【技术实现步骤摘要】
深度学习增强模型精度的训练方法、目标检测方法及系统
[0001]本专利技术涉及人工智能、计算机视觉
，尤其是涉及一种深度学习增强模型精度的训练方法、目标检测方法及系统。
技术介绍
[0002]随着电子设备的日益智能化和人工智能技术的快速发展，目标检测在各个领域得到了广泛应用，可以检测出数字图像中是否存在目标对象以及目标对象的位置。为了保持目标检测任务的实时性，目前用于进行目标检测任务的目标检测模型多采用一阶段模型，如YOLO系列模型、RetinaNet模型、SSD网络模型等等。由于这些网络的模型结构简单、计算量少，因此执行速度很快，但目标检测的精度偏低。
技术实现思路
[0003]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供了一种检测精度高的深度学习增强模型精度的训练方法、目标检测方法及系统。
[0004]本专利技术的目的可以通过以下技术方案来实现：
[0005]根据本专利技术的第一方面，提供了一种深度学习增强模型精度的训练方法，该方法包括：
[0006]通过深度学习...
【技术保护点】
【技术特征摘要】
1.一种深度学习增强模型精度的训练方法，其特征在于，该方法包括：通过深度学习模型对样本数据进行处理，得到分别代表预测目标不同信息的预测结果A、预测结果B、预测结果C以及预测结果D；根据所述预测结果A和预测结果B获取第一损失函数值L
reg
，根据所述预测结果B获取第二损失函数值L
iou
，根据所述预测结果C获取第三损失函数值L
obj
，根据所述预测结果B和预测结果D获取第四损失函数值L
cls
；根据所述第一损失函数值L
reg
、第二损失函数值L
iou
、第三损失函数值L
obj
和第四损失函数值L
cls
确定出深度学习模型的损失函数值；基于所述深度学习模型的损失函数值，利用反向传播算法对所述深度学习模型的权重参数进行调整，直至所述损失函数值满足预设值，得到训练完成的深度学习模型。2.根据权利要求1所述的一种深度学习增强模型精度的训练方法，其特征在于，所述样本数据为携带有目标标注信息的数字图像。3.根据权利要求1所述的一种深度学习增强模型精度的训练方法，其特征在于，所述预测结果A为预测边界框，包括中心点坐标、宽高信息；所述预测结果B为预测边界框的交并比值；所述预测结果C为包括预测目标的概率值；所述预测结果D为预测目标所属类别的概率信息。4.根据权利要求1所述的一种深度学习增强模型精度的训练方法，其特征在于，所述根据所述预测结果A和预测结果B获取第一损失函数值L
reg
，具体为：所述损失函数值L
reg
是所述预测结果A和对应的目标标注信息之间的损失函数的计算值，并通过所述的预测结果B进行动态调整，其数学计算公式如下：其中，N是所述预测结果A的数量；T是所述目标标注信息的数量；对于其中，N是所述预测结果A的数量；T是所述目标标注信息的数量；对于为所述预测结果B的第i个结果，α为可预设的幂次方参数；述预测结果B的第i个结果，α为可预设的幂次方参数；和分别是预测结果A的第i个结果的中心点坐标、宽和高；x
j
、y
j
、w
j
和h
j
分别是所述目标标注信息的第j个标注信息的中心点坐标、宽和高；第j个标注信息的中心点坐标、宽和高；的计算方法如下：其中对于IOU
ij
是所述预测结果A的第i个结果与所述的目标标注信息的第j个标注信息之间的交并比。5.根据权利要求1所述的一种深度学习增强模型精度的训练方法，其特征在于，所述根据所述预测结果B获取损失函数值L
iou
，具体为：所述第二损失函数值L
iou
是所述预测结果B与对应的目标标注信息之间的损失函数的计算值，其数学计算公式如下：
6.根据权利要求1所述的一种深度学习增强模型精度的训练方法，其特征...
【专利技术属性】
技术研发人员：陆飞，雷秀洋，赵国荣，
申请(专利权)人：上海品奇科技有限公司，
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。