目标检测模型训练与目标检测方法、装置、设备以及介质制造方法及图纸

本公开实施例提供了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。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。采用本公开实施例的技术方案，引入自动搜索机制，解决了模型训练需反复尝试的问题，缩短了开发人员调参所需要的时间；通过搜索得到速度与精度平衡的网络参数，在保证目标检测模型准确率的同时又能达到更快的速度，避免造成资源的浪费。免造成资源的浪费。免造成资源的浪费。

【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。
[0010]第二方面，本公开实施例还提供了一种目标检测方法，所述目标检测方法包括：
[0011]确定待处理多媒体内容；
[0012]将所述待处理多媒体内容输入到所述目标检测模型中，得到所述待处理多媒体内容的目标检测结果。
[0013]第三方面，本公开实施例还提供了一种目标检测模型训练装置，所述训练装置包括：
[0014]第一训练任务执行模块，用于在当前阶段对目标检测模型执行第一训练任务；
[0015]网络参数确定模块，用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；
[0016]目标检测模型确定模块，用于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。
[0017]第四方面，本公开实施例还提供了一种目标检测装置，所述目标检测装置包括：
[0018]多媒体内容确模块，用于确定待处理多媒体内容；
[0019]目标检测模块，用于将所述待处理多媒体内容输入到所述目标检测模型中，得到所述待处理多媒体内容的目标检测结果。
[0020]第五方面，本公开实施例还提供了一种电子设备，所述电子设备包括：
[0021]至少一个处理器；以及
[0022]与所述至少一个处理器通信连接的存储器；其中，
[0023]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述实施例中任一项所述的目标检测模型训练方法或目标检测方法。
[0024]第六方面，本公开实施例还提供了一种计算机可读存储介质，所述计算机可读介质存储有计算机指令，所述计算机指令用于使处理器执行时实现上述实施例中任一项所述的目标检测模型训练方法或目标检测方法。
[0025]本公开实施例提供了一种目标检测模型训练方法，通过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。采用本公开实施例的技术方案，引入自动搜索机制，解决了模型训练需反复尝试的问题，缩短了开发人员调参所需要的时间；通过搜索得到速度与精度平衡的网络参数，在保证目标检测模型准确率的同时又能达到更快的速度，避免造成资源的浪费。
[0026]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0027]结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
[0028]图1为本公开实施例所提供的一种目标检测模型训练方法流程示意图；
[0029]图2是本公开实施例所提供的一种现有的模型训练方法的流程示意图；
[0030]图3是本公开实施例所提供的另一种目标检测模型训练方法的流程示意图；
[0031]图4为本公开实施例所提供的又一种目标检测模型训练方法的流程示意图；
[0032]图5是本公开实施例所提供的一种目标检测方法流程示意图；
[0033]图6为本公开实施例所提供的一种目标检测模型训练装置结构示意图；
[0034]图7为本公开实施例所提供的一种目标检测装置结构示意图；
[0035]图8为本公开实施例所提供的一种电子设备的结构示意图。
具体实施方式
[0036]下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的
是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0037]应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
[0038]本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
[0039]需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0040]需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0041]本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
[本文档来自技高网...

【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：