【技术实现步骤摘要】
一种目标检测模型的训练方法及目标检测方法、装置
[0001]本公开涉及人工智能
,尤其涉及图像识别、深度学习等
,具体涉及一种目标检测模型的训练方法及目标检测方法、装置。
技术介绍
[0002]通信塔也称信号发射塔或信号塔,是通信运营商、广播电视等部门架设信号发射天线或微波传输设备的基础设备,不同类别的通信塔运营和维护方式不同,使得通信塔类别的识别较为重要。
技术实现思路
[0003]本公开提供了一种目标检测模型的训练方法及目标检测方法、装置。
[0004]根据本公开的第一方面,提供了一种目标检测模型的训练方法,包括:
[0005]获取样本训练图像以及所述样本训练图像的标签信息;
[0006]将所述样本训练图像输入轻量化目标检测模型中进行信号塔的预测,得到所述样本训练图像的第一预测结果;
[0007]根据所述样本训练图像的第一预测结果以及所述样本训练图像的标签信息计算第一损失,并根据第一损失对所述轻量化目标检测模型的训练参数进行调整,得到预训练轻量化目标检测模型;
[0008]在所述预训练轻量化目标检测模型中加入量化模块,得到初始量化目标检测模型;
[0009]将所述样本训练图像输入所述初始量化目标检测模型中进行信号塔的预测,得到所述样本训练图像的第二预测结果;
[0010]根据所述样本训练图像的第二预测结果以及所述样本训练图像的标签信息计算第二损失,并根据第二损失对所述初始量化目标检测模型的训练参数进行调整,得到训练好的轻量化目标检 ...
【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,包括:获取样本训练图像以及所述样本训练图像的标签信息;将所述样本训练图像输入轻量化目标检测模型中进行信号塔的预测,得到所述样本训练图像的第一预测结果;根据所述样本训练图像的第一预测结果以及所述样本训练图像的标签信息计算第一损失,并根据第一损失对所述轻量化目标检测模型的训练参数进行调整,得到预训练轻量化目标检测模型;在所述预训练轻量化目标检测模型中加入量化模块,得到初始量化目标检测模型;将所述样本训练图像输入所述初始量化目标检测模型中进行信号塔的预测,得到所述样本训练图像的第二预测结果;根据所述样本训练图像的第二预测结果以及所述样本训练图像的标签信息计算第二损失,并根据第二损失对所述初始量化目标检测模型的训练参数进行调整,得到训练好的轻量化目标检测模型。2.根据权利要求1所述的方法,其中,所述获取样本训练图像以及所述样本训练图像的标签信息,包括:获取多个样本图像;对各所述样本图像中的信号塔进行标注,得到各所述样本图像对应的标注图像,所述标注图像中包含标签信息,所述标签信息包括类别标签和位置标签,所述类别标签用于表征所述样本图像中信号塔的类别,所述位置标签用于表征所述样本图像中信号塔的位置;对各所述标注图像进行清洗处理和扩充处理,得到样本数据集;所述样本数据集中包含:样本训练图像以及所述样本训练图像的标签信息。3.根据权利要求2所述的方法,其中,所述类别标签包括:景观塔类别、单管塔类别、雷达塔类别以及通信信号塔类别。4.根据权利要求1
‑
3任一所述的方法,其中,所述轻量化目标检测模型为PP
‑
PicoDet目标检测模型,所述将所述样本训练图像输入轻量化目标检测模型中进行信号塔的预测,得到所述样本训练图像的第一预测结果,包括:将所述样本训练图像输入PP
‑
PicoDet目标检测模型的主干网络中进行特征提取,得到第一特征图;将所述第一特征图输入所述PP
‑
PicoDet目标检测模型包含的块丢弃DropBlock层、卷积层、上采样层以及跨阶段局部网络模块的颈部网络中,分别进行特征的随机丢弃、提取、上采样以及再提取操作,得到第二特征图;将所述第二特征图输入所述PP
‑
PicoDet目标检测模型的分类和回归网络中进行信号塔的预测,得到所述样本训练图像的第一预测结果。5.根据权利要求4所述的方法,其中,所述在所述预训练轻量化目标检测模型中加入量化模块,得到初始量化目标检测模型,包括:在所述预训练轻量化目标检测模型的激活值和待量化操作之间加入准参数化剪裁激活PACT量化模块,得到初始量化目标检测模型。6.根据权利要求4所述的方法,其中,所述第一损失包括变焦损失VFL、有效的交并比EIOU损失以及分布焦点损失DFL,所述VFL用于计算样本训练图像边界框的分类损失,所述
EIOU损失用于计算样本训练图像边界框的第一回归损失,所述DFL用于计算样本训练图像边界框的第二回归损失。7.一种目标检测方法,包括:获取待检测图像;将所述待检测图像输入训练好的轻量化目标检测模型中进行信号塔的检测,得到所述待检测图像的检测结果;其中,所述训练好的轻量化目标检测模型为:采用如权利要求1
‑
6任一所述的方法训练得到的,所述训练好的轻量化目标检测模型用于对所述待检测图像中的信号塔进行检测,所述检测结果包括:类别检测结果和位置检测结果。8.根据权利要求7所述的方法,其中,所述类别检测结果包括:景观塔类别、单管塔类别、雷达塔类别以及通信信号塔类别。9.根据权利要求7所述的方法,其中,所述将所述待检测图像输入训练好的轻量化目标检测模型中进行信号塔的检测,得到所述待检测图像的检测结果,包括:将所述待检测图像输入所述训练好的轻量化目标检测模型的主干网络中进行特征提取,得到第三特征图;将所述第三特征图输入所述训练好的轻量化目标检测模型包含的块丢弃DropBlock层、卷积层、上采样层以及跨阶段局部网络模块的颈部网络中,分别进行特征的随机丢弃、提取、上采样以及再提取操作,得到第四特征图;将所述第四特征图输入所述训练好的轻量化目标检测模型的分类和回归网络中进行信号塔的检测,得到所述待检测图像的检测结果。10.一种目标检测模型的训练装置,包括:样本获取模块,用于获取样本训练图像以及所述样本训练图像的标签信息;第一预测模块,用于将所述样本训练图像输入轻量化目标检测模型中进行信号塔的预测,得到所述样本训练图像的第一预测结果;第一训练模块,用于根据所述样本训练图像的第一...
【专利技术属性】
技术研发人员:安梦涛,于广华,
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。