一种图像目标检测模型训练方法、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图像目标检测模型训练方法、装置、设备及存储介质，应用于目标检测领域，包括：获取原始数据，获取生成数据中遮挡面积达到预设遮挡阈值的数据，得到生成训练数据，不断使用基础目标检测模型对生成训练数据和原始数据进行内循环训练；获取混合数据对基础检测模型进行迭外循环迭代训练，当使用混合数据进行训练时的Loss3在连续预设次数内不发生改变时，停止内外循环的迭代训练，得到图像目标检测模型。本发明专利技术通过计算机技术生成大量生成数据，并利用基础模型对获取的原始数据、生成数据和混合数据进行内外循环训练，极大地降低了数据收集时间成本，并且由于存在内外循环迭代，使得到的图像目标检测训练模型可以更加准确的识别目标物品。加准确的识别目标物品。加准确的识别目标物品。

【技术实现步骤摘要】
一种图像目标检测模型训练方法、装置、设备及存储介质


[0001]本专利技术涉及目标检测领域，特别涉及一种图像目标检测模型训练方法、装置、设备及存储介质。

技术介绍

[0002]客户上传人脸影像照片，背景中蕴含大量可用于反欺诈的信息，例如客户在黑产中介进行申请，人脸影像中的背景往往呈现一定的相似性；可通过客户与客户之间的背景相似情况判断客户出现集团欺诈的可能性；但在识别客户人像背景图像的时候存在标志性物品被人像遮挡或角度问题造成的物体没有完全进入画面，造成目标检测的时候出现部分肉眼可识别的物体没有被识别到。并且现有技术的目标检测模型需要收集较多的影像数据对目标进行检测，使得在影像数据不够多时，影响目标检测训练模型对目标进行识别的准确性。因此，如何在实现目标检测的基础上提升识别目标检测物体准确性的同时，减少模型训练所需要的样本是本专利技术所要解决的技术问题。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提供图像目标检测模型训练方法、装置、设备及存储介质，解决了现有技术中对目标检测模型进行训练时，需要采集大量的原始数据进行训练，以及现有的目标检测模型对目标进行检测的准确性较低的技术问题。
[0004]为解决上述技术问题，本专利技术提供了一种图像目标检测模型训练方法，包括：
[0005]获取原始数据和生成数据；其中，所述生成数据是指将所述原始数据中的图像作为目标图像和遮挡图像进行融合得到的数据；
[0006]获取所述生成数据中遮挡面积达到预设遮挡阈值的数据，得到生成训练数据；其中，所述遮挡面积是指所述目标图像被所述遮挡图像遮挡的面积；
[0007]不断使用基础目标检测模型对所述生成训练数据和所述原始数据进行训练，得到所述原始数据对应的Loss1和所述生成训练数据对应的Loss2,并不断计算Loss2‑
Loss1，得到LossD0......LossD
n
，直到时，触发下一个内循环；其中，epoch表示使用所述基础目标检测模型对所述生成训练数据和所述原始数据进行训练的次数；通过不断上调所述预设遮挡阈值的值，来调整所述生成训练数据，以进行下一个内循环进行迭代训练；
[0008]不断获取相邻两次内循环对应的Loss
Dn
，当Loss
Dn
<上一轮内循环时，触发一次外循环；其中，所述外循环使用混合数据进行迭代训练；所述混合数据由所述原始数据和所述生成数据混合而成；外循环一次获得一个Loss3，当连续两轮Loss3等于上一轮Loss3时，触发内循环；
[0009]当Loss3在连续预设次数内不发生改变时，停止使用所述基础目标检测模型进行
训练，得到图像目标检测模型。
[0010]可选的，所述图像目标检测模型训练方法，还包括：
[0011]对第一次上采样结果进行一次最大池化，得到最大池化结果；其中，使用所述基础目标检测模型训练的过程中包括上采样；
[0012]对第二次上采样结果进行平均池化，并对平均池化结果进行三次向量转置，得到转置结果；
[0013]将所述最大池化结果和所述转置结果进行相加，得到加和结果；
[0014]将所述加和结果与上采样过程中的图像向量进行相加，得到向量加和结果，并传入解码网络；其中，使用所述基础检测模型训练的过程中包括所述解码网络。
[0015]可选的，所述获取生成数据之前，还包括：
[0016]使用Cycle
‑
Gan对所述原始数据进行随机扩充，得到所述生成数据。
[0017]可选的，所述使用Cycle
‑
Gan对所述原始数据进行随机扩充，得到所述生成数据，包括：
[0018]利用随机点位算子对所述原始数据进行处理，得到合成图像数据；
[0019]对所述合成图像数据进行卷积处理，得到卷积图像数据；
[0020]利用残差网络对所述卷积图像数据进行残差处理，得到残差图像数据；
[0021]对所述卷积图像数据和所述残差图像数据进行相加，得到增强图像数据，并利用编码器对所述增强图像数据进行处理得到编码图像数据；
[0022]对所述编码图像数据进行卷积处理，得到所述生成数据。
[0023]可选的，计算所述Loss1和所述Loss2的损失函数，包括：
[0024]其中，A为所述原始数据和所述生成数据对应的实际目标区域，B为使用所述基础训练模型得到的推理目标区域，S
A∪B
和S
A∩B
