[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

说明书

本发明实施例提供了一种目标检测模型训练方法、装置、电子设备及存储介质，从预训练的原始目标检测模型中读取各常规层的预训练参数和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，待训练的目标检测模型能够复用原始目标检测模型中各常规层的预训练参数和各特定层中指定输出通道对应的预训练参数，这些网络层和输出通道的参数在原始目标检测模型中已经历过训练，是较为优化的参数，因此在对待训练的目标检测模型进行训练时，这些网络层和输出通道的参数训练时间会大幅度减少，并且，并不需要对原始目标检测模型的网络结构进行修改，从而实现了不改变目标检测模型的网络结构的基础上，减少目标检测模型的训练时长的目的。

技术领域

本发明涉及目标检测技术领域，特别是涉及一种目标检测模型训练方法、装置、电子设备及存储介质。

背景技术

随着深度学习技术的不断发展，目标检测模型的网络结构越来越复杂，网络结构的复杂直接导致了目标检测模型的训练时间越来越长，而目标检测模型训练的时间过长，使得搭载有目标检测模型的产品开发成本增高。为了解决上述问题，需要在保证目标检测模型性能的前提下，减少目标检测模型的训练时间。

目前，减少目标检测模型的训练时间的方法，主要是对样本数据集和目标检测模型的网络结构进行修改，增加目标检测模型的输入输出层节点数，使得多个样本数据可以同时输入目标检测模型进行训练，通过增加目标检测模型训练过程中单次迭代训练的数据量来减少总的迭代训练次数，进而减少了目标检测模型的训练时长。然而，由于增加了单次迭代训练的数据量，导致单次迭代训练对硬件的要求较高，因此，在不改变目标检测模型的网络结构的基础上，如何减少目标检测模型的训练时长成为目前亟待解决的问题。

发明内容

本发明实施例的目的在于提供一种目标检测模型训练方法、装置、电子设备及存储介质，以实现在不改变目标检测模型的网络结构的基础上，减少目标检测模型的训练时长的目的。具体技术方案如下：

第一方面，本发明实施例提供了一种目标检测模型训练方法，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。

可选的，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。

可选的，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：