[发明专利]目标检测网络训练方法、装置、电子设备及存储介质

说明书

本申请实施例提供了目标检测网络训练方法、装置，该方法包括：获取当前的训练过程对应的增量训练数据；基于当前的训练过程的训练数据，计算当前的训练过程的网络总损失，以及基于所述网络总损失，更新目标检测网络的参数的参数值，其中，当前的训练过程的训练数据包括：在当前的训练过程中产生的每一个正样本的训练数据、当前的训练过程对应的经过处理的增量训练数据、在当前的训练过程中产生的负样本的训练数据。不仅在当前的训练过程中产生的正样本的训练数据，历史正样本对应的特征和历史正样本对应的标注数据也参与训练，相当于在每一次训练过程中，增加参与训练的正样本的数量，从而，可以得到较好的正样本与负样本平衡效果。

技术领域

本申请涉及神经网络领域，具体涉及目标检测网络训练方法、装置、电子设备及存储介质。

背景技术

正样本与负样本平衡是在对目标检测网络的训练时，通常采用的技术手段。正样本与负样本平衡的效果直接会影响训练之后目标检测网络的性能。

目前，通常采用的方式为：正样本的数量与负样本的数量的比例为一个先验的比例，例如，在对目标检测网络RCNN进行训练时，正样本的数量与负样本的数量的比例为1:3，负样本的数量为正样本的数量的3倍。此外，不能为了正样本与负样本平衡，无限制地减少负样本的数量，否则会影响目标检测网络从负样本学习相关特征。

正样本与负样本的平衡的实质是为了避免负样本对目标检测网络的学习过程的影响过大。由于在每一次目标检测网络的训练过程中，相比于负样本的数量，正样本的数量依然较少，相应的，相比于负样本，目标检测网络从正样本学习到的相应的特征依然较少，负样本对目标检测网络的学习过程的影响依然过大，正样本与负样本平衡的效果不佳。

发明内容

本申请实施例提供一种目标检测网络训练方法、装置、电子设备及存储介质。

本申请实施例提供一种目标检测网络训练方法，包括：

获取当前的训练过程对应的增量训练数据，当前的训练过程对应的增量训练数据包括：至少一个历史正样本对应的特征、至少一个历史正样本对应的标注数据；

对当前的训练过程对应的增量训练数据中的历史正样本对应的特征进行处理，得到当前的训练过程对应的经过处理的增量训练数据，所述经过处理的增量训练数据包括：至少一个历史正样本对应的经过处理的特征、至少一个历史正样本对应的标注数据；

基于当前的训练过程的训练数据，计算当前的训练过程的网络总损失，以及基于所述网络总损失，更新目标检测网络的参数的参数值，其中，当前的训练过程的训练数据包括：在当前的训练过程中产生的每一个正样本的训练数据、当前的训练过程对应的经过处理的增量训练数据、在当前的训练过程中产生的每一个负样本的训练数据。

本申请实施例提供一种目标检测网络训练装置，包括：

获取单元，被配置为获取当前的训练过程对应的增量训练数据，当前的训练过程对应的增量训练数据包括：至少一个历史正样本对应的特征、至少一个历史正样本对应的标注数据；

处理单元，被配置为对当前的训练过程对应的增量训练数据中的历史正样本对应的特征进行处理，得到当前的训练过程对应的经过处理的增量训练数据，所述经过处理的增量训练数据包括：至少一个历史正样本对应的经过处理的特征、至少一个历史正样本对应的标注数据；

训练单元，被配置为基于当前的训练过程的训练数据，计算当前的训练过程的网络总损失，以及基于所述网络总损失，更新目标检测网络的参数的参数值，其中，当前的训练过程的训练数据包括：在当前的训练过程中产生的每一个正样本的训练数据、当前的训练过程对应的经过处理的增量训练数据、在当前的训练过程中产生的每一个负样本的训练数据。