【技术实现步骤摘要】
目标检测方法、样本增强方法、装置、设备和存储介质
[0001]本专利技术涉及人工智能
,尤其涉及目标检测方法
、
样本增强方法
、
装置
、
设备和存储介质
。
技术介绍
[0002]目标检测是计算机视觉领域的一个重要应用场景,检测的目的是在一张图片或视频中检测出特定目标的位置
、
数量和类别等信息,或者在文本中检测出特定对象等
。
目前目标检测一般是由在固定数据集上训练得到的目标检测模型进行预测
。
[0003]在实际应用中,时间的推移和不同环境下出现的不同对象形态和数量的变化可能会导致目标检测模型无法适应新的数据分布,从而导致预测准确率下降
。
为了解决这个问题,相关技术采用了增量学习的方法,即利用新的流数据去更新目标检测模型
。
在增量学习的过程中,每个任务或类别的数据分布是固定的,不会随着时间的推移而发生变化
。
然而,真实的数据流可能不属于同一分布,通过这种增量学习的方式来更新目标检测模型,可能会导致灾难性遗忘,即目标检测模型在当前新数据上得到优化后,在旧数据上的性能会显著下降
。
技术实现思路
[0004]本申请实施例的主要目的在于提出目标检测方法
、
样本增强方法
、
装置
、
设备和存储介质,提升目标检测模型的预测准确率,降低灾难性遗忘的概率
。
[0005] ...
【技术保护点】
【技术特征摘要】
1.
一种基于样本增量的目标检测方法,其特征在于,包括:获取流数据,并根据所述流数据生成流数据样本;获取数据存储空间的空间值,若所述空间值表征所述数据存储空间未满,则将所述流数据样本存入所述数据存储空间,以更新所述数据存储空间的数据样本集合;若所述空间值表征所述数据存储空间已满,则利用所述流数据样本更新所述数据存储空间中数据样本集合;所述数据样本集合包括至少一个数据样本;根据预设增强策略将所述数据样本分为第一样本集和第二样本集,并将所述第一样本集输入样本增强模型进行样本增强处理,得到增强样本集;将所述增强样本集
、
所述第二样本集和所述流数据样本构成输入样本集,利用所述输入样本集对目标检测任务模型进行模型训练,得到训练后的目标检测任务模型;获取待检测数据,并将所述待检测数据输入训练后的所述目标检测任务模型进行目标检测,得到目标检测结果
。2.
根据权利要求1所述的基于样本增量的目标检测方法,其特征在于,所述利用所述流数据样本更新所述数据存储空间中数据样本集合,包括:利用特征提取模型获取所述流数据样本的流数据样本向量以及所述数据样本的数据样本向量;计算所述流数据样本向量和每个所述数据样本向量的相似度值;根据所述相似度值选择目标样本向量,利用所述数据流样本和所述目标样本向量更新所述数据样本集合
。3.
根据权利要求2所述的基于样本增量的目标检测方法,其特征在于,所述根据所述相似度值选择目标样本向量,利用所述数据流样本和所述目标样本向量更新所述数据样本集合,包括:对所述相似度值进行排序,选取所述相似度值最小的所述数据样本向量作为目标样本向量;利用所述流数据样本替换所述目标样本向量对应的所述数据样本,以更新所述数据样本集合
。4.
根据权利要求1所述的基于样本增量的目标检测方法,其特征在于,训练后的所述目标检测任务模型包括头部函数,将训练后的所述目标检测任务模型去除所述头部函数之后得到的嵌入函数作为所述特征提取模型
。5.
根据权利要求4所述的基于样本增量的目标检测方法,其特征在于,当更新所述数据样本集合,则重新训练所述目标检测任务模型的模型权重,并将所述模型权重同步更新至所述特征提取模型
。6.
根据权利要求1至5任一项所述的基于样本增量的目标检测方法,其特征在于,所述样本增强模型包括生成器模型和判别器模型;所述第一样本集包括至少一个所述数据样本;所述将所述第一样本集输入样本增强模型进行样本增强,得到增强样本集,包括:利用所述生成器模型生成伪样本;将所述数据样本和所述伪样本作为鉴别样本输入所述判别器模型,分别计算所述鉴别样本的概率评估值;基于所述概率评估值调整所述生成器模型的模型权重,直至达到预设迭代条件,得到
增强样本生成模型;利用所述增强样本生成模型生成至少一个增强样本,所述增强样本构成所述增强样本集
。7.
一种样本增强方法,其特征在于,包括:获取流数据,并根据所述流数据生成流数据样本;...
【专利技术属性】
技术研发人员:王珊珊,杨浩,郑海荣,徐凡,陈杰,田永鸿,高文,
申请(专利权)人:鹏城实验室,
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。