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：获取第一训练图像，所述第一训练图像为第一数量个标注有交通信号灯的位置信息的交通信号灯图像；基于所述第一训练图像对第一预设神经网络进行交通信号灯定位检测训练，得到初始训练数据生成网络；基于所述初始训练数据生成网络对所述第一训练图像进行数据扩充，得到第二训练图像；基于所述第二训练图像对所述初始训练数据生成网络进行交通信号灯定位检测训练，得到目标训练数据生成网络；基于所述目标训练数据生成网络对所述第二训练图像进行数据扩充，得到目标训练图像。2.根据权利要求1所述的方法，其特征在于，所述基于所述初始训练数据生成网络对所述第一训练图像进行数据扩充，得到第二训练图像包括：获取待标注样本图像；将所述待标注样本图像输入所述初始训练数据生成网络进行交通信号灯定位检测；当检测到所述待标注样本图像中包含交通信号灯时，输出所述待标注样本图像中交通信号灯的第一预测位置信息和所述第一预测位置信息的置信度；当所述第一预测位置信息的置信度不满足预设置信度条件时，对所述第一预测位置信息进行校正处理，得到校正后的第一预测位置信息；将所述校正后的第一预测位置信息作为所述待标注样本图像中交通信号灯的位置信息，并生成标注有交通信号灯的位置信息的第一样本图像；将所述第一样本图像加入所述第一训练图像，得到所述第二训练图像。3.根据权利要求2所述的方法，其特征在于，在所述当检测到所述待标注样本图像中包含交通信号灯时，输出所述待标注样本图像中交通信号灯的第一预测位置信息和所述第一预测位置信息的置信度之后，所述方法还包括：当所述第一预测位置信息的置信度满足所述预设置信度条件时，将所述第一预测位置信息作为所述待标注样本图像中交通信号灯的位置信息，并生成标注有交通信号灯的位置信息的第二样本图像；基于所述第二样本图像，更新所述第二训练图像。4.根据权利要求2或3所述的方法，其特征在于，所述基于所述第二训练图像对所述初始训练数据生成网络进行交通信号灯定位检测训练，得到目标训练数据生成网络包括：将所述第二训练图像输入所述初始训练数据生成网络进行交通信号灯定位检测，得到所述第二训练图像中交通信号灯的第二预测位置信息；根据所述第二训练图像中标注的交通信号灯的位置信息和所述第二预测位置信息确定所述初始训练数据生成网络对应的第一损失信息；根据所述第一损失信息更新所述初始训练数据生成网络，得到更新后的初始训练数据生成网络；基于所述更新后的初始训练数据生成网络重复执行所述将所述第二训练图像输入所述初始训练数据生成网络进行交通信号灯定位检测，得到所述第二训练图像中交通信号灯
的第二预测位置信息至所述根据所述第一损失信息更新所述初始训练数据生成网络，得到更新后的初始训练数据生成网络的步骤，直至所述第一损失信息满足第一预设损失条件；将所述第一损失信息满足所述第一预设损失条件时的初始训练数据生成网络作为所述目标训练数据生成网络。5.根据权利要求4所述的方法，其特征在于，在所述根据所述第一损失信息更新所述初始训练数据生成网络，得到更新后的初始训练数据生成网络之后，所述方法还包括：更新所述待标注样本图像，得到更新后的待标注样本图像；将所述更新后的待标注样本图像输入所述更新后的初始训练数据生成网络进行交通信号灯定位检测；当检测到所述更新后的待标注样本图像中包含交通信号灯时，输出所述更新后的待标注样本图像中交通信号灯的第三预测位置信息和所述第三预测位置信息的置信度；当所述第三预测位置信息的置信度不满足所述预设置信度条件时，对所述第三预测位置信息进行校正处理，得到校正后的第三预测位置信息；将所述校正后的第三预测位置信息作为所述更新后的待标注样本图像中交通信号灯的位置信息，并生成标注有交通信号灯的位置信息的更新样本图像；将所述更新样本图像加入所述第二训练图像，得到更新后的第二训练图像。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第二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第二预设神经网络的网络参数至所述第二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第二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第二预设神经网络的网络参数至所述第二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第二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，得到所述第二预设神经网络对应的第二损失信息；根据所述第二损失信息反向更新所述第二预设神经网络的网络参数，得到更新后的第二预设神经网络；基于所述更新后的第二预设神经网络重复执行所述将所述训练图像输入所述第二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第二损失信息反向更新所述第二预设神经网络的网络参数，得到更新后的第二预设神经网络的步骤直至所述第二损失信息满足第二预设损失条件；将所述第二损失信息满足所述第二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，得到所述第二预设神经网络对应的第二损失信息包括：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，得到所述对应的第二损失信息。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：第一训练图像获取模块，用于获取第一训练图像，所述第一训练图像为第一数量个标注有交通信号灯的位置信息的交通信号灯图像；第一定位检测训练模块，用于基于所述第一训练图像对第一预设神经网络进行交通信号灯定位检测训练，得到初始训练数据生成网络；第一数据扩充模块，用于基于所述初始训练数据生成网络对所述第一训练图像进行数据扩充，得到第二训练图像集；第二定位检测训练模块，用于基于所述第二训练图像对所述初始训练数据生成网络进行交通信号灯定位检测训练，得到目标训练数据生成网络；第二数据扩充模块，用于基于所述目标训练数据生成网络对所述第二训练图像集进行数据扩充，得到目标训练图像。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第二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第二预设神经网络的网络参数至所述第二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10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：获取第一训练图像，所述第一训练图像为第一数量个标注有交通信号灯的位置信息的交通信号灯图像；基于所述第一训练图像对第一预设神经网络进行交通信号灯定位检测训练，得到初始训练数据生成网络；基于所述初始训练数据生成网络对所述第一训练图像进行数据扩充，得到第二训练图像；基于所述第二训练图像对所述初始训练数据生成网络进行交通信号灯定位检测训练，得到目标训练数据生成网络；基于所述目标训练数据生成网络对所述第二训练图像进行数据扩充，得到目标训练图像。利用本申请的技术方案可以得到泛化能力较高的定位检测模型，提高信号灯的定位准确率。号灯的定位准确率。号灯的定位准确率。


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：2021.06.18
技术公布日：2021/10/23