【技术实现步骤摘要】
模型构建方法及目标检测方法
[0001]本申请涉及机器学习
,尤其涉及一种模型构建方法及目标检测方法。
技术介绍
[0002]随着深度学习技术的飞速发展与计算机硬件性能的提升,基于深度学习的目标检测模型在监考系统中得到了广泛的研究和应用。然而,现有的目标检测模型存在准确率低、计算量大、无法实时监控等问题,无法满足存在多种复杂情形的线上或线下考场环境(如线上考场杂乱的考试环境、低性能的监控设备无法提供现有的目标检测模型需要的算力、考场过亮或过暗的灯光布置等)的监考要求,从而导致现有的目标检测模型适用范围较小。
技术实现思路
[0003]基于此,有必要针对上述技术问题,提供一种模型构建方法及目标检测方法,以解决现有的目标检测方案中存在适用范围较小的问题。
[0004]本申请实施例的第一方面提供了一种模型构建方法,应用于电子设备,所述方法包括:融合特征金字塔网络、特征尺度融合网络、高速特征超分模块、三叉检测头网络,构建初始检测模型;利用预设训练样本集对所述初始检测模型进行稀疏化训练,以令所述初始检测模型对所述预设训练样本集中每一预设训练样本中的目标物体进行预测,得到目标检测模型。
[0005]本申请实施例的第二方面提供一种基于第一方面提供的目标检测模型的目标检测方法,应用于监控设备,所述方法包括:采集监控视频,并对所述监控视频进行预处理,得到待检测图像;利用所述目标检测模型对所述待检测图像进行目标检测,确定出所述待检测图像中的目标物体。
[0006]本申请实施例的第三方面提供了 ...
【技术保护点】
【技术特征摘要】
1.一种模型构建方法,应用于电子设备,其特征在于,所述模型构建方法包括:融合特征金字塔网络、特征尺度融合网络、高速特征超分模块、三叉检测头网络,构建初始检测模型;利用预设训练样本集对所述初始检测模型进行稀疏化训练,以令所述初始检测模型对所述预设训练样本集中每一预设训练样本中的目标物体进行预测,得到目标检测模型。2.如权利要求1所述的模型构建方法,其特征在于,在利用预设训练样本集对所述初始检测模型进行稀疏化训练,以令所述初始检测模型对所述预设训练样本集中每一预设训练样本中的目标物体进行预测,得到目标检测模型之后,所述模型构建方法还包括:将所述目标检测模型部署至监控设备;监测所述监控设备利用所述目标监测模型执行目标检测任务的推理耗时;若所述推理耗时不满足预设实时性要求,返回执行融合特征金字塔网络、特征尺度融合网络、高速特征超分模块、三叉检测头网络,构建初始检测模型的步骤。3.如权利要求1所述的模型构建方法,其特征在于,所述融合特征金字塔网络、特征尺度融合网络、高速特征超分模块、三叉检测头网络,构建初始检测模型,包括:以特征金字塔网络、特征尺度融合网络、高速特征超分模块作为特征编码模块,以三叉检测头网络作为特征解码模块构建所述初始检测模型,所述特征编码模块用于提取目标特征,所述特征解码模块用于还原所述目标特征对应的目标物体。4.如权利要求1所述的模型构建方法,其特征在于,所述利用预设训练样本集对所述初始检测模型进行稀疏化训练,以令所述初始检测模型对所述预设训练样本集中每一预设训练样本中的目标物体进行预测,得到目标检测模型,包括:利用预设训练样本集对所述初始检测模型进行稀疏化训练,压缩模型参数,得到训练好的检测模型;检测所述训练好的检测模型的检测精度;若所述检测精度大于或等于预设精度阈值,对所述训练好的检测模型进行模型剪枝,得到剪枝后的检测模型;检测所述剪枝后的检测模型的模型尺寸;若所述模型尺寸满足预设模型尺寸要求,对所述剪枝后的检测模型进行模型量化,得到所述目标检测模型;若所述模型尺寸不满足预设模型尺寸要求,返回执行利用预设训练样本集对所述初始检测模型进行稀疏化训练,压缩模型参数,得到训练好的目标检测模型的步骤;若所述检测精度小于预设精度阈值,返回执行融合特征金字塔网络、特征尺度融合网络、高速特征超分模块、三叉检测头网络,构建初始检测模型的步骤。5.如权利要求1所述的模型构建方法,其特征在于,所述利用预设训练样本集对所述初始检测模型进行稀疏化训练,以令所述初始检测模型对所述预设训练样本集中每一预设训练样本中的目标物体进行预测,得到目标检测模型,包括:基于锚框自适应算法与所述预设训练样本集确定所述目标检测模型的锚框配置,并对所述预设训练样本集进行数据增强,得...
【专利技术属性】
技术研发人员:李福海,朱龙柏,李凯,刘应斌,
申请(专利权)人:抖动科技深圳有限公司,
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。