本申请实施例涉及目标检测技术领域，公开了一种训练目标检测模型的方法、目标检测方法及电子设备。其中，所述训练目标检测模型的方法包括：获取图像样本，所述图像样本标注有目标标签；将所述图像样本分解为第一颜色图像样本、第二颜色图像样本和第三颜色图像样本；将所述第一颜色图像样本、所述第二颜色图像样本和所述第三颜色图像样本分别输入预设神经网络进行迭代训练，在所述预设神经网络收敛时，获得目标检测模型。本申请能够有效降低光照、亮度对目标检测的影响，减少漏检、误检问题，有效提高目标检测的准确度和召回率。效提高目标检测的准确度和召回率。效提高目标检测的准确度和召回率。
【技术实现步骤摘要】
训练目标检测模型的方法、目标检测方法及电子设备
[0001]本申请实施例涉及目标检测
，尤其涉及一种训练目标检测 模型的方法、目标检测方法及电子设备。
技术介绍
[0002]随着移动通信技术的快速发展以及人民生活水平的提升，各种智能 终端已广泛应用于人民的日常工作和生活，使得人们越来越习惯于使用 APP等软件，使得美颜自拍、拍照测肤此类功能的APP需求也变得越来 越多，因此，不少用户希望此类APP能够自动分析出脸部的痘痘情况。
[0003]本申请专利技术人在实现本申请实施例的过程中，发现：现有的技术很 多都是采用手动点击去痘痘的功能，过程繁琐，不利于用户的体验，同 时痘痘有效信息小，特征不够明显，传统的图像处理算法很难满足需求， 用户拍照的图片容易受到光照强度、亮度等因素的干扰，容易导致漏检、 误检的情况。
技术实现思路
[0004]本申请实施例的目的是提供一种训练目标检测模型的方法、目标检 测方法及电子设备，能够有效降低光照、亮度对目标检测的影响，减少 漏检、误检问题，有效提高目标检测的准确度和召回率。
[0005]为解决上述技术问题，本申请实施例采用以下技术方案：
[0006]第一方面，本申请实施例中提供给了一种训练目标检测模型的方法， 包括：
[0007]获取图像样本，所述图像样本标注有目标标签；
[0008]将所述图像样本分解为第一颜色图像样本、第二颜色图像样本和第 三颜色图像样本；
[0009]将所述第一颜色图像样本、所述第二颜色图像样本和所述第三颜色 图像样本分别输入预设神经网络进行迭代训练，在所述预设神经网络收 敛时，获得目标检测模型；
[0010]其中，所述预设神经网络为三通道网络结构，任一通道的所述网络 结构均包括特征提取模块、特征融合模块及SSH检测模块，所述第一颜 色图像样本、所述第二颜色图像样本和所述第三颜色图像样本分别通过 一通道的所述网络结构进行迭代训练。
[0011]在一些实施例中，所述预设神经网络包括第一通道特征提取模块、 第一通道特征融合模块及第一通道SSH检测模块；
[0012]所述将所述第一颜色图像样本、所述第二颜色图像样本和所述第三 颜色图像样本分别输入预设神经网络进行迭代训练，在所述预设神经网 络收敛时，获得目标检测模型，包括：
[0013]利用第一通道特征提取模块对所述第一颜色图像样本进行特征提 取，获取第一颜色通道特征；
[0014]所述第一颜色通道特征通过所述第一通道特征融合模块与第二颜 色通道特征
和/或第三颜色通道特征进行特征融合，获得第一融合特征；
[0015]将所述第一融合特征输入所述第一通道SSH检测模块，获得多个第 一预测框对应的概率和位置；
[0016]基于所述第一预测框对应的概率和位置、以及所述目标标签计算第 一损失值；
[0017]根据所述第一损失值、第二损失值和第三损失值调整预设神经网络， 直至预设神经网络收敛，获得所述目标检测模型；
[0018]其中，所述第一损失值、所述第二损失值及所述第三损失值分别用 于指示一所述通道的损失值。
[0019]在一些实施例中，所述基于所述第一预测框对应的概率和位置、以 及所述目标标签计算第一损失值，包括：
[0020]从所述第一预测框中选择样本框，基于所述样本框对应的概率和位 置、以及所述目标标签，利用第一损失函数计算第一损失值；
[0021]所述样本框包括正样本框；所述从所述第一预测框中选择样本框， 包括：
[0022]计算所述第一预测框与所述目标标签对应的目标位置之间的交并 比；
[0023]如果所述交并比大于第一比值，则将交并比大于第一比值的第一预 测框作为正样本框。
[0024]在一些实施例中，所述根据所述第一损失值、第二损失值和第三损 失值调整预设神经网络，包括：
[0025]根据如下公式调整所述预设神经网络的损失；
[0026][0027]其中，i表示所述预设神经网络的通道，表示第i通道的目标 分类损失，p
j
表示预测第j个预测框为目标的概率，表示目标标签，L
cls
表示交叉熵损失函数；表示目标标签的标注框回归损失函数，box
j
表示正样本框的位置，表示目标标签的标注框的位置；R函数表示 鲁棒性回归函数。
[0028]第二方面，本申请实施例还提供一种目标检测方法，所述方法包括：
[0029]获取待测原始图像；
