一种检测模型的训练方法、装置、电子设备及存储介质制造方法及图纸

本申请公开了一种检测模型的训练方法、装置、电子设备及存储介质，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域。具体实现方案为：若待训练的检测模型不满足预先确定的收敛条件，则在业务数据集中提取出一张样本图像作为当前图像；将当前图像输入至第一级子模型中，得到当前图像中的至少一个检测目标以及各个检测目标的初始检测框；基于各个检测目标的初始检测框，将各个检测目标输入至对应的第二级子模型中，得到各个检测目标的优化检测框；基于各个检测目标的优化检测框以及预先确定的各个检测目标的实际检测框，对待训练的检测模型进行训练。本申请实施例可以针对小目标进行准确检测，有效地解决了小目标的检测问题。测问题。测问题。

【技术实现步骤摘要】
一种检测模型的训练方法、装置、电子设备及存储介质


[0001]本公开涉及人工智能
，进一步涉及计算机视觉和深度学习
，尤其是一种检测模型的方法、装置、电子设备及存储介质。

技术介绍

[0002]随着互联网和人工智能技术的不断发展，越来越多的领域开始涉及自动化计算与分析，其中智慧交通是最为重要且复杂的场景之一。在智慧交通里，检测是必不可少的一个环节，检测的质量影响后续的操作。在具体的业务场景里，小目标通常有很多，对小目标友好的检测方法，往往是优于竞争对手的关键技术点。
[0003]在现有的检测算法中，没有单独针对小目标建立的检测框架。现有方案基本上都是在模型网络结构层面进行修改，要么通过增大模型输入大小来增加模型的感受野，要么在特征金字塔网络(Feature Pyramid Networks，简称FPN)处用大的特征图，让小目标可以保留更多的信息。
[0004]但是，这些改动都不能彻底地解决小目标的检测问题，小目标的检测问题根本在于模型学习到的小目标特征信息太少，经过多次卷积操作，小目标的特征信息保留下来的较少，导致整本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种检测模型的训练方法，所述方法包括：若待训练的检测模型不满足预先确定的收敛条件，则在业务数据集中提取出一张样本图像作为当前图像；将所述当前图像输入至第一级子模型中，通过所述第一级子模型得到所述当前图像中的至少一个检测目标以及各个检测目标的初始检测框；基于各个检测目标的初始检测框，将各个检测目标输入至对应的第二级子模型中，通过各个第二级子模型得到各个检测目标的优化检测框；基于各个检测目标的优化检测框以及预先确定的各个检测目标的实际检测框，对所述待训练的检测模型进行训练；重复执行上述操作，直到所述待训练的检测模型满足所述收敛条件。2.根据权利要求1所述的方法，在所述将各个检测目标输入至对应的第二级子模型中之前，所述方法还包括：将所述至少一个检测目标进行聚类，得到所述当前图像中包含在至少一个簇内的检测目标；根据各个簇内的检测目标的尺寸确定各个簇内的各个检测目标对应的第二级子模型。3.根据权利要求2所述的方法，其中，所述根据各个簇内的检测目标的尺寸确定各个簇内的各个检测目标对应的第二级子模型，包括：将所述至少一个簇中的各个簇分别作为当前簇；若所述当前簇内的各个检测目标的尺寸大于或者等于预定尺寸，则将所述当前簇内的各个检测目标对应的第二级子模型确定为大图子模型；若所述当前簇内的各个检测目标的尺寸小于所述预定尺寸，则将所述当前簇内的各个检测目标对应的第二级子模型确定为小图子模型。4.根据权利要求1所述的方法，其中，所述基于各个检测目标的初始检测框，将各个检测目标输入至对应的第二级子模型中，包括：基于各个检测目标的初始检测框，在所述当前图像中抠出各个检测目标对应的原图图像；将各个检测目标对应的原图图像输入至对应的第二级子模型中。5.根据权利要求1所述的方法，在所述将所述当前图像输入至预先训练好的第一级子模型中之前，所述方法还包括：将所述当前图像由原始尺寸转换为预先设定的目标尺寸，得到目标尺寸的当前图像；执行将所述目标尺寸的当前图像输入至所述第一级子模型中的操作。6.根据权利要求1所述的方法，所述方法还包括：将待检测图像输入至训练好的检测模型中，通过所述训练好的检测模型得到所述待检测图像中的各个检测目标的检测框。7.一种检测模型的训练装置，所述装置包括：提取模块、第一检测模块、第二检测模块和训练模块；其中，所述提取模块，用于若待训练的检测模型不满足预先确定的收敛条件，则在业务数据集中提取出一张样本图像作为当前图像；所述第一检测模块，用于将所述当前图像输入至第一级子模型中，通过所述第一级子
...

【专利技术属性】
技术研发人员：吴其蔓，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：