分别表示所述实际目标区域和所述推理目标区域的面积并集和交集，L表示所述实际目标区域和所述推理目标区域的长，H表示所述实际目标区域和所述推理目标区域的宽，gt在公式中表示该数据来自推理结果，表示所述推理目标区域和所述实际目标区域之间关于中心点的欧式距离与所述推理目标区域和所述实际目标区域之间的最大外顶角连线的比值，Pa表示遮挡面积。
[0025]可选的，所述外循环中的损失函数模型，包括：
[0026]其中，其中，A为所述原始数据和所述生成数据对应的实际目标区域，B为使用所述基础训练模型得到的推理目标区域，S
A∪B
和S
A∩B
分别表示所述实际目标区域和所述推理目标区域的面积并集和交集，L表示所述实际目标区域和所述推理目标区域的长，H表示所述实际目标区域和所述推理目标区域的宽，gt在公式中表示该数据来自推理结果，表示所述推理目标区域和所述实际目标区域之间关于中心点的欧式距离与所述推理目标区域和所述实际目标区域之
间的最大外顶角连线的比值。
[0027]可选的，所述混合数据的生成方式，包括：
[0028]所述混合数据是由所述原始数据和所述生成数据进行无放回随机抽样预设百分比而成。
[0029]本专利技术还提供了一种图像目标检测模型训练装置，包括：
[0030]原始数据和生成数据获取模块，用于获取原始数据和生成数据；其中，所述生成数据是指将原始数据中的图像作为目标图像和遮挡图像进行融合得到的数据；
[0031]生成训练数据获取模块，用于获取所述生成数据中遮挡面积达到预设遮挡阈值的数据，得到生成训练数据；其中，所述遮挡面积是指所述目标图像被所述遮挡图像遮挡的面积；
[0032]内循环模块，用于不断使用基础目标检测模型对所述生成训练数据和所述原始数据进行训练，得到所述原始数据对应的Loss1和所述生成训练数据对应的Loss2,并不断计算Loss2‑
Loss1，得到LossD0......LossD
n
，直到时，触发下一个内循环；其中，epoch表示使用所述基础目标检测模型对所述生成训练数据和所述原始数据进行训练的次数；通过不断上调预设遮挡阈值的值，来调整所述生成训练数据，以进行下一个内循环进行迭代训练；
[0033]外循环模块，用于不断获取相邻两次内循环对应的Loss
Dn
，当Loss
Dn<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像目标检测模型训练方法，其特征在于，包括：获取原始数据和生成数据；其中，所述生成数据是指将所述原始数据中的图像作为目标图像和遮挡图像进行融合得到的数据；获取所述生成数据中遮挡面积达到预设遮挡阈值的数据，得到生成训练数据；其中，所述遮挡面积是指所述目标图像被所述遮挡图像遮挡的面积；不断使用基础目标检测模型对所述生成训练数据和所述原始数据进行训练，得到所述原始数据对应的Loss1和所述生成训练数据对应的Loss2，并不断计算Loss2‑
Loss1，得到LossD0......LossD
n
，直到时，触发下一个内循环；其中，epoch表示使用所述基础目标检测模型对所述生成训练数据和所述原始数据进行训练的次数；通过不断上调所述预设遮挡阈值的值，来调整所述生成训练数据，以进行下一个内循环进行迭代训练；不断获取相邻两次内循环对应的Loss
Dn
，当Loss
Dn
&lt;上一轮内循环时，触发一次外循环；其中，所述外循环使用混合数据进行迭代训练；所述混合数据由所述原始数据和所述生成数据混合而成；外循环一次获得一个Loss3，当连续两轮Loss3等于上一轮Loss3时，触发内循环；当Loss3在连续预设次数内不发生改变时，停止使用所述基础目标检测模型进行训练，得到图像目标检测模型。2.根据权利要求1所述的图像目标检测模型训练方法，其特征在于，还包括：对第一次上采样结果进行一次最大池化，得到最大池化结果；其中，使用所述基础目标检测模型训练的过程中包括上采样；对第二次上采样结果进行平均池化，并对平均池化结果进行三次向量转置，得到转置结果；将所述最大池化结果和所述转置结果进行相加，得到加和结果；将所述加和结果与上采样过程中的图像向量进行相加，得到向量加和结果，并传入解码网络；其中，使用所述基础检测模型训练的过程中包括所述解码网络。3.根据权利要求1所述的图像目标检测模型训练方法，其特征在于，所述获取生成数据之前，还包括：使用Cycle
‑
Gan对所述原始数据进行随机扩充，得到所述生成数据。4.根据权利要求3所述的图像目标检测模型训练方法，其特征在于，所述使用Cycle
‑
Gan对所述原始数据进行随机扩充，得到所述生成数据，包括：利用随机点位算子对所述原始数据进行处理，得到合成图像数据；对所述合成图像数据进行卷积处理，得到卷积图像数据；利用残差网络对所述卷积图像数据进行残差处理，得到残差图像数据；对所述卷积图像数据和所述残差图像数据进行相加，得到增强图像数据，并利用编码器对所述增强图像数据进行处理得到编码图像数据；对所述编码图像数据进行卷积处理，得到所述生成数据。5.根据权利要求1至4任一项所述的图像目标检测模型训练方法，其特征在于，计算所
述Loss1和所述Loss2的损失函数，包括：其中，A为所述原始数据和所述生成数据对应的实际目标区域，B为使用所述基础训练模型得到的推理目标区域，S
A∪B
和S
A∩B
分别表示所述实际目标区域和所述推理目标区域的面积并集和交...

【专利技术属性】
技术研发人员：张雪飞，吕杨苗，胡光辉，郭腾飞，廖艺，张翼飞，冯伟，程昱，
申请(专利权)人：河南中原消费金融股份有限公司，
类型：发明
国别省市：