训练图像生成、定位检测网络训练、定位检测方法及装置与流程

技术特征：
1.一种训练图像生成方法，其特征在于，所述方法包括：获取第一数量个检测目标图像和第二数量个背景图像，所述检测目标图像为交通信号灯图像；从预设的图像特效库中选择至少一个第一图像特效数据和至少一个第二图像特效数据；基于所述第一图像特效数据对所述检测目标图像进行特效处理，得到第三数量个特效处理后的检测目标图像，所述第三数量大于所述第一数量；基于所述第二图像特效数据对所述背景图像进行特效处理，得到第四数量个特效处理后的背景图像，所述第四数量大于所述第二数量；响应于图像合成指令，所述图像合成指令包括所述特效处理后的检测目标图像在所述特效处理后的背景图像中的第一位置信息，基于所述第一位置信息，在所述特效处理后的背景图像中添加所述特效处理后的检测目标图像，得到标注有所述第一位置信息的训练图像。2.根据权利要求1所述的方法，其特征在于，在所述响应于图像合成指令，所述图像合成指令包括所述特效处理后的检测目标图像在所述特效处理后的背景图像中的第一位置信息，基于所述第一位置信息，在所述特效处理后的背景图像中添加所述特效处理后的检测目标图像，得到标注有所述第一位置信息的训练图像之前，所述方法还包括：响应于基于所述特效处理后的背景图像触发的位置信息配置指令，获取所述位置信息配置指令在所述特效处理后的背景图像中对应的触发位置信息；将所述触发位置信息作为所述第一位置信息。3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：获取第五数量个对比目标图像；从所述预设的图像特效库中选择至少一个第三图像特效数据；基于所述第三图像特效数据对所述对比目标图像进行特效处理，得到第六数量个特效处理后的对比目标图像，所述第五数量大于所述第六数量；响应于所述图像合成指令，所述图像合成指令包括所述第一位置信息和所述特效处理后的对比目标图像在所述特效处理后的背景图像中的第二位置信息，基于所述第一位置信息和所述第二位置信息，在所述特效处理后的背景图像中添加所述特效处理后的检测目标图像和所述特效处理后的对比目标图像，得到标注有所述第一位置信息的所述训练图像。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：对所述训练图像进行数据扩充，得到目标训练图像。5.根据权利要求4所述的方法，其特征在于，所述对所述训练图像进行数据扩充，得到目标训练图像包括：获取第七数量个更新检测目标图像和第八数量个更新背景图像；从所述预设的图像特效库中选择至少一个第四图像特效数据和至少一个第五图像特效数据；基于所述第四图像特效数据对所述更新检测目标图像进行特效处理，得到第九数量个特效处理后的更新检测目标图像，所述第九数量大于所述第七数量；基于所述第五图像特效数据对所述更新背景图像进行特效处理，得到第十数量个特效
处理后的更新背景图像，所述第十数量大于所述第八数量；响应于更新图像合成指令，所述更新图像合成指令包括所述特效处理后的更新检测目标图像在所述特效处理后的更新背景图像中的第三位置信息，基于所述第三位置信息，在所述特效处理后的更新背景图像中添加所述特效处理后的更新检测目标图像，得到标注有所述第三位置信息的更新训练图像；基于所述训练图像和所述更新训练图像，得到所述目标训练图像。6.一种定位检测网络训练方法，其特征在于，所述方法包括：获取训练图像，所述训练图像包括标注有交通信号灯的位置信息的交通信号灯图像；将所述训练图像输入预设神经网络进行交通信号灯定位检测训练，在训练过程中基于反向传播算法调整所述预设神经网络的网络参数至所述预设神经网络输出的所述训练图像中交通信号灯的预测位置信息与标注的交通信号灯的位置信息相匹配，得到所述定位检测网络；其中，所述训练图像是基于权利要求1至5任一所述的训练图像生成方法生成后得到的。7.根据权利要求6所述的方法，其特征在于，所述将所述训练图像输入预设神经网络进行交通信号灯定位检测训练，在训练过程中基于反向传播算法调整所述预设神经网络的网络参数至所述预设神经网络输出的所述训练图像中交通信号灯的预测位置信息与标注的交通信号灯的位置信息相匹配，得到所述定位检测网络包括：将所述训练图像输入所述预设神经网络进行交通信号灯定位检测，得到所述预测位置信息；基于所述预测位置信息和所述位置信息进行计算，得到所述预设神经网络对应的损失信息；根据所述损失信息反向更新所述预设神经网络的网络参数，得到更新后的预设神经网络；基于所述更新后的预设神经网络重复执行所述将所述训练图像输入所述预设神经网络进行交通信号灯定位检测，得到所述预测位置信息至所述根据所述损失信息反向更新所述预设神经网络的网络参数，得到更新后的预设神经网络的步骤直至所述损失信息满足预设损失条件；将所述损失信息满足所述预设损失条件时的初始定位检测网络作为所述定位检测网络。