一种用于小目标检测的模型训练方法、检测方法及装置制造方法及图纸

本发明专利技术提供了一种用于小目标检测的模型训练方法、检测方法、装置、可读存储介质及电子设备，该模型训练方法包括：基于获取的第一训练输入图像和训练标注图像，训练出符合预设精度的图像分割模型；基于训练输入图像和图像分割模型，获取预测掩码图像；基于预测掩码图像对训练输入图像进行分割，获取至少一个目标分割图像；基于预设规则对至少一个目标分割图像进行再分割，确定至少一个目标分割图像分别对应的至少一组分割子图像；基于获取的至少一组分割子图像分别对应的第一训练数据集和第二训练数据集，训练出符合预设精度的至少一个检测模型。本发明专利技术提供的技术方案通过图像分割模型和检测模型可以有效提高小目标检测的准确度。度。度。

【技术实现步骤摘要】
一种用于小目标检测的模型训练方法、检测方法及装置


[0001]本专利技术涉及目标检测
，且更具体地，涉及一种用于小目标检测的模型训练方法、检测方法及装置。

技术介绍

[0002]随着神经网络和深度学习技术的发展，目标检测技术的准确率和实时性均有很大程度的提高。然而对于小目标检测而言，仍存在较大的挑战。目前，为了提高数学模型在小目标检测的准确率，常常会通过增加小目标样本数量和种类的方式，但是因小目标在样本图像中比例较少，且大多数在工业环境中拍摄的真实图像背景复杂、场景多样，如此使得即使增加小目标样本数量也难以获取到较为准确的数学模型。

技术实现思路

[0003]本专利技术提供了一种用于小目标检测的模型训练方法、检测方法、装置、可读存储介质及电子设备，以解决现有技术中难以获取到较为准确的用于小目标检测的数学模型的技术问题。
[0004]根据本专利技术的第一方面，提供了一种用于小目标检测的模型训练方法，包括：
[0005]基于获取的第一训练输入图像和训练标注图像，训练出符合预设精度的图像分割模型；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于小目标检测的模型训练方法，其特征在于，包括：基于获取的第一训练输入图像和训练标注图像，训练出符合预设精度的图像分割模型；基于获取的第二训练输入图像和所述图像分割模型，获取预测掩码图像；基于所述预测掩码图像对所述第二训练输入图像进行分割，获取至少一个目标分割图像；基于预设规则对所述至少一个目标分割图像进行再分割，确定所述至少一个目标分割图像分别对应的至少一组分割子图像；基于获取的至少一组分割子图像分别对应的第一训练数据集和第二训练数据集，训练出符合预设精度的至少一个检测模型。2.根据权利要求1所述的方法，其特征在于，所述检测模型包括单一检测模型，则所述基于获取的至少一组分割子图像分别对应的第一训练数据集和第二训练数据集，训练出符合预设精度的至少一个检测模型，包括：针对每一组分割子图像分别对应的第一训练数据集和第二训练数据集，训练出每一组分割子图像分别对应的符合预设精度的单一检测模型。3.根据权利要求1或2所述的方法，其特征在于，所述检测模型包括关联检测模型，则所述基于获取的至少一组分割子图像分别对应的第一训练数据集和第二训练数据集，训练出符合预设精度的至少一个检测模型，包括：在所述至少一组分割子图像分别对应的第一训练数据集和第二训练数据集中，确定出至少一组第一关联数据集和第二关联数据集；针对每一组第一关联数据集和第二关联数据集，分别训练出符合预设精度的关联检测模型。4.根据权利要求1所述的方法，其特征在于，在所述基于获取的第一训练输入图像和训练标注图像，训练出符合预设精度的图像分割模型前，所述方法还包括：基于获取的原始输入图像和原始标注图像，训练出符合预设精度的原始分割模型；基于所述原始分割模型、所述原始输入图像和所述原始标注图像，获取训练输入图像和训练标注图像。5.根据权利要求1所述的方法，其特征在于，所述基于获取的第一训练输入图像和训练标注图像，训练出符合预设精度的图像分割模型，包括：获取初始化数学模型；将所述第一训练输入图像输入所述初始化数学模型的编码网络进行降采样，获取编码特征图像；基于所述编码特征图像、所述初始化数学模型的解码网络，获取预测训练图像；基于所述预测训练图像和所述训练标注图像，确定损失函数值，并基于所述损失函数值，调整所述初始化数学模型的模型参数，以训练出符合预设精度的图像分割模型。6.根据权利要求1所述的方法，其特征在于，所述基于预设规则对所述至少一个目标分...

【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：上海联麓半导体技术有限公司，
类型：发明
国别省市：