[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

本发明涉及人工智能技术领域，可应用于智慧社区场景中，从而推动智慧城市的建设。一种目标检测模型训练方法，包括：获取预设的训练集，其中，训练集的每幅训练图像携带有用于标记对象的检测框；根据预设坐标增量以及预设比例，在每个检测框中生成多个候选框；确定每个候选框的梯度和；根据梯度和，从每个检测框中的多个候选框中确定目标候选框；通过对目标候选框的图像像素进行范数扰动，获得对抗补丁图像；使用对抗补丁图像对训练中的目标检测模型进行优化，获得训练好的目标检测模型。本发明还提供一种目标检测模型训练装置、电子设备及存储介质。本发明能提高目标检测模型的识别准确率。

技术领域

本发明涉及人工智能技术领域，尤其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

目前，随着人工智能技术的发展，可以通过机器学习、神经网络训练等方式获得的目标检测模型来对图像中的不同对象进行检测，但在实践中发现，目标检测模型容易受到对抗性攻击，比如检测对象戴口罩、带眼镜或被其他物品遮挡住检测对象的一部分等，这时，目标检测模型容易出错，识别准确率不高。

因此，如何提高目标检测模型的识别准确率是一个亟需解决的技术问题。

发明内容

鉴于以上内容，有必要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，能够提高目标检测模型的识别准确率。

本发明的第一方面提供一种目标检测模型训练方法，所述目标检测模型训练方法包括：

获取预设的训练集，其中，所述训练集的每幅训练图像携带有用于标记对象的检测框；

根据预设坐标增量以及预设比例，在每个所述检测框中生成多个候选框；

确定每个所述候选框的梯度和；

根据所述梯度和，从每个所述检测框中的多个候选框中确定目标候选框，其中，所述目标候选框的梯度和大于所述目标候选框所属的检测框中多个候选框中除了所述目标候选框的剩余的候选框的梯度和；

通过对所述目标候选框的图像像素进行范数扰动，获得对抗补丁图像；

使用所述对抗补丁图像对训练中的目标检测模型进行优化，获得训练好的目标检测模型。

本发明的第二方面提供一种目标检测模型训练装置，所述目标检测模型训练装置包括：

获取模块，用于获取预设的训练集，其中，所述训练集的每幅训练图像携带有用于标记对象的检测框；

生成模块，用于根据预设坐标增量以及预设比例，在每个所述检测框中生成多个候选框；

确定模块，用于确定每个所述候选框的梯度和；

所述确定模块，还用于根据所述梯度和，从每个所述检测框中的多个候选框中确定目标候选框，其中，所述目标候选框的梯度和大于所述目标候选框所属的检测框中多个候选框中除了所述目标候选框的剩余的候选框的梯度和；

扰动模块，用于通过对所述目标候选框的图像像素进行范数扰动，获得对抗补丁图像；

优化模块，用于使用所述对抗补丁图像对训练中的目标检测模型进行优化，获得训练好的目标检测模型。

本发明的第三方面提供一种电子设备，所述电子设备包括处理器和存储器，所述处理器用于执行所述存储器中存储的计算机程序时实现所述的目标检测模型训练方法。

本发明的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述的目标检测模型训练方法。