[发明专利]目标检测模型的构建方法及系统

说明书

本发明公开一种目标检测模型的构建方法及系统，其中目标检测模型的构建方法包括构建目标检测网络的步骤，所述目标检测网络包括主干网络、连接网络和检测网络，所述主干网络的网络结构为具有线性瓶颈的倒置残差结构。本发明通过对主干网络结构的设计，能够有效降低前向计算的内存需求，且中间过程无需大型向量，减少了内存访问，从而提升所得目标检测模型的检测效率。

技术领域

本发明涉及图像处理领域，尤其涉及一种目标检测模型的构建方法及系统。

背景技术

目标检测是计算机视觉和数字图像处理的一个热门方向，广泛应用于机器人导航、智能视频监控、工业检测、航空航天等诸多领域。

现今目标检测网络常用darknet53-yolov3的，但基于darknet53-yolov3网络进行目标检测时存在检测速率较慢的缺陷，在实际使用时往往需要额外购买GPU提升运算速率使其满足实际检测需求，检测成本高。

发明内容

本发明针对现有技术中的缺点，提供了一种目标检测模型的构建方法及系统。

为了解决上述技术问题，本发明通过下述技术方案得以解决：

一种目标检测模型的构建方法，包括构建目标检测网络的步骤，所述目标检测网络包括主干网络、连接网络和检测网络，所述主干网络的网络结构为具有线性瓶颈的倒置残差结构。

作为一种可实施方式，所述主干网络采用efficientnetb4。

作为一种可实施方式，构建网络结构为残差结构的特征金字塔网络作为连接网络。

作为一种可实施方式，所述连接网络采用基于MBConv与Conv2d组成的特征金字塔网络。

作为一种可实施方式，所述检测网络采用yolov3。

作为一种可实施方式，还包括训练所述目标检测网络的步骤，具体步骤为：

基于检测目标获取样本数据并对所述样本数据进行标注，获得训练数据；

利用Adam优化算法和所述训练数据训练目标检测网络的参数，直至训练过程所生成的损失值达到预设的终止条件，将训练获得的目标检测网络作为目标检测模型输出；

所述损失值包括置信度损失值、分类损失值和GIoU损失值。

本发明还提出一种目标检测模型的构建系统，包括网络构建模块和模型训练模块，所述网络构建模块，用于构建目标检测网络，所述目标检测网络包括主干网络、连接网络和检测网络，所述网络构建模块包括主干网络构建单元、连接网络构建单元和检测网络构建单元；

所述主干网络构建单元，用于构建具有线性瓶颈的倒置残差结构的主干网络。

作为一种可实施方式：

所述连接网络构建单元，用于构建网络结构为残差结构的特征金字塔网络作为连接网络。

作为一种可实施方式，所述模型训练模块被配置为：

基于检测目标获取样本数据并对所述样本数据进行标注，获得训练数据；

利用Adam优化算法和所述训练数据训练目标检测网络的参数，直至训练过程所生成的损失值达到预设的终止条件，将训练获得的目标检测网络作为目标检测模型输出；所述损失值包括置信度损失值、分类损失值和GIoU损失值。

本发明还提出一种计算机可读存储介质，其存储有计算机程序，该程序被处理器执行时实现上述任意一项所述方法的步骤。

本发明由于采用了以上技术方案，具有显著的技术效果：