[发明专利]安防检测模型训练方法、装置、设备及存储介质

说明书

本发明公开了一种安防检测模型训练方法，应用于图像处理领域，用于提高系统识别准确率与降低安防检测模型的复杂度。本发明提供的方法包括获取待检测图片并提取二维特征向量与空间位置编码信息；对两者进行降维处理，获得图像特征矩阵；基于多层编码层，获得第一值特征矩阵、第一键特征矩阵和第一查询特征矩阵；并计算第一值特征矩阵与第一键特征矩阵，获得第一局部特征矩阵，并将第一局部特征矩阵与第一查询特征矩阵进行计算，获得预测目标向量矩阵；基于多层解码层，获得第二值特征矩阵和第二键特征矩阵；并计算第二值特征矩阵与第二键特征矩阵，获得第二局部特征矩阵，将第二局部特征矩阵与第二查询特征矩阵进行计算，获得安防检测结果。

技术领域

本发明涉及图像处理领域，尤其涉及一种安防检测模型训练方法、装置、计算机设备及存储介质。

背景技术

安防检测系统的应用场景十分广泛，可以应用在地下车库、公众场合、危险工作场合等。安防检测系统通常使用安防检测模型对具体的应用场景进行实时分析并识别当前场景的安全性。安防检测模型通常可通过目标检测和目标识别的技术对来自安防检测系统识别到的视频帧或者图片进行检测、识别和分析处理，从而达到事前预警和事后查看的功能。

现有的安防检测模型主要采用了图像对比方法和行为目标识别方法，但这两种方法都存在一个问题，对图片中小目标的检测效果较差，即安防检测模型的识别准确率不高，现有面对识别准确率不高，主要采用的方法有Transformer自然语言处理模型。Transformer自然语言处理模型虽然在一定程度上能提高识别准确率，但同样带来了对硬件设备要求高、训练与推理阶段耗时长，不适合实时预警的问题，同时，该Transformer自然语言处理模型还需要手工设计多种类型的锚框来预测目标边缘的位置和类别，过程复杂。

因此，现有的安防检测系统存在难以在提高识别准确率的同时，降低模型的复杂度的问题。

发明内容

本发明实施例提供一种安防检测模型训练方法、装置、计算机设备及存储介质，从而使得安防检测系统在提高识别准确率的同时，降低安防检测模型的复杂度。

一种安防检测模型训练方法，包括：

从安防检测系统上获取待检测图片，并提取所述待检测图片的二维特征向量与空间位置编码信息；

基于预设的降维方式，对所述二维特征向量与所述空间位置编码信息进行降维处理，获得图像特征矩阵；

基于Transformer算法的多层编码层，将所述图像特征矩阵分别与预设值矩阵、预设键矩阵、预设查询矩阵进行相乘，得到对应的第一值特征矩阵、第一键特征矩阵和第一查询特征矩阵；

对所述第一值特征矩阵与所述第一键特征矩阵进行卷积计算，获得第一局部特征矩阵，并将所述第一局部特征矩阵与所述第一查询特征矩阵进行第一预测处理，获得预测目标向量矩阵；

基于Transformer算法的多层解码层，将所述预测目标向量矩阵分别与所述第一值特征矩阵、第一键特征矩阵进行相乘，得到对应的第二值特征矩阵和第二键特征矩阵；

对所述第二值特征矩阵与所述第二键特征矩阵进行卷积计算，获得第二局部特征矩阵，并将所述第二局部特征矩阵与第二查询特征矩阵进行第二预测处理，获得安防检测结果。

一种安防检测模型训练装置，包括：

第一数据获取模块，用于从安防检测系统上获取待检测图片，并提取所述待检测图片的二维特征向量与空间位置编码信息；

图像特征矩阵获取模块，用于基于预设的降维方式，对所述二维特征向量与所述空间位置编码信息进行降维处理，获得图像特征矩阵；

第二数据获取模块，用于基于Transformer算法的多层编码层，将所述图像特征矩阵分别与预设值矩阵、预设键矩阵、预设查询矩阵进行相乘，得到对应的第一值特征矩阵、第一键特征矩阵和第一查询特征矩阵；