目标检测模型的训练方法、目标检测方法及相关装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113963186A(43)申请公布日2022.01.21(21)申请号202111268969.3(22)申请日2021.10.29(71)申请人北京百度网讯科技有限公司地址100085北京市海淀区上地十街10号百度大厦2层(72)发明人张为明张伟谭啸孙昊(74)专利代理机构北京英赛嘉华知识产权代理有限责任公司11204代理人王达佐马晓亚(51)Int.Cl.G06V10/75(2022.01)G06V10/774(2022.01)G06V10/764(2022.01)G06K9/62(2022.01)权利要求书3页说明书11页附图4页(54)发明名称目标检测模型的训练方法、目标检测方法及相关装置(57)摘要本公开提供了一种目标检测模型的训练方法和目标检测方法，以及对应的装置、电子设备、计算机可读存储介质及计算机程序产品，涉及计算机视觉和深度学习等人工智能技术领域。该方法包括：获取从目标检测场景采集到的包含目标检测对象的无标注数据集；利用无标注数据集对自监督算法进行训练，得到第一预训练模型；利用与目标检测对象对应的目标检测算法，在公开样本集上对继承了第一预训练模型的网络骨干参数的第二预训练模型进行训练；响应于经训练的第二预训练模型在无标注数据上对目标检测对象的检测能力满足预设要求，输出为目标检测模型。应用该方法得到的目标检测模型训练提升了对目标检测场景的目标检测对象的检测效果。CN113963186ACN113963186A权利要求书1/3页1.一种目标检测模型的训练方法，包括：获取从目标检测场景采集到的包含目标检测对象的无标注数据集；利用所述无标注数据集对自监督算法进行训练，得到第一预训练模型；利用与所述目标检测对象对应的目标检测算法，在公开样本集上对继承了所述第一预训练模型的网络骨干参数的第二预训练模型进行训练；响应于经训练的第二预训练模型在所述无标注数据上对所述目标检测对象的检测能力满足预设要求，输出为目标检测模型。2.根据权利要求1所述的方法，其中，所述利用所述无标注数据集对自监督算法进行训练，得到第一预训练模型，包括：响应于所述无标注数据集为无标注的图像数据集，获取公开图像样本集在全监督方式下得到的分类预训练模型；基于所述无标注数据集和所述分类预训练模型，对所述自监督算法进行训练，得到所述第一预训练模型。3.根据权利要求1所述的方法，其中，所述利用与所述目标检测对象对应的目标检测算法，在公开样本集上对继承了所述第一预训练模型的网络骨干参数的第二预训练模型进行训练，包括：确定与所述目标检测对象对应的目标检测需求；确定与所述目标检测需求匹配的目标检测算法；利用所述目标检测算法在公开样本集上对继承了所述第一预训练模型的网络骨干参数的第二预训练模型进行训练。4.根据权利要求3所述的方法，其中，所述确定与所述目标检测对象对应的目标检测需求，包括：响应于所述目标检测场景为路口违章检测场景、所述检测对象包括车辆和行人，确定与所述车辆和所述行人对应的对象检测需求和轮廓定位需求。5.根据权利要求1所述的方法，其中，所述利用与所述目标检测对象对应的目标检测算法，在公开样本集上对继承了所述第一预训练模型的网络骨干参数的第二预训练模型进行训练，包括：从所述第一预训练模型中提取出目标网络骨干参数；获取初始的第二预训练模型，并将初始的第二预训练参数的初始网络骨干参数替换为所述目标网络骨干参数，得到待训练的第二预训练模型；利用与所述目标检测对象对应的目标检测算法，在公开样本集上对待训练的第二预训练模型进行训练。6.根据权利要求1‑5任一项所述的方法，其中，所述响应于经训练的第二预训练模型在所述无标注数据上对所述目标检测对象的检测能力满足预设要求，输出为目标检测模型，包括：响应于所述第二预训练模型训练至预设损失函数收敛，输出为所述目标检测模型；其中，所述预设损失函数基于所述预设要求设置得到。7.一种目标检测方法，包括：获取待检测文件；2CN113963186A权利要求书2/3页调用目标检测模型检测所述待检测文件中包含的目标检测对象；其中，所述目标检测模型根据权利要求1‑6中任一项所述的目标检测模型的训练方法得到。8.一种目标检测模型的训练装置，包括：无标注数据获取单元，被配置成获取从目标检测场景采集到的包含目标检测对象的无标注数据集；自监督算法训练单元，被配置成利用所述无标注数据集对自监督算法进行训练，得到第一预训练模型；目标检测算法训练单元，被配置成利用与所述目标检测对象对应的目标检测算法，在公开样本集上对继承了所述第一预训练模型的网络骨干参数的第二预训练模型进行训练；目标检测模型输出单元，被配置成响应于经训练的第二预训练模型在所述无标注数据上对所述目标检测对象的检测