【技术实现步骤摘要】
本申请涉及目标检测领域，尤其涉及一种模型训练方法、目标检测方法及装置。
技术介绍
1、目前，随着人工智能技术的快速发展，通过预先训练的目标检测模型对某一图像中进行目标检测，从而预测得到图像中包含的各个目标所在边界框的坐标信息、以及预测得到边界框所圈定的图像区域中目标的具体类别的需求越来越高。
2、其中，相关技术中的目标检测模型训练过程中，主要基于边界框回归对应的交叉熵损失和边界框分类对应的交叉熵损失，来计算模型损失值，进而对模型参数进行迭代优化，导致对于预设样本图像集合而言，训练得到的目标检测模型的模型参数的准确度比较高，但对于待目标检测图像而言，训练得到的目标检测模型的模型参数的准确度会有所降低，导致目标检测模型的泛化性差，进而导致模型应用阶段的目标检测时目标对象位置标记和目标对象分类的准确度均比较低。
技术实现思路
1、本申请实施例的目的是提供一种模型训练方法、目标检测方法及装置，能够提高训练后模型的目标检测准确度、泛化性和数据迁移性，从而实现同时确保目标检测时目标对象位置...
【技术保护点】
1.一种模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一参考边界框对应的真实边界框和第一预测边界框、以及所述第一参考边界框对应的真实类别和第一预测类别，生成判别结果集合，包括：
3.根据权利要求2所述的方法，其特征在于，所述判别结果集合还包括第三判别结果；所述基于所述第一参考边界框对应的真实边界框和第一预测边界框、以及所述第一参考边界框对应的真实类别和第一预测类别，生成判别结果集合，还包括：
4.根据权利要求2所述的方法，其特征在于，所述判别结果集合还包括第四判别结果；所述基于所述...
【技术特征摘要】
1.一种模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一参考边界框对应的真实边界框和第一预测边界框、以及所述第一参考边界框对应的真实类别和第一预测类别，生成判别结果集合，包括：
3.根据权利要求2所述的方法，其特征在于，所述判别结果集合还包括第三判别结果；所述基于所述第一参考边界框对应的真实边界框和第一预测边界框、以及所述第一参考边界框对应的真实类别和第一预测类别，生成判别结果集合，还包括：
4.根据权利要求2所述的方法，其特征在于，所述判别结果集合还包括第四判别结果；所述基于所述第一参考边界框对应的真实边界框和第一预测边界框、以及所述第一参考边界框对应的真实类别和第一预测类别，生成判别结果集合，还包括：
5.根据权利要求3或4所述的方法，其特征在于，所述基于每个所述第一参考边界框对应的第一判别结果和第二判别结果，确定所述待训练模型的总损失值，包括：
6.根据权利要求2所述的方法，其特征在于，所述对所述第一参考边界框对应的真实边界框和第一预测边界框进行边界框真伪判别，得到第一判别结果，包括：
7.根据权利要求6所述的方法，其特征在于，所述基于所述第一判别概率和所述第二判别概率，生成第一判别结果，包括：
8.根据权利要求2所述的方法，其特...
【专利技术属性】
技术研发人员：吕永春，朱徽，王钰，周迅溢，曾定衡，蒋宁，
申请(专利权)人：马上消费金融股份有限公司，
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。