【技术实现步骤摘要】
目标检测模型的训练方法、目标检测方法及相关设备
[0001]本申请涉及计算机视觉
,特别是涉及一种目标检测模型的训练方法、目标检测方法及相关设备。
技术介绍
[0002]目标检测(Object Detection,OD)作为计算机视觉的分支,在安防、工业等领域得到了广泛应用,其中,利用目标检测模型进行检测成为了目标检测的主流方式。现有技术中,通常会采用大量有标签的样本对目标检测模型进行训练,但是对海量的样本进行标注无疑会增加训练的难度,并且一旦有标签的样本有限,便会导致目标检测模型的检测准确率不佳,此外,现有的目标检测模型难以兼顾目标识别和目标分类,当需要对目标进行目标识别和目标分类时,基于现有的单一的目标检测模型进行目标检测的准确率往往较低。有鉴于此,如何降低训练难度并提高目标检测的准确率成为亟待解决的问题。
技术实现思路
[0003]本申请主要解决的技术问题是提供一种目标检测模型的训练方法、目标检测方法及相关设备,能够降低训练难度并提高目标检测的准确率。
[0004]为解决上述技术问题,本申请第一方面提供一种目标检测模型的训练方法,包括:将训练图像输入所述目标检测模型的主干网络进行特征提取,得到至少一个局部特征图;其中,所述训练图像中的部分训练目标已标注,所述局部特征图包括所述训练图像中至少部分区域的特征信息;对所有所述局部特征图进行聚类,得到至少一个聚类集合,筛选出各个所述聚类集合中的重点特征图;基于各个所述局部特征图之间的特征差异,对所述局部特征图进行调整,得到各个所述局部特征图 ...
【技术保护点】
【技术特征摘要】
1.一种目标检测模型的训练方法,其特征在于,所述方法包括:将训练图像输入所述目标检测模型的主干网络进行特征提取,得到至少一个局部特征图;其中,所述训练图像中的部分训练目标已标注,所述局部特征图包括所述训练图像中至少部分区域的特征信息;对所有所述局部特征图进行聚类,得到至少一个聚类集合,筛选出各个所述聚类集合中的重点特征图;基于各个所述局部特征图之间的特征差异,对所述局部特征图进行调整,得到各个所述局部特征图对应的深度特征图;将所有所述深度特征图和所述重点特征图输入所述目标检测模型的检索网络进行目标分类,得到所述训练目标对应的目标分类结果;其中,所述重点特征图包括对所述目标分类结果影响超过损失阈值的局部特征图;基于所述目标分类结果调整所述目标检测模型的参数,直至满足预设收敛条件,获得训练后的所述目标检测模型。2.根据权利要求1所述的目标检测模型的训练方法,其特征在于,输入至所述主干网络的所述训练图像对应有源域和目标域,其中,从所述源域获得的所述训练图像中包括已标注有标识框和分类信息的训练目标,从所述目标域获得的所述训练图像中的训练目标均未标注。3.根据权利要求2所述的目标检测模型的训练方法,其特征在于,所述对所有所述局部特征图进行聚类,得到至少一个聚类集合,筛选出各个所述聚类集合中的重点特征图,包括:基于所有所述局部特征图的特征,对所有所述局部特征图进行聚类,得到至少一个聚类集合;其中,每个所述聚类集合中包括至少一个所述局部特征图;利用挖掘算法筛选出各个所述聚类集合中的重点特征图;其中,从所述源域和所述目标域获得的训练目标对应的重点特征图都对应有边界框。4.根据权利要求3所述的目标检测模型的训练方法,其特征在于,所述目标检测模型还包括检测网络,所述将所有所述深度特征图和所述重点特征图输入所述目标检测模型的检索网络进行目标分类,得到所述训练目标对应的目标分类结果之前,还包括:将所有所述局部特征图输入所述检测网络进行目标识别,得到所述训练目标对应的图像检测结果;其中,所述图像检测结果包括至少一个检测特征图;在所述检测特征图上提取感兴趣区域,得到特征提取图,将所述特征提取图与所述深度特征图融合,得到目标深度特征图;所述将所有所述深度特征图和所述重点特征图输入所述目标检测模型的检索网络进行目标分类,得到所述训练目标对应的目标分类结果,包括:将所有所述目标深度特征图和所述重点特征图输入所述检索网络进行目标分类,得到所述训练目标对应的目标分类结果。5.根据权利要求4所述的目标检测模型的训练方法,其特征在于,所述将所有所述深度特征图和所述重点特征图输入所述目标检测模型的检索网络进行目标分类,得到所述训练目标对应的目标分类结果之后还包括:基于所述目标分类结果相对已标注的所述分类信息之间的偏差,所述图像检测结果相
对所述标识框和所述边界框之间的偏差,确定所述目标分类结果对应的损失值;所述基于所述目标分类结果调整所述目标检测模型的参数,直至满足预设收敛条件,获得训练后的所述目标检测模型,包括:基于所述目标分类结果对应的损失值调整所述目标检测模型的参数,直至满足预设收敛条件,获得训练后的所述目标检测模型。6.根据权利要求5所述的目标检测模型的训练方法,其特征在于,所述基于...
【专利技术属性】
技术研发人员:付建海,俞元杰,吴立,颜成钢,李亮,殷海兵,熊剑平,
申请(专利权)人:浙江大华技术股份有限公司,
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。