模型训练方法、数据增强方法、目标检测方法及相关设备技术

本发明专利技术提供一种模型训练方法、数据增强方法、目标检测方法及相关设备，包括：通过目标域图像生成器和源域图像生成器生成第一目标生成图像、第一源域生成图像和源域重建图像，以及目标重建图像、第二源域生成图像以及第二目标生成图像；基于源域图像样本和源域重建图像、目标域图像样本和目标重建图像得到重建损失值；基于源域图像样本和第一源域生成图像、目标域图像样本和第二目标生成图像得到循环一致性损失值；基于第一目标生成图像和目标域图像样本、第二源域生成图像和源域图像样本，通过判别器计算得到判别损失；根据重建损失值、循环一致性损失值以及判别损失对预设的图像处理模型更新。本发明专利技术能够生成不被风格污染的风格迁移后图像。的风格迁移后图像。的风格迁移后图像。

【技术实现步骤摘要】
模型训练方法、数据增强方法、目标检测方法及相关设备


[0001]本专利技术涉及图像处理
，尤其涉及一种模型训练方法、数据增强方法、目标检测方法及相关设备。

技术介绍

[0002]图像风格迁移赋予了机器人对环境更高层次的理解，帮助机器人适应不同的场景。因此，在一个场景上训练或配置的任务，通过这种迁移学习可以很容易地在其他场景上进行。这种设置对多种机器人任务极有帮助，例如将在晴天训练的探测器转移到雨夜、地点重识别以及和跨领域的语义风格等。
[0003]目前，常用的图像域迁移方法通过Neural Style Transfer Net、Pix2Pix Net等这样的风格迁移神经网络实现图像域迁移，这些神经网络模型能够将指定的图像风格迁移到另一张完全不相干的图像上。但是这些神经网络也有自身的局限性：1)生成的图像会丢失本要保留的内容信息；2)上述提到的风格迁移神经网络需要成对的图像进行训练，而成对的数据集难以获得。
[0004]针对上述问题，Cycle GAN神经网络模型能够通过循环一致性损失(Cycle Consistency L本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：获取源域图像样本以及目标域图像样本；通过预设的图像处理模型中的目标域图像生成器和源域图像生成器，生成所述源域图像样本在目标域的第一目标生成图像、所述第一目标生成图像在源域的第一源域生成图像和所述源域图像样本在所述源域的源域重建图像，以及所述目标域图像样本在所述目标域的目标重建图像、所述目标域图像样本在所述源域的第二源域生成图像以及所述第二源域生成图像在所述目标域的第二目标生成图像；基于所述源域图像样本和所述源域重建图像，以及所述目标域图像样本和所述目标重建图像，得到重建损失值；基于所述源域图像样本和所述第一源域生成图像，以及所述目标域图像样本和所述第二目标生成图像，得到循环一致性损失值；基于所述第一目标生成图像和所述目标域图像样本、所述第二源域生成图像和所述源域图像样本，通过所述预设的图像处理模型中的判别器计算得到判别损失；根据所述重建损失值、循环一致性损失值以及所述判别损失对所述预设的图像处理模型进行更新，直到满足预定更新停止条件，获得训练好的图像处理模型。2.根据权利要求1所述的模型训练方法，其特征在于，所述预设的图像处理模型包括第一子网络以及第二子网络；在所述第一子网络中，源域编码器分别与源域图像生成器以及目标域图像生成器连接，所述目标域图像生成器分别与目标域编码器以及目标域判别器连接，所述目标域编码器与源域图像生成器连接；在所述第二子网络中，目标域编码器分别与源域图像生成器以及目标域图像生成器连接，所述源域图像生成器分别与源域编码器以及源域判别器连接，所述源域编码器与目标域图像生成器连接；相应地，所述通过预设的图像处理模型中的目标域图像生成器和源域图像生成器，生成所述源域图像样本在目标域的第一目标生成图像、所述第一目标生成图像在源域的第一源域生成图像和所述源域图像样本在所述源域的源域重建图像，以及所述目标域图像样本在所述目标域的目标重建图像、所述目标域图像样本在所述源域的第二源域生成图像以及所述第二源域生成图像在所述目标域的第二目标生成图像，包括：在所述第一子网络中，将所述源域图像样本输入至所述源域编码器中提取得到源域图像样本的内容信息，所述源域图像生成器基于所述源域图像样本的内容信息生成源域重建图像；所述目标域图像生成器基于所述源域图像样本的内容信息生成第一目标生成图像，所述目标域编码器从所述第一目标生成图像中提取得到第一目标生成图像的内容信息，所述源域图像生成器基于所述第一目标生成图像的内容信息生成第一源域生成图像；在所述第二子网络中，将所述目标域图像样本输入至所述目标域编码器中提取得到目标域图像样本的内容信息，所述目标域图像生成器基于所述目标域图像样本的内容信息生成目标重建图像；所述源域图像生成器基于所述目标域图像样本的内容信息生成第二源域生成图像，所述源域编码器从所述第二源域生成图像中提取得到第二源域生成图像的内容信息，所述目
标域图像生成器基于所述第二源域生成图像的内容信息生成第二目标生成图像。3.根据权利要求2所述的模型训练方法，其特征在于，所述基于所述源域图像样本和所述源域重建图像，以及所述目标域图像样本和所述目标重建图像，得到重建损失值，包括：在第一子网络中，根据源域重建图像以及源域图像样本，利用重建损失函数计算获得第一重建损失值；在第二子网络中...

【专利技术属性】
技术研发人员：刘松阳，李越，王昊，刘文杰，
申请(专利权)人：嬴彻星创智能科技上海有限公司，
类型：发明
国别省市：