[发明专利]图像检测模型训练方法及装置、可读存储介质

说明书

一种图像检测模型训练方法及装置、可读存储介质，所述图像检测模型训练方法包括：将场景图像输入预设的目标检测模型进行特征提取，得到场景特征；根据所述场景特征进行度量学习，得到所述场景特征对应的权重系数；将所述场景图像、所述场景特征以及所述权重系数输入预设的元学习检测模型进行训练，得到图像检测模型。采用上述方案，可以精确检测图像。

技术领域

本发明属于图像检测技术领域，特别涉及一种图像检测模型训练方法及装置、可读存储介质。

背景技术

近年，基于深度学习的图像检测方法已经广泛替代人工肉眼检测，不少基于深度学习的智能场景感知方法也被广泛应用在各种智能驾驶场景中。传统的基于机器视觉的智能驾驶感知场景方法，往往采用常规的图像处理算法或人工设计特征加分类器方式。在训练数据不充分情况下，现有的训练方法会导致模型过拟合或性能恶化，无法精确检测图像中的目标。

发明内容

本发明实施例解决的是图像检测准确率低的技术问题。

为解决上述技术问题，本发明实施例提供一种图像检测模型训练方法，包括：将场景图像输入预设的目标检测模型进行特征提取，得到场景特征根据所述场景特征进行度量学习，得到所述场景特征对应的权重系数；将所述场景图像、所述场景特征以及所述权重系数输入预设的元学习检测模型进行训练，得到图像检测模型。

可选的，采用以下方法得到所述预设的目标检测模型：根据预设的基础数据库，采用目标检测网络进行初始化训练，得到所述预设的目标检测模型。

可选的，在得到所述预设的目标检测模型后，还包括：获取所述预设的目标检测模型在初始化训练中得到的目标数据；对所述目标数据进行场景分类，得到所述目标数据对应的标签；将所述标签输入所述预设的目标检测模型中，使得所述标签与所述目标数据对应。

为解决上述技术问题，本发明实施例还公开了一种图像检测模型训练装置，包括：提取单元，用于将场景图像输入预设的目标检测模型进行特征提取，得到场景特征；学习单元，用于根据所述场景特征进行度量学习，得到所述场景特征对应的权重系数；训练单元，用于将所述场景图像、所述场景特征以及所述权重系数输入预设的元学习检测模型进行训练，得到图像检测模型。

可选的，所述提取单元采用以下方法得到所述预设的目标检测模型：根据预设的基础数据库，采用目标检测网络进行初始化训练，得到所述预设的目标检测模型。

可选的，所述提取单元，还用于：获取所述预设的目标检测模型在初始化训练中得到的目标数据；对所述目标数据进行场景分类，得到所述目标数据对应的标签；将所述标签输入所述预设的目标检测模型中，使得所述标签与所述目标数据对应。

本发明实施例还公开了一种可读存储介质，计算机可读存储介质为非易失性存储介质或非瞬态存储介质，其上存储有计算机指令，所述计算机指令运行时执行上述任一种所述的图像检测模型训练方法。

本发明实施例还提供了一种图像检测模型训练装置，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述任一种所述的图像检测模型训练方法。

与现有技术相比，本发明实施例的技术方案具有以下有益效果：

将场景图像输入预设的目标检测模型进行特征提取，得到场景特征；根据所述场景特征进行度量学习，得到所述场景特征对应的权重系数；将所述场景图像、所述场景特征以及所述权重系数输入预设的元学习检测模型进行训练，得到图像检测模型。有效增强图像检测模型的泛化能力，在训练所需的场景图像不充足的情况下达成图像检测的高准确率。

附图说明

图1是本发明实施例一种图像检测模型训练方法的流程图；

图2是本发明实施例一种图像检测模型训练装置的结构示意图。

具体实施方式