[发明专利]建立图像检测模型的方法、装置、设备和计算机存储介质

权利要求书

1.一种建立图像检测模型的方法，其特征在于，所述方法包括：

获取训练数据，所述训练数据中包含各图像以及各图像中所包含物体的标注信息；

确定搜索空间，所述搜索空间中包含构建神经网络的各参数以及各参数对应的取值范围；

根据所述搜索空间构建当前网络结构序列，在利用所述当前网络结构序列生成当前神经网络之后，依据所述训练数据获取所述当前神经网络的第一评估值；

根据所述搜索空间，随机替换所述当前网络结构序列中一个参数的值，得到待选网络结构序列，在利用所述待选网络结构序列生成待选神经网络之后，依据所述训练数据获取所述待选神经网络的第二评估值；

确定所述第一评估值与所述第二评估值之间是否满足预设条件，若否，则将所述待选网络结构序列作为当前网络结构序列，并转至执行根据所述搜索空间和当前网络结构序列得到待选网络结构序列的步骤，以此循环进行，直至当前神经网络的第一评估值与待选神经网络的第二评估值之间满足预设条件，输出当前神经网络作为最终神经网络；

利用所述训练数据对所述最终神经网络进行训练，直至所述最终神经网络收敛，得到图像检测模型；

其中，所述预设条件为待选神经网络的第二评估值小于等于当前神经网络的第一评估值；或者

待选神经网络的第二评估值小于等于当前神经网络的第一评估值的次数超过预设次数；或者

在循环次数超过预设次数的情况下，待选神经网络的第二评估值小于等于当前神经网络的第一评估值。

2.根据权利要求1所述的方法，其特征在于，在获取训练数据之后，还包括：按照预设比例，将所述训练数据划分为训练集和验证集。

3.根据权利要求1所述的方法，其特征在于，所述根据所述搜索空间构建当前网络结构序列包括：

分别从所述搜索空间中各参数对应的取值范围中随机选取一个值；

根据各参数以及随机选取的对应各参数的值构建所述当前网络结构序列。

4.根据权利要求2所述的方法，其特征在于，所述依据所述训练数据获取所述当前神经网络的第一评估值包括：

利用所述训练数据获取所述当前神经网络的验证准确率和验证速度；

将所述验证准确率和验证速度的乘积作为所述当前神经网络的第一评估值。

5.根据权利要求4所述的方法，其特征在于，所述利用所述训练数据获取所述当前神经网络的验证准确率和验证速度包括：

使用所述训练集对所述当前神经网络进行预设次数的训练之后，再使用所述验证集获取所述当前神经网络的验证准确率和验证速度。

6.根据权利要求4所述的方法，其特征在于，在将所述验证准确率和验证速度的乘积作为所述当前神经网络的第一评估值之前，还包括：

确定所述当前神经网络的验证速度是否小于等于预设速度；

若是，则继续执行获取所述当前神经网络的第一评估值的步骤，否则舍弃所述当前神经网络，转至执行根据所述搜索空间来构建当前网络结构序列的步骤。

7.根据权利要求2所述的方法，其特征在于，所述依据所述训练数据获取所述待选神经网络的第二评估值包括：

使用所述训练集对所述待选神经网络进行预设次数的训练之后，再使用所述验证集获取所述待选神经网络的验证准确率和验证速度；

将所述验证准确率和验证速度的乘积作为所述待选神经网络的第二评估值。

8.根据权利要求7所述的方法，其特征在于，在将所述验证准确率和验证速度的乘积作为所述待选神经网络的第二评估值之前，还包括：

确定所述待选神经网络的验证速度是否小于等于预设速度；

若是，则继续执行获取所述待选神经网络的评估值的步骤，否则舍弃所述待选神经网络，转至执行根据所述搜索空间和当前网络结构序列得到待选网络结构序列的步骤。