【技术实现步骤摘要】
目标检测模型的预训练方法、装置及电子设备
[0001]本公开涉及人工智能
,尤其涉及计算机视觉、深度学习
,尤其涉及目标检测模型的预训练方法、装置及电子设备。
技术介绍
[0002]目前,目标检测模型的预训练方法主要为,基于对比损失的自监督预训练方法,即采用孪生网络提取不同数据增强后的同一图像的特征作为正样本,通过构造包含正负样本对的对比损失函数,对目标检测模型进行预训练。
[0003]上述预训练方法中,目标检测模型提取图像特征时,只考虑到图像中的目标语义特征,导致提取到的特征的准确度低,进而导致目标检测的准确率低。
技术实现思路
[0004]本公开提供了一种目标检测模型的预训练方法、装置及电子设备。
[0005]根据本公开的一方面,提供了一种目标检测模型的预训练方法,包括:确定待处理的样本图像对,以及所述样本图像对中两个样本图像对应的初始检测框;针对每个样本图像,根据所述样本图像、所述样本图像对应的初始检测框以及目标检测模型,确定所述样本图像对应的初始局部特征以及目标检测框;根据所述样本图像、所述样本图像对应的目标检测框以及所述目标检测模型,确定所述样本图像对应的框内局部特征以及框外局部特征;根据两个所述样本图像对应的所述初始局部特征、所述框内局部特征以及所述框外局部特征,对所述目标检测模型的系数进行调整,实现训练。
[0006]根据本公开的另一方面,提供了一种目标检测模型的预训练装置,包括:第一确定模块,用于确定待处理的样本图像对,以及所述样本图像对中两个样本图 ...
【技术保护点】
【技术特征摘要】
1.一种目标检测模型的预训练方法,包括:确定待处理的样本图像对,以及所述样本图像对中两个样本图像对应的初始检测框;针对每个样本图像,根据所述样本图像、所述样本图像对应的初始检测框以及目标检测模型,确定所述样本图像对应的初始局部特征以及目标检测框;根据所述样本图像、所述样本图像对应的目标检测框以及所述目标检测模型,确定所述样本图像对应的框内局部特征以及框外局部特征;根据两个所述样本图像对应的所述初始局部特征、所述框内局部特征以及所述框外局部特征,对所述目标检测模型的系数进行调整,实现训练。2.根据权利要求1所述的方法,其中,所述确定待处理的样本图像对,以及所述样本图像对中两个样本图像对应的初始检测框,包括:确定至少一个原始图像,以及所述原始图像对应的初始检测框;对所述原始图像以及对应的初始检测框进行变换处理,得到所述原始图像对应的两个样本图像,以及所述两个样本图像对应的初始检测框;根据对应相同原始图像的两个样本图像,确定所述待处理的样本图像对;或者,根据对应不同原始图像的两个样本图像,确定所述待处理的样本图像对;确定所述样本图像对中两个样本图像对应的初始检测框。3.根据权利要求1所述的方法,其中,所述针对每个样本图像,根据所述样本图像、所述样本图像对应的初始检测框以及目标检测模型,确定所述样本图像对应的初始局部特征以及目标检测框,包括:针对每个样本图像,将所述样本图像输入所述目标检测模型的特征提取网络,获取所述样本图像对应的全局特征;将所述全局特征以及所述样本图像对应的初始检测框,输入所述目标检测模型的头部网络,获取所述样本图像对应的所述初始局部特征以及所述目标检测框。4.根据权利要求1所述的方法,其中,所述根据所述样本图像、所述样本图像对应的目标检测框以及所述目标检测模型,确定所述样本图像对应的框内局部特征以及框外局部特征,包括:根据所述样本图像以及所述样本图像对应的目标检测框,确定所述样本图像中的框内局部图像以及框外局部图像;将所述框内局部图像和所述框外局部图像分别输入所述目标检测模型的特征提取网络,获取所述样本图像对应的所述框内局部特征和所述框外局部特征。5.根据权利要求1所述的方法,其中,所述根据所述样本图像、所述样本图像对应的目标检测框以及所述目标检测模型,确定所述样本图像对应的框内局部特征以及框外局部特征,包括:确定所述样本图像对应的原始图像,其中,所述样本图像由所述原始图像变换处理得到;根据所述样本图像对应的目标检测框以及所述样本图像与对应的原始图像之间的变换处理关系,确定所述原始图像对应的目标检测框;根据所述原始图像以及所述原始图像对应的目标检测框,确定所述原始图像中的框内局部图像以及框外局部图像;
将所述框内局部图像和所述框外局部图像分别输入所述目标检测模型的特征提取网络,获取所述样本图像对应的所述框内局部特征和所述框外局部特征。6.根据权利要求1所述的方法,其中,所述根据两个所述样本图像对应的所述初始局部特征、所述框内局部特征以及所述框外局部特征,对所述目标检测模型的系数进行调整,实现训练,包括:针对每个样本图像,根据所述样本图像对应的所述框内局部特征和所述框外局部特征,确定所述样本图像对应的互信息;根据两个所述样本图像对应的所述初始局部特征以及所述互信息,构建损失函数,对所述目标检测模型的系数进行调整,实现训练。7.根据权利要求6所述的方法,其中,所述根据两个所述样本图像对应的所述初始局部特征以及所述互信息,构建损失函数,对所述目标检测模型的系数进行调整,实现训练,包括:根据两个所述样本图像对应的所述初始局部特征,构建第一子损失函数;根据两个所述样本图像对应的所述互信息,构建第二子损失函数;根据所述第一资损失函数和所述第二子损失函数,确定所述损失函数;根据所述损失函数的数值,对所述目标检测模型的系数进行调整,...
【专利技术属性】
技术研发人员:李兴建,窦德景,
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:
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。