【技术实现步骤摘要】
目标检测模型训练方法、装置、电子设备及存储介质
[0001]本申请涉及图像处理
，具体涉及一种目标检测模型训练方法、装置、电子设备及存储介质。
技术介绍
[0002]目标检测是计算机视觉领域的经典任务，广泛应用于自动驾驶、视频监控、人脸检测以及人机交互等领域中。在目标检测任务中，为了训练出符合任务需求的目标检测模型，传统的目标检测模型训练方法通常需要提供大量的已标注的图像数据作为训练数据集，以对目标检测模型进行训练。
[0003]然而，收集到的图像数据是海量的，对其进行人工标注会耗费大量时间和人力，同时该海量图像数据中，只有部分图像数据是“高价值”的数据，即是对目标检测模型的训练有较大帮助的数据。因此，如何从海量图像数据中确定“高价值”图像数据，以使仅对该“高价值”图像数据进行标注并利用已标注的“高价值”图像数据对目标检测模型进行模型训练，达到提升目标检测模型的性能的目的，是当前亟需解决的问题。
技术实现思路
[0004]本申请实施例提供了一种目标检测模型训练方法、装置、电子设备及存储介质，能够...
【技术保护点】
【技术特征摘要】
1.一种目标检测模型训练方法，其特征在于，包括：步骤1：获取训练图像样本集，利用已标注的所述训练图像样本集对目标检测模型进行模型训练，得到所述训练图像样本集的训练结果；步骤2：根据训练后的目标检测模型对无标注的所述训练图像样本集进行预测，得到所述训练图像样本集的特征信息；步骤3：以所述训练图像样本集的特征信息为模型输入，所述训练图像样本集的训练结果为模型输出，对预测模型进行模型训练；步骤4：获取新的训练图像样本集，根据训练后的预测模型对所述新的训练图像样本集进行预测，得到预测结果，根据所述预测结果确定所述新的训练图像样本集中的高价值训练图像样本，构成高价值训练图像样本集；其中，所述新的训练图像样本集为未标注的新的训练图像样本集；步骤5：将已标注的所述高价值训练图像样本集作为训练图像样本集，将训练后的目标检测模型作为目标检测模型，重新执行步骤1～步骤5，直至步骤5中训练后的目标检测模型满足预设条件，则停止对所述目标检测模型的模型训练，并将步骤5中训练后的目标检测模型作为最终目标检测模型用于对图像进行目标检测。2.根据权利要求1所述的目标检测模型训练方法，其特征在于，所述训练图像样本集的特征信息包括所述训练图像样本集中图像样本对应的表征特征和置信度；所述训练图像样本集的训练结果包括所述训练图像样本集中图像样本对应的损失变化率；所述以所述训练图像样本集的特征信息为模型输入，所述训练图像样本集的训练结果为模型输出，对预测模型进行模型训练，包括：利用所述训练图像样本集中图像样本对应的表征特征和置信度对预测模型进行模型训练，得到所述训练图像样本集中图像样本对应的预测损失变化率；根据所述训练图像样本集中图像样本对应的预测损失变化率和所述训练图像样本集中相应的图像样本对应的损失变化率对预测模型的神经元权重进行调节，得到训练后的预测模型。3.根据权利要求1所述的目标检测模型训练方法，其特征在于，所述预测结果为所述新的训练图像样本集中图像样本对应的新的预测损失变化率；所述根据训练后的预测模型对所述新的训练图像样本集进行预测，得到预测结果，包括：根据所述训练后的目标检测模型对所述新的训练图像样本集进行预测，得到所述新的训练图像样本集中图像样本对应的表征特征和置信度；根据训练后的预测模型对所述新的训练图像样本集中图像样本对应的表征特征和置信度进行预测，得到所述新的训练图像样本集中图像样本对应的新的预测损失变化率。4.根据权利要求1所述的目标检测模型训练方法，其特征在于，所述根据所述预测结果确定所述新的训练图像样本集中的高价值训练图像样本，构成高价值训练图像样本集，包括：确定所述新的训练图像样本集中新的预测损失变化率大于预设损失阈值的图像样本为高价值训练图像样本；根据所有所述高价值训练图像样本构成高价值训练图像样本集。
5.根据权利要求1
‑
4任一项所述的目标检测模型训练方法，其特征在于，所...
【专利技术属性】
技术研发人员：艾锐，丛瑞达，朱宏旭，顾维灏，
申请(专利权)人：毫末智行科技有限公司，
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。