[发明专利]一种目标检测网络模型的训练方法及装置

权利要求书

1.一种目标检测网络模型的训练方法，其特征在于，包括：

获取第一训练样本集，所述第一训练样本集由多个第一目标图像组成，所述第一目标图像为标记有真实目标物体框的图像；

采用目标检测算法对所述第一训练样本集进行训练，得到第一目标检测网络模型；

获取第二训练样本集，所述第二训练样本集至少包括多个背景图像，所述背景图像为未标记真实目标物体框的图像；

将所述第二训练样本集输入至所述第一目标检测网络模型进行训练，得到第二目标检测网络模型。

2.如权利要求1所述的目标检测网络模型的训练方法，其特征在于，所述采用目标检测算法对所述第一训练样本集进行训练，得到第一目标检测网络模型包括：

采用目标检测算法对所述第一目标图像进行卷积处理，得到所述第一目标图像的特征图；

获取所述特征图上的每一个锚点的候选框；

将所述候选框与所述第一目标图像的真实目标物体框进行匹配，根据匹配结果，从所述候选框中选取出正样本和负样本；

采用所述正样本和所述负样本进行训练，得到所述第一目标检测网络模型。

3.如权利要求1所述的目标检测网络模型的训练方法，其特征在于，所述将所述第二训练样本集输入至所述第一目标检测网络模型进行训练，得到第二目标检测网络模型包括：

针对所述第二训练样本集中的所述背景图像，将所述背景图像输入至所述第一目标检测网络模型，得到所述背景图像的特征图；

获取所述特征图中的每一个锚点的候选框；

从所有所述候选框中选择部分候选框作为负样本；

更新所述负样本的置信度，所述置信度表示所述候选框内有目标物体存在的概率；

采用所述负样本对所述第一目标检测网络模型进行训练，以得到所述第二目标检测网络模型。

4.如权利要求3所述的目标检测网络模型的训练方法，其特征在于，所述从所有所述候选框中选择部分候选框作为负样本包括：

从所有所述候选框中随机选择部分候选框作为负样本；或者

获取所述候选框的置信度，选择置信度大于指定阈值的候选框作为负样本；或者

获取所述候选框的置信度，对所有所述候选框的置信度按照从大到小或者从小到大的顺序进行排序，按照排序结果选择前n个或后n个候选框作为负样本，n为大于或等于1的正整数；或者

获取所述候选框的置信度，选择置信度大于指定阈值的候选框，对所述置信度大于指定阈值的候选框按照从大到小或者从小到大的顺序进行排序，按照排序结果，选择前n个或后n个候选框作为负样本，n为大于或等于1的正整数。

5.如权利要求1所述的目标检测网络模型的训练方法，其特征在于，所述第二训练样本集还包括：多个第二目标图像组成，所述第二目标图像为标记有真实目标物体框的图像；

所述将所述第二训练样本集输入至所述第一目标检测网络模型进行训练，得到第二目标检测网络模型包括：

针对所述第二训练样本集中的所述第二目标图像，将所述第二目标图像输入至所述第一目标检测网络模型，得到所述第二目标图像的特征图；

获取所述特征图中的每一个锚点的候选框；

将所述候选框与所述第二目标图像的真实目标物体框进行匹配，根据匹配结果，从所述候选框中选取出正样本和负样本；

采用所述正样本和所述负样本对所述第一目标检测网络模型进行训练，以得到所述第二目标检测网络模型。

6.一种目标检测网络模型的训练装置，其特征在于，包括：

第一获取模块，用于获取第一训练样本集，所述第一训练样本集由多个第一目标图像组成，所述第一目标图像为标记有真实目标物体框的图像；

第一训练模块，用于采用目标检测算法对所述第一训练样本集进行训练，得到第一目标检测网络模型；

第二获取模块，用于获取第二训练样本集，所述第二训练样本集至少包括多个背景图像，所述背景图像为未标记真实目标物体框的图像；

第二训练模块，用于将所述第二训练样本集输入至所述第一目标检测网络模型进行训练，得到第二目标检测网络模型。