[0030]将所述待测原始图像分解为第一颜色通道图像、第二颜色通道图像 和第三颜色通道图像；
[0031]将所述第一颜色通道图像、第二颜色通道图像和第三颜色通道图像 输入目标检测模型中，获得第一通道检测结果、第二通道检测结果和第 三通道检测结果，所述目标检测模型采用如上述所述的训练目标检测模 型的方法获得。
[0032]在一些实施例中，在所述获得第一通道检测结果、第二通道检测结 果和第三通道检测结果之后，所述方法还包括：
[0033]通过S_NMS非极大值抑制算法剔除第一通道检测结果、第二通道检 测结果和第三通道检测结果中的重复预测框，确定最终预测结果，包括：
[0034]获取第一通道检测结果、第二通道检测结果和第三通道检测结果中 的重复预测
框；
[0035]对所述重复预测框打分，获得各个重复预测框对应的得分值；
[0036]对所述得分值进行排序，且将得分值低于第一分数的重复预测框删 除。
[0037]在一些实施例中，所述对所述重复预测框打分，获得各个重复预测 框对应的得分值，包括：
[0038]获取各个重复预测框中得分最高的预测框；
[0039]获取得分最高的预测框与待处理框的交并比；
[0040]根据预设交并比及所述得分最高的预测框与待处理框的交并比，得到待 处理框对应的得分值。
[0041]第三方面，本申请实施例还提供一种训练目标检测模型的装置，所 述装置包括：
[0042]样本获取模块，用于获取图像样本，所述图像样本标注有目标标签；
[0043]第一分解模块，用于将所述图像样本分解为第一颜色图像样本、第 二颜色图像样本和第三颜色图像样本；
[0044]训练模块，用于将所述第一颜色图像样本、所述第二颜色图像样本 和所述第三颜色图像样本分别输入预设神经网络进行迭代训练，在所述 预设神经网络收敛时，获得目标检测模型；
[0045]其中，所述预设神经网络为三通道网络结构，任一通道的所述网络 结构包括特征提取模块、特征融合模块及SSH检测模块，所述第一颜色 图像样本、所述第二颜色图像样本和所述第三颜色图像样本分别通过一 通道的所述网络结构进行迭代训练。
[0046]第四方面，本申请还提供一种电子设备，所述电子设备包括：
[0047]至少一个处理器，以及
[0048]存储器，所述存储器与所述处理器通本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种训练目标检测模型的方法，其特征在于，所述方法包括：获取图像样本，所述图像样本标注有目标标签；将所述图像样本分解为第一颜色图像样本、第二颜色图像样本和第三颜色图像样本；将所述第一颜色图像样本、所述第二颜色图像样本和所述第三颜色图像样本分别输入预设神经网络进行迭代训练，在所述预设神经网络收敛时，获得目标检测模型；其中，所述预设神经网络为三通道网络结构，任一通道的所述网络结构均包括特征提取模块、特征融合模块及SSH检测模块，所述第一颜色图像样本、所述第二颜色图像样本和所述第三颜色图像样本分别通过一通道的所述网络结构进行迭代训练。2.根据权利要求1所述的方法，其特征在于，所述预设神经网络包括第一通道特征提取模块、第一通道特征融合模块及第一通道SSH检测模块；所述将所述第一颜色图像样本、所述第二颜色图像样本和所述第三颜色图像样本分别输入预设神经网络进行迭代训练，在所述预设神经网络收敛时，获得目标检测模型，包括：利用第一通道特征提取模块对所述第一颜色图像样本进行特征提取，获取第一颜色通道特征；所述第一颜色通道特征通过所述第一通道特征融合模块与第二颜色通道特征和/或第三颜色通道特征进行特征融合，获得第一融合特征；将所述第一融合特征输入所述第一通道SSH检测模块，获得多个第一预测框对应的概率和位置；基于所述第一预测框对应的概率和位置、以及所述目标标签计算第一损失值；根据所述第一损失值、第二损失值和第三损失值调整预设神经网络，直至预设神经网络收敛，获得所述目标检测模型；其中，所述第一损失值、所述第二损失值及所述第三损失值分别用于指示一所述通道的损失值。3.根据权利要求2所述的方法，其特征在于，所述基于所述第一预测框对应的概率和位置、以及所述目标标签计算第一损失值，包括：从所述第一预测框中选择样本框，基于所述样本框对应的概率和位置、以及所述目标标签，利用第一损失函数计算第一损失值；所述样本框包括正样本框；所述从所述第一预测框中选择样本框，包括：计算所述第一预测框与所述目标标签对应的目标位置之间的交并比；如果所述交并比大于第一比值，则将交并比大于第一比值的第一预测框作为正样本框。4.根据权利要求2所述的方法，其特征在于，所述根据所述第一损失值、第二损失值和第三损失值调整预设神经网络，包括：根据如下公式调整所述预设...
【专利技术属性】
技术研发人员：陈仿雄，
申请(专利权)人：深圳数联天下智能科技有限公司，
类型：发明
国别省市：
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。