检测模型训练方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种检测模型训练方法、装置、设备及存储介质，涉及目标检测技术领域，该方法包括：通过预设图像检测模型对预设图像样本集进行识别，获得所述预设图像样本集中各图像样本对应的分值；根据预设标准值和所述分值对各图像样本进行筛选，获得目标图像样本；将所述目标图像样本作为待训练检测网络的输入样本，以对所述待训练检测网络进行训练，获得目标检测模型。在本发明专利技术中，通过预设图像检测模型对海量的图像样本进行筛选、标记；再选取识别结果中分值较高的图像样本作为待训练检测网络的输入样本，从而减少人工标记工作，节约人力，提高了模型训练效率。提高了模型训练效率。提高了模型训练效率。

【技术实现步骤摘要】
检测模型训练方法、装置、设备及存储介质


[0001]本专利技术涉及目标检测
，尤其涉及一种检测模型训练方法、装置、设备及存储介质。

技术介绍

[0002]为提高检测模型的识别精度，通常采用的方式为提高检测模型本身的参数量，通过大模型提高检测精度；或者通过大量的训练样本，对模型进行反复迭代，以提高检测精度。另一方面，为了保证检测的实时性，通常检测模型需要在前端运行，但由于前端算力有限，无法采用大模型。若为了提高前端的检测精度，通常采用大量训练样本进行检测模型训练。但对海量训练样本进行人工标记费时费力，模型训练效率低。
[0003]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

[0004]本专利技术的主要目的在于提供一种检测模型训练方法、装置、设备及存储介质，旨在解决现有技术中对海量训练样本进行人工标记费时费力，模型训练效率低的技术问题。
[0005]为实现上述目的，本专利技术提供一种检测模型训练方法，所述检测模型训练方法包括以下步骤：
[0006]通过预设本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种检测模型训练方法，其特征在于，所述方法包括以下步骤：通过预设图像检测模型对预设图像样本集进行识别，获得所述预设图像样本集中各图像样本对应的分值；根据预设标准值和所述分值对各图像样本进行筛选，获得目标图像样本；将所述目标图像样本作为待训练检测网络的输入样本，以对所述待训练检测网络进行训练，获得目标检测模型。2.如权利要求1所述的检测模型训练方法，其特征在于，所述根据预设标准值和所述分值对各图像样本进行筛选，获得目标图像样本，包括：根据所述分值确定各图像样本中各回归框对应的分值；判断各图像样本中各回归框对应的分值是否大于或等于预设标准值；在存在大于或等于所述预设标准值的目标回归框时，将所述目标回归框对应的图像样本作为目标图像样本。3.如权利要求2所述的检测模型训练方法，其特征在于，所述在存在大于或等于所述预设标准值的目标回归框时，将所述目标回归框对应的图像样本作为目标图像样本，包括：在存在大于或等于所述预设标准值的目标回归框时，将所述目标回归框对应的图像样本作为待选图像样本；计算所述待选图像样本的回归框中所述目标回归框的占比值；判断所述占比值是否小于预设占比值；在所述占比值小于所述预设占比值时，将所述待选图像样本作为目标图像样本。4.如权利要求3所述的检测模型训练方法，其特征在于，所述判断所述占比值是否小于预设占比值之后，还包括：在所述占比值大于或等于所述预设占比值时，判断所述待选图像样本中各回归框对应的分值是否小于第一预设参考值，所述第一预设参考值大于所述预设标准值；在存在小于所述第一预设参考值的参考回归框时，将所述待选图像样本中所述参考回归框对应的标记信息进行删除，获得目标图像样本。5.如权利要求1-4任一项所述的检测模型训练方法，其特征在于，所述通过预设图像检测模型对预设图像样本集进行识别，获得所述预设图像样本集中各图像样本对应的分值之前，还包括：获取预训练检测网络和预训练图像样本，所...

【专利技术属性】
技术研发人员：胡传锐，
申请(专利权)人：北京鸿享技术服务有限公司，
类型：发明
国别省市：