检测模型的训练方法、装置、设备及存储介质与流程

技术特征：
1.一种检测模型的训练方法，其特征在于，所述方法包括：根据检测模型，计算至少一个训练样本的分类特征和定位特征；根据对所述训练样本的真实标注的目标框对所述检测模型对应的所有锚点框进行筛选，获取筛选之后的锚点框集合；针对筛选之后的锚点框集合，基于分类特征和定位特征，分别计算对应的分类特征损失值和定位特征损失值；分别确定分类特征损失值和定位特征损失值对应的至少一个锚点框，并确定分类特征损失值和定位特征损失值对应的至少一个锚点框的交集；对所述交集中的训练样本分配正样本标签，获取正样本集合；基于所述正样本集合，计算模型训练的损失值，根据损失值对检测模型进行迭代更新，对检测模型的参数进行更新。2.根据权利要求1所述的检测模型的训练方法，其特征在于，所述根据对所述训练样本的真实标注的目标框对所述检测模型对应的所有锚点框进行筛选，获取筛选之后的锚点框集合的步骤，还包括：针对所述训练样本的真实标注的目标框，根据公式对所述检测模型对应的所有锚点框进行筛选，确定筛选之后的锚点框集合，其中，其中，表示判断第i 1个锚点框的中心是否位于第j 1个真实标注的目标框的内部；表示判断第i 1个锚点框的中心是否位于第j 1个真实标注的目标框扩展的邻域内部；&操作表示和的结果都为1的时候，结果为1，其他情况下均为0，结果为1的anchor点会加入到中。3.根据权利要求1所述的检测模型的训练方法，其特征在于，所述针对筛选之后的锚点框集合，基于分类特征和定位特征，分别计算对应的分类特征损失值和定位特征损失值的步骤，还包括：针对筛选之后的锚点框集合中的每一个锚点框：基于分类特征、所述检测模型的训练所采用的损失函数、所述训练样本的真实标注的
标签集合，计算分类特征损失值；基于定位特征、所述目标框对应的损失函数、所述训练样本的真实标注的目标框标签集合，计算定位特征损失值。4.根据权利要求3所述的检测模型的训练方法，其特征在于，所述基于分类特征、所述检测模型的训练所采用的损失函数、所述训练样本的真实标注的标签集合，计算分类特征损失值的步骤，还包括：根据公式计算分类特征损失值，其中，为分类特征损失值，为所述检测模型的训练所采用的损失函数，为所述训练样本的真实标注的标签集合，为锚点框的分类特征；m为筛选之后的锚点框集合中的锚点框的数量；所述基于定位特征、所述目标框对应的损失函数、所述训练样本的真实标注的目标框标签集合，计算定位特征损失值的步骤，还包括：根据公式计算定位特征损失值，其中，为定位特征损失值，为所述目标框对应的损失函数，为所述训练样本的真实标注的目标框标签集合，为锚点框的定位特征。5.根据权利要求1所述的检测模型的训练方法，其特征在于，所述分别确定分类特征损失值和定位特征损失值对应的至少一个锚点框，并确定分类特征损失值和定位特征损失值对应的至少一个锚点框的交集的步骤，还包括：对所述分类特征损失值进行排序得到分类特征损失值序列，在所述分类特征损失值序列中确定排序在前的第一预设数量个的分类特征损失值对应的第一锚点框，将确定的至少一个第一锚点框确定为与所述分类特征损失值对应的至少一个锚点框；对所述定位特征损失值进行排序得到定位特征损失值序列，在所述定位特征损失值序列中确定排序在前的第一预设数量个的定位特征损失值对应的第二锚点框，将确定的至少一个第二锚点框确定为所述定位特征损失值对应的至少一个锚点框。6.根据权利要求5所述的检测模型的训练方法，其特征在于，所述分别确定分类特征损失值和定位特征损失值对应的至少一个锚点框，并确定分类特征损失值和定位特征损失值对应的至少一个锚点框的交集的步骤，还包括：确定与所述分类特征损失值对应的至少一个锚点框与所述定位特征损失
值对应的至少一个锚点框的交集；将确定的交集中的训练样本作为正样本集合。7.根据权利要求1所述的检测模型的训练方法，其特征在于，所述基于所述正样本集合，计算模型训练的损失值，根据损失值对检测模型进行迭代更新，对检测模型的参数进行更新的步骤，还包括：基于所述正样本集合，计算模型训练的损失值；根据所述计算得到的损失值对所述检测模型进行反向传播，对所述检测模型的参数进行更新；在所述计算得到的损失值小于预设的损失阈值的情况下，或，在基于计算得到的损失值对所述检测模型进行反向传播的迭代次数达到预设的迭代次数阈值的情况下，完成对所述检测模型的训练。8.一种检测模型的训练装置，其特征在于，所述装置包括：特征计算模块，用于根据检测模型，计算至少一个训练样本的分类特征和定位特征；第一筛选模块，用于根据对所述训练样本的真实标注的目标框对所述检测模型对应的所有锚点框进行筛选，获取筛选之后的锚点框集合；损失值计算模块，用于针对筛选之后的锚点框集合，基于分类特征和定位特征，分别计算对应的分类特征损失值和定位特征损失值；第二筛选模块，用于分别确定分类特征损失值和定位特征损失值对应的至少一个锚点框，并确定分类特征损失值和定位特征损失值对应的至少一个锚点框的交集；标签分配模型，用于对所述交集中的训练样本分配正样本标签，获取正样本集合；模型更新模块，用于基于所述正样本集合，计算模型训练的损失值，根据损失值对检测模型进行迭代更新，对检测模型的参数进行更新。9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器有可执行代码，当所述可执行代码在所述处理器上运行以实现如权利要求1至7任一所述的检测模型的训练方法。10.一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行权利要求1至7任一所述的检测模型的训练方法。

技术总结
本发明实施例公开了一种检测模型的训练方法、装置、设备及存储介质，其中，所述方法包括：计算至少一个训练样本的分类特征和定位特征；根据对训练样本的真实标注的目标框对检测模型对应的所有锚点框进行筛选；针对筛选之后的锚点框集合分别计算分类特征损失值和定位特征损失值并确定对应的至少一个锚点框，并确定分类特征损失值和定位特征损失值对应的至少一个锚点框的交集；对交集中的训练样本分配正样本标签，获取正样本集合；基于正样本集合，计算模型训练的损失值，根据损失值对检测模型进行迭代更新，对检测模型的参数进行更新。采用本发明，可以提高检测模型训练的标签分配的准确性，提高检测模型的目标检测准确度。提高检测模型的目标检测准确度。提高检测模型的目标检测准确度。


技术研发人员：刘清
受保护的技术使用者：深圳新视智科技术有限公司
技术研发日：2022.08.10
技术公布日：2022/11/18