[发明专利]用于对象识别模型的训练方法、装置及计算机存储介质

权利要求书

1.一种用于对象识别模型的训练方法，其特征在于，所述方法包括：

获取对象数据训练集和对象数据测试集，所述对象数据训练集包括训练背景和标注的训练对象框，所述对象数据测试集包括测试背景和标注的测试对象框；

利用所述对象数据训练集训练所述对象识别模型；

利用所述对象数据测试集测试所述对象识别模型并且获得对应的召回率、漏检的测试对象框和误检的测试背景框；

响应于所述召回率小于召回率阈值，将所述漏检的测试对象框加入所述对象数据训练集作为所述标注的训练对象框，将所述误检的测试背景框加入所述对象数据训练集作为所述训练背景，返回所述利用所述对象数据训练集训练所述对象识别模型的步骤以进行迭代训练。

2.根据权利要求1所述的方法，其特征在于，所述响应于所述召回率小于召回率阈值，将所述漏检的测试对象框加入所述对象数据训练集作为所述标注的训练对象框，将所述误检的测试背景框加入所述对象数据训练集作为所述训练背景，返回所述利用所述对象数据训练集训练所述对象识别模型的步骤包括：

对所述漏检的测试对象框进行图像增强，得到对应的图像增强对象框，将所述图像增强对象框加入所述对象数据训练集作为所述标注的训练对象框；

对所述误检的测试背景框进行图像增强，得到对应的图像增强背景，将所述图像增强背景加入所述对象数据训练集作为所述训练背景。

3.根据权利要求2所述的方法，其特征在于，所述图像增强包括图像翻转、图像模糊化、图像色彩变化、图像亮度变化中的至少一种或者其组合。

4.根据权利要求1所述的方法，其特征在于，所述响应于所述召回率小于召回率阈值，将所述漏检的测试对象框加入所述对象数据训练集作为所述标注的训练对象框，将所述误检的测试背景框加入所述对象数据训练集作为所述训练背景，返回所述利用所述对象数据训练集训练所述对象识别模型的步骤包括：

将所述漏检的测试对象框和所述误检的测试背景框从所述对象数据测试集移除。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：响应于所述召回率大于所述召回率阈值，测量所述对象识别模型的精度。

6.根据权利要求5所述的方法，其特征在于，所述响应于所述召回率大于所述召回率阈值，测量所述对象识别模型的精度的步骤包括：利用所述对象识别模型识别第一对象框和与所述第一对象框成镜像的第二对象框，分别得到与所述第一对象框对应的第一识别框和与所述第二对象框对应的第二识别框，将所述第一识别框和所述第二识别框的交并比作为所述对象识别模型的精度。

7.根据权利要求1所述的方法，其特征在于，所述响应于所述召回率小于召回率阈值，将所述漏检的测试对象框加入所述对象数据训练集作为所述标注的训练对象框，将所述误检的测试背景框加入所述对象数据训练集作为所述训练背景，返回所述利用所述对象数据训练集训练所述对象识别模型的步骤包括：

将所述漏检的测试对象框扩充边界后加入所述对象数据训练集作为所述标注的训练对象框，将所述误检的测试背景框扩充边界后加入所述对象数据训练集作为所述训练背景。

8.一种用于对象识别模型的训练装置，其特征在于，所述装置包括：

获取模块，配置成获取对象数据训练集和对象数据测试集，所述对象数据训练集包括标注的训练对象框和训练背景，所述对象数据测试集包括标注的测试对象框和测试背景；

训练模块，配置成利用所述对象数据训练集训练对象识别模型；

测试模块，配置成利用所述对象数据测试集测试所述对象识别模型并且获得对应的召回率、漏检的测试对象框和误检的测试背景框，

其中，响应于所述召回率小于召回率阈值，将所述漏检的测试对象框加入所述对象数据训练集作为训练对象框，将所述误检的测试背景框加入所述对象数据训练集作为训练背景，返回所述利用所述对象数据训练集训练所述对象识别模型的步骤以进行迭代训练。