目标检测模型训练方法、物体检测信息生成方法和装置制造方法及图纸

本公开的实施例公开了目标检测模型训练方法、物体检测信息生成方法和装置。该方法的一具体实施方式包括：获取训练图像样本集和该训练图像样本集对应的样本标签集；对于该训练图像样本集中的每个训练样本图像，执行以下训练步骤：响应于确定目标样本标签不包括物品位置信息、且该目标样本标签包括图像背景信息，将该训练样本图像输入至初始目标检测模型，以输出第一预测物品主体信息；根据该第一预测物品主体信息和该图像背景信息，生成第一主体损失信息；根据该第一主体损失信息，对该初始目标检测模型进行模型训练，得到训练后目标检测模型。该实施方式与人工智能有关，可以得到进行物品检测更精准的目标检测模型。

【技术实现步骤摘要】

本公开的实施例涉及计算机，具体涉及目标检测模型训练方法、物体检测信息生成方法和装置。

技术介绍

1、目前，在计算机视觉众多的
中，目标检测(object detection)是一项非常基础的任务。图像分割技术、物体追踪技术、关键点检测技术等通常都要依赖于目标检测技术。对于目标检测的准确率的提高，通常采用的方式为：提升目标检测模型的网络深度或者优化网络结构来提升准确率。

2、然而，专利技术人发现，当采用上述方式来提高准确率，经常会存在如下技术问题：

3、在训练阶段时，目标检测模型的训练效果表现较好，但是在真实场景中，目标检测的效果达不到预期效果，存在检测准确率较低的问题。

4、该
技术介绍
部分中所公开的以上信息仅用于增强对本专利技术构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的本文档来自技高网...

【技术保护点】

1.一种目标检测模型训练方法，包括：

2.根据权利要求1所述的方法，其中，在所述根据所述第一主体损失信息，对所述初始目标检测模型进行模型训练，得到训练后目标检测模型之后，所述方法还包括：

3.根据权利要求2所述的方法，其中，所述将所述训练样本图像输入至初始目标检测网络模型，以输出物品预测位置信息集和对应的第二预测物品主体信息集，包括：

4.根据权利要求2所述的方法，其中，所述根据所述物品预测位置信息集、所述第二预测物品主体信息集、所述物品位置信息和所述物品主体信息，生成第二主体损失信息和位置损失信息，包括：

5.根据权利要求4所述的方法，其...

【技术特征摘要】

1.一种目标检测模型训练方法，包括：

2.根据权利要求1所述的方法，其中，在所述根据所述第一主体损失信息，对所述初始目标检测模型进行模型训练，得到训练后目标检测模型之后，所述方法还包括：

3.根据权利要求2所述的方法，其中，所述将所述训练样本图像输入至初始目标检测网络模型，以输出物品预测位置信息集和对应的第二预测物品主体信息集，包括：

4.根据权利要求2所述的方法，其中，所述根据所述物品预测位置信息集、所述第二预测物品主体信息集、所述物品位置信息和所述物品主体信息，生成第二主体损失信息和位置损失信息，包括：

5.根据权利要...

【专利技术属性】
技术研发人员：王永杰，张屹峰，
申请(专利权)人：北京沃东天骏信息技术有限公司，
类型：发明
国别省市：