样本图像的目标物检测结果，并以最小化所述目标检测结果与所述样本图像中针对所述指定目标物的标签信息之间的偏差为优化目标，对所述预测模型进行训练。2.如权利要求1所述的方法，其特征在于，所述预测模型包括：特征提取层、区域感知层；将所述样本图像输入到待训练的预测模型，确定所述样本图像中涉及指定目标物的至少一个候选图像区域，并确定出每个候选图像区域对应的原始特征，具体包括：将所述样本图像输入到所述特征提取层，确定所述样本图像对应的各尺寸的特征图；针对每个尺寸的特征图，将该尺寸的特征图输入到所述区域感知层，确定该尺寸的特征图中涉及所述指定目标物对应的至少一个候选图像区域，并确定出在该尺寸的特征图下的每个候选图像区域对应的原始特征。3.如权利要求2所述的方法，其特征在于，针对每个尺寸的特征图，将该尺寸的特征图输入到所述区域感知层，确定该尺寸的特征图中涉及所述指定目标物对应的至少一个候选图像区域，具体包括：针对每个尺寸的特征图，将该尺寸的特征图输入到所述区域感知层，预测该尺寸的特征图中每个像素点属于所述指定目标物的第一类别概率；将第一类别概率不小于设定概率阈值的像素点，作为目标像素点；根据所述目标像素点，确定该尺寸的特征图中涉及所述指定目标物对应的至少一个候选图像区域。4.如权利要求3所述的方法，其特征在于，以最小化所述目标检测结果与所述样本图像中针对所述指定目标物的标签信息之间的偏差为优化目标，对所述预测模型进行训练，具体包括：以最小化所述至少一个候选图像区域与所述区域感知层使用的第一标签信息之间的偏差，以及所述目标检测结果与所述样本图像中针对所述指定目标物的标签信息之间的偏差为优化目标，对所述预测模型进行训练，所述第一标签信息用于表示候选图像区域是否为所述指定目标物在所述样本图像中的实际图像区域。5.如权利要求1～4任一项所述的方法，其特征在于，所述预测模型包括：目标物分类层；从所述至少一个候选图像区域中，筛选出包含其他目标物的候选图像区域，作为待处理区域，具体包括：针对每个候选图像区域，将该候选图像区域进行图像放大，得到放大后的候选图像区
域，所述放大后的候选图像区域包含有若干个图像网格；将该候选图像区域对应的原始特征输入到所述目标物分类层，预测所述放大后的候选图像区域中，每个图像网格属于所述指定目标物的第二类别概率；若确定所述放大后的候选图像区域中包含有第二类别概率小于设定概率阈值的图像网格，将该候选图像区域作为所述待处理区域。6.如权利要求5所述的方法，其特征在于，以最小化所述目标检测结果与所述样本图像中针对所述指定目标物的标签信息之间的偏差为优化目标，对所述预测模型进行训练，具体包括：以最小化所述待处理区域与所述目标物分类层使用的第二标签信息之间的偏差，以及所述目标检测结果与所述样本图像中针对所述指定目标物的标签信息之间的偏差为优化目标，对所述预测模型进行训练，所述第二标签信息用于标识出所述待处理区域中各目标物所处的实际图像区域。7.如权利要求1所述的方法，其特征在于，根据所述其他目标物的图像在所述待处理区域中的位置，对所述待处理区域对应的原始特征进行补偿，得到所述...

【专利技术属性】
技术研发人员：苏金明，尹锐红，陈兴岳，张珂，罗钧峰，魏晓林，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：