【技术实现步骤摘要】
特征图生成方法、目标检测模型的训练方法及装置
[0001]本公开涉及人工智能
，尤其涉及计算机视觉、深度学习、图像处理等
，具体涉及一种特征图生成方法、目标检测模型的训练方法及装置。
技术介绍
[0002]在视觉任务中，例如目标检测任务中，图像样本的数量越多，训练出来的目标检测模型效果越好,模型的泛化能力越强。但是在实际中，样本数量常常不足或者样本质量不够好，这就需要对样本做数据增强，以提升模型的性能。
技术实现思路
[0003]本公开提供了一种特征图生成方法、目标检测模型的训练方法及装置。
[0004]根据本公开的一方面，提供了一种特征图生成方法，方法包括：对样本图像的候选区域进行分区；在由候选区域分区得到的子区域中随机确定锚点；根据锚点在子区域中的位置信息以及候选区域在第一特征图中的映射位置，确定锚点的特征值，其中，第一特征图为样本图像的特征图；根据锚点的特征值，生成候选区域的第二特征图，第二特征图用于预测候选区域中对象的类别。
[0005]根据本公开的另一方面，提供了一种目标...
【技术保护点】
【技术特征摘要】
1.一种特征图生成方法，所述方法包括：对样本图像的候选区域进行分区；在由所述候选区域分区得到的子区域中随机确定锚点；根据所述锚点在所述子区域中的位置信息以及所述候选区域在第一特征图中的映射位置，确定所述锚点的特征值，其中，所述第一特征图为所述样本图像的特征图；根据所述锚点的特征值，生成所述候选区域的第二特征图，所述第二特征图用于预测所述候选区域中对象的类别。2.根据权利要求1所述的方法，其中，在由所述候选区域划分得到的子区域中随机确定锚点，包括：将所述子区域划分为多个单元；在所述多个单元的每个单元中随机确定锚点。3.根据权利要求2所述的方法，其中，根据所述锚点的特征值，生成所述候选区域的第二特征图，包括：将所述锚点的特征值作为所述锚点所在单元的特征值，并对所述子区域中的所述多个单元的特征值进行平均，得到所述子区域的特征值；根据所述候选区域中的子区域的特征值，生成所述候选区域的第二特征图。4.根据权利要求1
‑
3中任一项所述的方法，其中，根据所述锚点在所述子区域中的位置信息以及所述候选区域在所述第一特征图中的映射位置，确定所述锚点的特征值，包括：根据所述锚点在所述子区域中的位置信息以及所述候选区域在所述第一特征图中的映射位置，从所述第一特征图包含的多个网格中确定与所述锚点对应的目标网格；根据所述目标网格的特征信息，利用双线性插值算法确定所述锚点的特征值。5.根据权利要求1
‑
4中任一项所述的方法，在对样本图像的候选区域进行分区之前，所述方法还包括：随机扩大所述候选区域的尺寸。6.根据权利要求5所述的方法，其中，随机扩大所述候选区域的尺寸，包括：随机生成扩大系数，所述扩大系数大于1；根据所述扩大系数、所述候选区域的长度以及所述候选区域的宽度，确定扩大后的所述候选区域的目标长度和目标宽度；在保持所述候选区域的中心位置不变的情况下，根据所述目标长度和所述目标宽度对所述候选区域进行扩大。7.一种目标检测模型的训练方法，所述方法包括：获取样本图像以及所述样本图像的标注信息；将所述样本图像输入目标检测模型，得到所述样本图像的预测结果；且在得到所述样本图像的预测结果的过程中，所述目标检测模型用于根据权利要求1
‑
6中任一项所述的方法得到所述样本图像中候选区域的第二特征图，所述第二特征图用于得到所述样本图像的预测结果；根据所述样本图像的预测结果以及所述样本图像的标注信息，对所述目标检测模型的参数进行调整，得到训练好的目标检测模型。8.根据权利要求7所述的方法，其中，所述目标检测模型包括第一中间层、第二中间层
以及第三中间层；将所述样本图像输入目标检测模型，得到所述样本图像的预测结果，包括：将所述样本图像输入所述第一中间层，得到所述样本图像的候选区域以及所述样本图像的第一特征图；将所述候选区域和所述第一特征图输入所述第二中间层，得到所述候选区域的第二特征图；将所述第二特征图输入所述第三中间层，得到所述样本图像的预测结果。9.一种目标检测方法，包括：获取待测图像；将所述待测图像输入训练好的目标检测模型，得到所述待测图像的检测结果，其中，所述训练好的目标检测模型是采用如权利要求7或8所述的方法训练得到。10.一种特征图生成装置，所述装置包括：分区单元，用于对样本图像的候选区域进行分区；第一确定单元，用于在由所述候选区域分区得到的子区域中随机确定锚点；第二确定单元，用于根据所述锚点在所述子区域中的位置信息以及所述候选区域在第一特征图中的映射位置，确定所述锚点的特征值，其中，所述第一特征图为...
【专利技术属性】
技术研发人员：陈阳，李弼，希滕，张刚，
申请(专利权)人：北京百度网讯科技有限公司，
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。