【技术实现步骤摘要】
本专利技术属于智能控制，具体涉及一种基于目标检测模型的图像训练方法、设备及存储介质。
技术介绍
1、智能设备通常要求设备具备识别物体的能力，对于洗护设备而言需要带有识别衣物类型或者材质的功能，从而帮助用户更好的洗衣服。
2、现有洗护设备大都通过图像识别功能对衣物类型或者材质进行识别，由于图像数据量是不断增加的，通常需要大量的数据进行多次迭代训练才能提高识别准确性，这就需要将新数据和旧数据一起训练。
3、当识别的种类增加时，现有带有图像识别功能的设备，通常需要将新数据和旧数据重新放进训练，这就导致训练一次会消耗较多的时间，另外，由于深度学习技术本身的特性，会导致旧数据识别准确率出现下降的情况。
技术实现思路
1、为了解决现有技术中的上述问题，即为了解决现有新数据和旧数据训练时导致旧数据识别准确率下降的问题，本专利技术提供了一种基于目标检测模型的图像训练方法，包括：
2、根据已训练完成的第一目标检测模型和旧衣物图像，得到所述旧衣物图像的第一候选框，所述第一目标检测模型为损失权重固定的目标检测模型；
3、根据新衣物图像和所述旧衣物图像的第一候选框，训练第二目标检测模型，得到训练完成的第二目标检测模型；
4、其中，所述新衣物图像的类别与所述旧衣物图像的类别不同，所述第一目标检测模型与所述第二目标检测模型的结构相同，所述第二目标检测模型在训练过程中损失权重不断变化。
5、在一种可能的设计中，所述根据已训练完成的第一目标检
6、将所述旧衣物图像输入至所述第一目标检测模型，得到所述第一目标检测模型的第一输出结果，所述第一输出结果包括第一标注真实框与第一候选框的第一偏移量；
7、根据所述第一标注真实框以及所述第一偏移量，得到所述旧衣物图像的第一候选框。
8、在一种可能的设计中，所述根据新衣物图像和所述旧衣物图像的第一候选框，训练第二目标检测模型，得到训练完成的第二目标检测模型，包括：
9、将所述新衣物服图像、所述第一候选框和各自对应的第二标注真实框输入至所述第二目标检测模型，得到所述第二目标检测模型的第二输出结果，所述第二输出结果包括每个目标候选框与各自对应的第二标注真实框的第二偏移量，所述多个目标候选框包括新衣物图像中的预设候选框和所述第一候选框；
10、根据所述第二输出结果，调整所述第二目标检测模型的损失权重，直至所述第二目标检测模型收敛。
11、在一种可能的设计中，所述第二目标检测模型用于：
12、根据所述新衣物图像和预设规则产生预设候选框；
13、将所述预设候选框与对应的第二标注真实框的交并比以及第一候选框作为目标候选框，裁剪所述目标候选框以进行分类，得到分类概率；
14、将每个目标候选框与各自对应的第二标注真实框的第二偏移量和所述分类概率作为第二输出结果并输出。
15、在一种可能的设计中，所述方法还包括：
16、获取所述第一目标检测模型输出的第一候选框与第一标注真实框的第一偏移量；
17、获取所述第二偏移量中第一候选框与对应的第二标注真实框的第三偏移量；
18、根据所述第一偏移量和所述第三偏移量，得到增量损失函数；
19、根据所述增量损失函数调整所述第二目标检测模型的损失权重。
20、在一种可能的设计中，所述根据所述第一标注真实框以及所述第一偏移量，得到所述旧衣物图像的第一候选框，包括：
21、tx＝(x-xa)/wa；
22、ty＝(y-ya)/ha；
23、tw＝log(w/wa)；
24、th＝log(h/ha)；
25、式中，(tx，ty，tw，th)为所述第一偏移量；(x，y，w，h)为所述第一标注真实框；(xa，ya，wa，ha)为所述第一候选框。
26、第二方面，本申请提供一种基于目标检测模型的图像训练设备，包括：
27、获取模块，用于根据已训练完成的第一目标检测模型和旧衣物图像，得到所述旧衣物图像的第一候选框，所述第一目标检测模型为损失权重固定的目标检测模型；
28、训练模块，用于根据新衣物图像和所述旧衣物图像的第一候选框，训练第二目标检测模型，得到训练完成的第二目标检测模型；其中，所述新衣物图像的类别与所述旧衣物图像的类别不同，所述第一目标检测模型与所述第二目标检测模型的结构相同，所述第二目标检测模型在训练过程中损失权重不断变化。
29、在一种可能的设计中，还包括：
30、约束模块，用于将所述新衣物图像、所述第一候选框和各自对应的第二标注真实框输入至所述第二目标检测模型，得到所述第二目标检测模型的第二输出结果，所述第二输出结果包括每个目标候选框与各自对应的第二标注真实框的第二偏移量，所述目标候选框包括新衣物图像的预设候选框和所述第一候选框；根据所述第二输出结果，调整所述第二目标检测模型的损失权重，直至所述第二目标检测模型收敛。
31、第三方面，本申请提供一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；
32、所述存储器存储计算机执行指令；
33、所述处理器执行所述存储器存储的计算机执行指令，以实现基于目标检测模型的图像训练方法。
34、第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现基于目标检测模型的图像训练方法。
35、本领域技术人员能够理解的是，本专利技术提供的基于目标检测模型的图像训练方法、设备及存储介质，通过根据已训练完成的第一目标检测模型和旧衣物图像，得到所述旧衣物图像的第一候选框，所述第一目标检测模型为损失权重固定的目标检测模型；根据新衣物图像和所述旧衣物图像的第一候选框，训练第二目标检测模型，得到训练完成的第二目标检测模型的手段，在保留原来旧衣物图像的训练结果，新增区别于旧衣物图像类别的新衣物图像训练结果，由于利用了第一候选框作为模型训练输入，极大地降低训练时长和计算量，提高增量学习效率，避免新衣物图像对旧衣物图像的训练产生影响，克服深度学习的遗忘缺陷，提高数据识别的准确率。
本文档来自技高网...【技术保护点】
1.一种基于目标检测模型的图像训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据已训练完成的第一目标检测模型和旧衣物图像，得到所述旧衣物图像的第一候选框，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据新衣物图像和所述旧衣物图像的第一候选框，训练第二目标检测模型，得到训练完成的第二目标检测模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述第二目标检测模型用于：
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
6.根据权利要求2所述的方法，其特征在于，所述根据所述第一标注真实框以及所述第一偏移量，得到所述旧衣物图像的第一候选框，包括：
7.一种基于目标检测模型的图像训练设备，其特征在于，包括：
8.根据权利要求7所述的方法，其特征在于，还包括：
9.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述
...【技术特征摘要】
1.一种基于目标检测模型的图像训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据已训练完成的第一目标检测模型和旧衣物图像，得到所述旧衣物图像的第一候选框，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据新衣物图像和所述旧衣物图像的第一候选框，训练第二目标检测模型，得到训练完成的第二目标检测模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述第二目标检测模型用于：
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
【专利技术属性】
技术研发人员：张信耶，丁晓鹏，万文鑫，
申请(专利权)人：青岛胶州海尔洗涤电器有限公司，
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。