[发明专利]目标检测模型训练方法、装置、电子设备及存储介质

权利要求书

1.一种目标检测模型训练方法，其特征在于，所述方法包括：

获取样本数据集以及预训练的原始目标检测模型，所述样本数据集包括多个样本图片；

从所述原始目标检测模型中，读取各常规层的预训练参数，以及各特定层中指定输出通道对应的预训练参数，所述特定层为包含候选框的网络层，所述常规层为除所述特定层以外的其他网络层，所述指定输出通道为用于目标定位的输出通道；

基于读取的所述各常规层的预训练参数及所述各特定层中指定输出通道对应的预训练参数，构建待训练的目标检测模型；

利用所述样本数据集中的各样本图片，对所述待训练的目标检测模型进行训练。

2.根据权利要求1所述的方法，其特征在于，所述样本数据集中的样本图片为预先以标注框的形式进行标注的样本图片，所述样本图片的标注框信息记录在标注文件中，所述标注框信息包括标注框的标注形式及标注框尺寸；

在所述获取样本数据集之后，所述方法还包括：

统计所述样本数据集中样本图片的图片数目，并从所述标注文件中，读取各样本图片的标注框信息；

判断所述图片数目是否等于预设标注图片数目、所述各样本图片的标注框的标注形式是否为预设标注形式，以及所述各样本图片的标注框尺寸是否在样本图片的尺寸范围内；

所述利用所述样本数据集中的各样本图片，对所述待训练的目标检测模型进行训练，包括：

若所述图片数目等于所述预设标注图片数目、所述各样本图片的标注框的标注形式为所述预设标注形式，且所述各样本图片的标注框尺寸在样本图片的尺寸范围内，则利用所述样本数据集中的各样本图片，对所述待训练的目标检测模型进行训练。

3.根据权利要求2所述的方法，其特征在于，在所述利用所述样本数据集中的各样本图片，对所述待训练的目标检测模型进行训练之前，所述方法还包括：

若所述图片数目等于所述预设标注图片数目、所述各样本图片的标注框的标注形式为所述预设标注形式，且所述各样本图片的标注框尺寸在样本图片的尺寸范围内，则将所述样本数据集划分为训练集和验证集；

所述利用所述样本数据集中的各样本图片，对所述待训练的目标检测模型进行训练，包括：

利用所述训练集中的各样本图片，对所述待训练的目标检测模型进行训练；

在所述利用所述样本数据集中的各样本图片，对所述待训练的目标检测模型进行训练之后，所述方法还包括：

利用所述验证集中的样本图片，对训练后的所述目标检测模型进行测试；

若测试结果不满足预设的检测条件，则利用所述训练集中的各样本图片，对训练后的所述目标检测模型继续进行训练。

4.根据权利要求1所述的方法，其特征在于，在所述基于读取的所述各常规层的预训练参数及所述各特定层中指定输出通道对应的预训练参数，构建待训练的目标检测模型之前，所述方法还包括：

获取所述原始目标检测模型的原始网络定义文件，所述原始网络定义文件包括所述原始目标检测模型可检测的目标类别数目、各网络层的名称及类型、所述各特定层的候选框数目；

根据所述目标类别数目及所述各特定层的候选框数目，分别计算所述各特定层的输出通道数；

生成目标网络定义文件，所述目标网络定义文件为在所述原始网络定义文件中添加所述各特定层的输出通道数得到。

5.根据权利要求4所述的方法，其特征在于，所述从所述原始目标检测模型中，读取各常规层的预训练参数，以及各特定层中指定输出通道对应的预训练参数，包括：

根据所述原始网络定义文件和所述目标网络定义文件中所述各网络层的名称及类型，从所述原始目标检测模型中，读取各常规层的预训练参数，以及各特定层中指定输出通道对应的预训练参数。

6.根据权利要求1所述的方法，其特征在于，所述指定输出通道包括目标框回归通道及目标置信度通道；所述特定层还包括类别置信度通道。