【技术实现步骤摘要】
目标检测模型训练与目标检测方法、装置、设备以及介质
[0001]本公开实施例涉及目标检测
,尤其涉及一种目标检测模型训练与目标检测方法、装置、设备以及介质。
技术介绍
[0002]多媒体内容打标平台,会结合机器打标与人工打标两种形式。在机器打标过程中,目标检测对于自动打标和辅助人工打标发挥了重要作用。
[0003]相关方案中,通常是选定目标检测模型中的主干网络以及模型所适合支持的图像类型,然后使用训练数据集对目标检测模型进行训练与更新。但是,这样训练的目标检测模型不适合时,需要重新人工选定主干网络以及模型所适合支持的图像类型,再重新使用训练数据集进行训练,无疑会导致模型训练资源造成浪费以及训练成本高,且训练的模型精度也不佳。
技术实现思路
[0004]本公开提供一种目标检测模型训练与目标检测方法、装置、设备以及介质,以解决模型训练需反复尝试的问题,能在速度和精度平衡下快速进行模型训练。
[0005]第一方面,本公开实施例提供了一种目标检测模型训练,所述训练方法包括:
[0006]在当前阶段对目标检测模型执行第一训练任务;
[0007]依据当前阶段训练所得目标检测模型的性能消耗与检测精度,确定下一阶段对目标检测模型执行第一训练任务使用的网络参数;
[0008]依据第一训练任务所采用的网络参数,对所述目标检测模型执行第二训练任务,以得到收敛的目标检测模型;
[0009]其中所述第一训练任务的训练数据量小于所述第二训练任务的训练数据量。
[001 ...
【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,所述训练方法包括:在当前阶段对目标检测模型执行第一训练任务;依据当前阶段训练所得目标检测模型的性能消耗与检测精度,确定下一阶段对目标检测模型执行第一训练任务使用的网络参数;依据第一训练任务所采用的网络参数,对所述目标检测模型执行第二训练任务,以得到收敛的目标检测模型;其中所述第一训练任务的训练数据量小于所述第二训练任务的训练数据量。2.根据权利要求1所述的方法,其特征在于,在当前阶段对目标检测模型执行第一训练任务,包括:对所述第二训练任务使用的第二训练数据集进行下采集得到第一训练数据集;其中,所述第一训练数据集中训练样本的标签类型分布与所述第二训练数据集训练样本的标签类型分布的相似度大于预设相似度阈值;采用第一训练数据集在当前阶段对目标检测模型执行第一训练任务。3.根据权利要求1或2所述的方法,其特征在于,在当前阶段对目标检测模型执行第一训练任务,包括:当前阶段为首个训练阶段时,在目标检测模型中加载初始化网络参数,对加载有初始化网络参数的目标检测模型执行第一训练任务。4.根据权利要求1或2所述的方法,其特征在于,在当前阶段对目标检测模型执行第一训练任务,包括:当前阶段为非首个训练阶段时,在目标检测模型中加载上一阶段预先搜索的在当前阶段对目标检测模型执行第一训练任务使用的网络参数;对加载有上一阶段预先搜索的网络参数的目标检测模型执行第一训练任务。5.根据权利要求1所述的方法,其特征在于,依据当前阶段训练所得目标检测模型的性能消耗与检测精度,确定下一阶段对目标检测模型执行第一训练任务使用的网络参数,包括:若检测到当前阶段训练所得目标检测模型的性能消耗大于预设性能消耗限值和/或检测精度大于预设精度值,则对当前阶段目标检测模型使用的网络参数进行第一调整,以降低目标检测模型中特征提取网络复杂度;若检测到当前阶段训练所得目标检测模型的性能消耗小于预设性能消耗限值和/或检测精度小于预设精度值,则对当前阶段目标检测模型使用的网络参数进行第二调整,以提升目标检测模型中特征提取网络复杂度;将经第一调整或第二调整得到的网络参数确定为下一阶段对目标检测模型执行第一训练任务使用的网络参数。6.根据权利要求5所述的方法,其特征在于,对当前阶段目标检测模型使用的网络参数进行第一调整,包括:朝向能降低目标检测模型中特征提取网络复杂度的搜索方向,从预设网络参数库中搜索与当前阶段目标检测模型使用的网络参数的近邻网络参数,用以完成对当前阶段目标检测模型使用的网络参数的第一调整。7.根据权利要求5所述的方法,其特征在于,对当前阶段目标检测模型使用的网络参数
进行第二调整,包括:朝向能提升目标检测模型中特征提取网络复杂度的搜索方向,从预设网络参数库中搜索与当前阶段目标检测模型使用的网络参数的近邻网络参数,用以完成对当前阶段目标检测模型使用的网络参数的第二调整。8.根据权利要求6或7所述的方法,其特征在于,从预设网络参数库中搜索与当前阶段目标检测模型使用的网络参数的近邻网络参数,包括:控制当前阶段目标检测模型使用的网络参数中适用支持的图像输入分辨率参数不变,从预设网络参数库中搜索与当前阶段目标检测模型使用的网络参数邻近的特征提取网络参数。9.根据权利要求6或7所述的方法,其特征在于,从预设网络参数库中搜索与当前阶段目标检测模型使用的网络参数的近邻网...
【专利技术属性】
技术研发人员:陈绍冬,周依梦,郭明宇,冉蛟,
申请(专利权)人:北京字跳网络技术有限公司,
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。