训练用于检测任务的神经网络模型的方法及装置制造方法及图纸

本公开的实施例提供了一种训练用于检测任务的神经网络模型的方法、装置、计算机程序产品和存储介质，可应用于云技术、人工智能、智慧交通、辅助驾驶、工业缺陷检测等场景。所述方法包括：获取图像样本的图像特征和指示检测任务所针对的类别组的文本的文本特征；对图像特征进行掩模处理，以获取掩模图像特征；对文本特征进行掩模处理，以获取掩模文本特征；对掩模图像特征和掩模文本特征进行融合，以得到融合后的特征，基于融合后的特征来预测针对目标对象的检测结果；获取针对目标对象的标签，从而对神经网络模型进行训练。本公开的方法能够在针对不同的检测任务进行增量学习的情况下，有效缓解灾难性遗忘问题，提高目标检测的准确率。

【技术实现步骤摘要】

本公开涉及人工智能领域，更具体地，涉及训练用于检测任务的神经网络模型的方法、装置、计算机程序产品和存储介质，以及对图像中的目标对象进行检测的方法、装置、计算机程序产品和存储介质。

技术介绍

1、图像作为人类获取信息最重要的来源之一在各种信息库中占有极大比重。随着计算机技术的快速发展，图像处理已经广泛应用到了人类社会生活的各个方面，如：工业检测、医学、智能机器人等。图像以其生动性和直观性常被应用于各领域来描述和表达事物的特性与逻辑关系，应用范围广泛，因此，图像处理技术的发展及对各领域的信息处理都极为重要。图像处理技术是用计算机对图像信息进行处理的技术。主要包括图像目标检测、图像增强和复原、图像数据编码、图像分割和图像识别等。其中，图像目标检测技术广泛用于安全监测、自动驾驶、交通状况监测、无人机场景分析、机器人视觉等应用场景中。

2、目标检测是一种与计算机视觉和图像处理相关的计算机技术，用于检测数字图像和视频中某一类语义目标对象(如人、建筑物或汽车)。目标检测的研究领域包括多类别检测、边缘检测、突出目标检测、姿势检测、场景文本检测、人脸检测、行人检本文档来自技高网...

【技术保护点】

1.一种训练用于检测任务的神经网络模型的方法，包括：

2.如权利要求1所述的方法，其中，对于多个所述检测任务，所述目标检测网络包括多个针对不同检测任务的目标检测网络，所述不同检测任务所针对的类别组不同，

3.如权利要求2所述的方法，其中，多个所述检测任务包括第一检测任务和第二检测任务，

4.如权利要求3所述的方法，其中，对于所述第一检测任务，

5.如权利要求4所述的方法，其中，对于所述第二检测任务，

6.如权利要求1所述的方法，其中，对所述掩模图像特征和所述掩模文本特征进行融合包括：

7.如权利要求1所述的方法，其中...

【技术特征摘要】

1.一种训练用于检测任务的神经网络模型的方法，包括：

2.如权利要求1所述的方法，其中，对于多个所述检测任务，所述目标检测网络包括多个针对不同检测任务的目标检测网络，所述不同检测任务所针对的类别组不同，

3.如权利要求2所述的方法，其中，多个所述检测任务包括第一检测任务和第二检测任务，

4.如权利要求3所述的方法，其中，对于所述第一检测任务，

5.如权利要求4所述的方法，其中，对于所述第二检测任务，

6.如权利要求1所述的方法，其中，对所述掩模图像特征和所述掩模文本特征进行融合包括：

7.如权利要求1所述的方法，其中，对所述掩模图像特征和所述掩模文本特征进行融合包括：

8.如权利要求1所述的方法，其中，所述目标对象的检测结果包括：所述目标对象的预测类别以及所述目标对象的预测位置，所述目标对象的标签包括：所述目标对象的类别标签以及所述目标对象的位置标签，

9.如权利要求8所述的方法，其中，基于所述目标对象的检测结果和所述目标对象的标签对所述神经网络模型进行训练包括：

10.如权利要求9所述的方法，其中，

11.一种训练用于检测任务的神经网络模...

【专利技术属性】
技术研发人员：曾怡，高斌斌，刘俊，汪铖杰，
申请(专利权)人：腾讯科技上海有限公司，
类型：发明
国别省市：