【技術實現步驟摘要】
本申請涉及計算機，特別是涉及一種檢測模型的訓練方法、裝置、檢測方法和裝置。
技術介紹
1、目標檢測是計算機視覺領域中的一項關鍵任務，其目標是準確地識別和定位圖像中存在的物體。目標檢測通常包括兩個方面，一方面是物體的分類，另一方面是物體的定位。目標檢測在許多應用領域中均有實際應用，例如，自動駕駛領域、視頻監控領域和醫學圖像分析領域等。
2、傳統技術中，通常使用訓練樣本對深度學習網絡進行訓練，得到目標檢測模型。然而，傳統的目標檢測模型存在檢測結果不穩定的問題。
技術實現思路
1、基于此，有必要針對上述技術問題，提供一種能夠提高目標檢測模型的檢測結果的穩定性的檢測模型的訓練方法、裝置、檢測方法和裝置。
2、第一方面，本申請提供了一種檢測模型的訓練，該方法包括：
3、將相鄰時刻采集到的樣本檢測區域的訓練數據輸入至初始檢測模型，得到樣本檢測區域中目標物體在各時刻的目標檢測結果；
4、獲取各時刻的目標檢測結果與標準結果之間的第一誤差，以及各時刻的目標檢測結果之間的第二誤差；
5、根據第一誤差和第二誤差對初始檢測模型進行訓練，得到目標檢測模型。
6、第二方面，本申請提供一種檢測方法，該方法包括：
7、獲取相鄰時刻采集到的目標檢測區域的待檢測數據；
8、將相鄰時刻的待檢測數據輸入至目標檢測模型中，得到檢測結果；目標檢測模型為根據第一誤差和第二誤差進行訓練得到的，第一誤差為相鄰時刻采集到的樣本檢測區域的訓
9、第三方面，本申請提供一種檢測模型的訓練裝置，該裝置包括：
10、輸入模塊，用于將相鄰時刻采集的到樣本檢測區域的訓練數據輸入至初始檢測模型，得到樣本檢測區域中目標物體在各時刻的目標檢測結果；
11、獲取模塊，用于獲取各時刻的目標檢測結果與標準結果之間的第一誤差，以及各時刻的目標檢測結果之間的第二誤差；
12、訓練模塊，用于根據第一誤差和第二誤差對初始檢測模型進行訓練，得到目標檢測模型。
13、第四方面，本申請提供一種檢測裝置，該裝置包括：
14、獲取模塊，用于獲取相鄰時刻采集到的目標檢測區域的待檢測數據；
15、輸入模塊，用于將相鄰時刻的待檢測數據輸入至目標檢測模型中，得到檢測結果；目標檢測模型為根據第一誤差和第二誤差進行訓練得到的，第一誤差為相鄰時刻采集到的樣本檢測區域的訓練數據的目標檢測結果與標準結果之間的誤差，第二誤差為相鄰時刻的目標檢測結果之間的誤差。
16、第五方面，本申請提供一種計算機設備，包括存儲器和處理器，存儲器存儲有計算機程序，處理器執行計算機程序時實現上述第一方面提供的方法的步驟。
17、第六方面，本申請提供一種計算機可讀存儲介質，其上存儲有計算機程序，計算機程序被處理器執行時實現上述第一方面提供的方法的步驟。
18、第七方面，本申請還提供一種計算機程序產品，包括計算機程序，計算機程序被處理器執行時實現上述第一方面提供的方法的步驟。
19、上述檢測模型的訓練方法、裝置、檢測方法和裝置，通過將相鄰時刻采集到的樣本檢測區域的訓練數據輸入至初始檢測模型，得到樣本檢測區域中目標物體在各時刻的目標檢測結果；獲取各時刻的目標檢測結果與標準結果之間的第一誤差，以及各時刻的目標檢測結果之間的第二誤差；根據第一誤差和第二誤差對初始檢測模型進行訓練，得到目標檢測模型。在本實施例中，在對初始檢測模型進行訓練(對初始檢測模型中的網絡參數進行調整)時，使用的誤差不僅包括各時刻的目標檢測結果與標準檢測結果之間的第一誤差，還包括各時刻的目標檢測結果之間的第二誤差，即不僅考慮的各時刻的目標檢測結果與標準結果之間的誤差，還考慮到了相鄰時刻的目標檢測結果之間的誤差，這樣能夠抑制訓練得到的目標檢測模型在時序上存在的不穩定性，從而能夠提高目標檢測模型的魯棒性，以及使用目標檢測模型得到的目標檢測結果的準確性。
本文檔來自技高網...【技術保護點】
1.一種檢測模型的訓練方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述將相鄰時刻采集到的樣本檢測區域的訓練數據輸入至初始檢測模型，得到所述樣本檢測區域中目標物體在各時刻的目標檢測結果，包括：
3.根據權利要求2所述的方法，其特征在于，所述各時刻的初始檢測結果包括第一初始檢測結果和第二初始檢測結果，所述將所述各時刻的初始檢測結果與所述標準結果進行匹配，得到所述各時刻的目標檢測結果，包括：
4.根據權利要求1所述的方法，其特征在于，所述獲取所述各時刻的目標檢測結果與標準結果之間的第一誤差，以及所述各時刻的目標檢測結果之間的第二誤差，包括：
5.根據權利要求1-4中任一項所述的方法，其特征在于，所述方法還包括：
6.根據權利要求5所述的方法，其特征在于，在獲取所述各時刻的目標檢測結果與標準結果之間的第一誤差之前，所述方法還包括：
7.根據權利要求1所述的方法，其特征在于，所述各時刻的目標檢測結果包括置信度和所述目標物體對應的檢測框，所述第一誤差包括置信度誤差，以及所述檢測框的位置誤差
8.一種檢測方法，其特征在于，所述方法包括：
9.根據權利要求8所述的方法，其特征在于，訓練所述目標檢測模型的方法包括：
10.一種檢測模型的訓練裝置，其特征在于，所述裝置包括：
11.一種檢測裝置，其特征在于，所述裝置包括：
12.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至9中任一項所述的方法的步驟。
13.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至9中任一項所述的方法的步驟。
14.一種計算機程序產品，包括計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至9中任一項所述的方法的步驟。
...【技術特征摘要】
1.一種檢測模型的訓練方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述將相鄰時刻采集到的樣本檢測區域的訓練數據輸入至初始檢測模型，得到所述樣本檢測區域中目標物體在各時刻的目標檢測結果，包括：
3.根據權利要求2所述的方法，其特征在于，所述各時刻的初始檢測結果包括第一初始檢測結果和第二初始檢測結果，所述將所述各時刻的初始檢測結果與所述標準結果進行匹配，得到所述各時刻的目標檢測結果，包括：
4.根據權利要求1所述的方法，其特征在于，所述獲取所述各時刻的目標檢測結果與標準結果之間的第一誤差，以及所述各時刻的目標檢測結果之間的第二誤差，包括：
5.根據權利要求1-4中任一項所述的方法，其特征在于，所述方法還包括：
6.根據權利要求5所述的方法，其特征在于，在獲取所述各時刻的目標檢測結果與標準結果之間的第一誤差之前，所述方法還包括：
7.根據權利要求1所述的方法，其特征在于...
【專利技術屬性】
技術研發人員：孟強，王家寶，
申請(專利權)人：廣州卡爾動力科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。