8.根据权利要求7所述的方法，其特征在于，所述预测位置信息包括预测坐标信息，所述位置信息包括坐标信息，所述基于所述预测位置信息和所述位置信息进行计算，得到所述预设神经网络对应的损失信息包括：对所述预测坐标信息和所述坐标信息之间的向量差进行求模计算，得到位置信息误差值；确定与所述位置信息误差值对应的损失函数；将所述位置信息误差值输入所述对应的损失函数，得到所述对应的损失信息。9.一种定位检测方法，其特征在于，所述方法包括：获取待检测图像；
将所述待检测图像输入定位检测网络进行交通信号灯定位检测；当检测到所述待检测图像中包含交通信号灯时，输出所述待检测图像中交通信号灯的位置信息；其中，所述定位检测网络是基于权利要求6至8任一所述的定位检测网络训练方法训练后得到的。10.一种训练图像生成装置，其特征在于，所述装置包括：图像获取模块，用于获取第一数量个检测目标图像和第二数量个背景图像，所述检测目标图像为交通信号灯图像；图像特效数据选择模块，用于从预设的图像特效库中选择至少一个第一图像特效数据和至少一个第二图像特效数据；第一特效处理模块，用于基于所述第一图像特效数据对所述检测目标图像进行特效处理，得到第三数量个特效处理后的检测目标图像，所述第三数量大于所述第一数量；第二特效处理模块，用于基于所述第二图像特效数据对所述背景图像进行特效处理，得到第四数量个特效处理后的背景图像，所述第四数量大于所述第二数量；图像合成模块，用于响应于图像合成指令，所述图像合成指令包括所述特效处理后的检测目标图像在所述特效处理后的背景图像中的第一位置信息，基于所述第一位置信息，在所述特效处理后的背景图像中添加所述特效处理后的检测目标图像，得到标注有所述第一位置信息的训练图像。11.一种定位检测网络训练装置，其特征在于，所述装置包括：训练图像获取模块，用于获取训练图像，所述训练图像包括标注有交通信号灯的位置信息的交通信号灯图像；定位检测训练模块，用于将所述训练图像输入预设神经网络进行交通信号灯定位检测训练，在训练过程中基于反向传播算法调整所述预设神经网络的网络参数至所述预设神经网络输出的所述训练图像中交通信号灯的预测位置信息与标注的交通信号灯的位置信息相匹配，得到所述定位检测网络；其中，所述训练图像是基于权利要求10所述的训练图像生成装置生成后得到的。12.一种定位检测装置，特征在于，所述装置包括：待检测图像获取模块，用于获取待检测图像；定位检测模块，用于将所述待检测图像输入定位检测网络进行交通信号灯定位检测；位置信息输出模块，用于当检测到所述待检测图像中包含交通信号灯时，输出所述待检测图像中交通信号灯的位置信息；其中，所述定位检测网络是基于权利要求11所述的定位检测网络训练装置训练后得到的。13.一种定位检测设备，其特征在于，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如权利要求9所述的定位检测方法。14.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求9所述的定位检测方法。

技术总结
本申请公开了一种训练图像生成、定位检测网络训练、定位检测方法及装置，所述方法包括：获取第一数量个检测目标图像和第二数量个背景图像；从预设的图像特效库中选择至少一个第一图像特效数据和至少一个第二图像特效数据；基于第一图像特效数据对检测目标图像进行特效处理得到第三数量个特效处理后的检测目标图像；基于第二图像特效数据对背景图像进行特效处理得到第四数量个特效处理后的背景图像；响应于图像合成指令，图像合成指令包括第一位置信息，基于第一位置信息，在特效处理后的背景图像中添加特效处理后的检测目标图像得到标注有第一位置信息的训练图像。利用本申请的技术方案可以得到大量训练图像从而提高定位检测网络的泛化能力。检测网络的泛化能力。检测网络的泛化能力。


技术研发人员：冯旭
受保护的技术使用者：杭州优行科技有限公司
技术研发日：2021.06.23
技术公布日：2021/10/23