[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

说明书

本发明提供一种建立图像检测模型的方法：获取训练数据；确定搜索空间；根据搜索空间构建当前网络结构序列并生成当前神经网络，依据训练数据获取当前神经网络的第一评估值；根据搜索空间随机替换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并生成待选神经网络，依据训练数据获取待选神经网络的第二评估值；确定第一评估值与第二评估值是否满足预设条件，若否则将待选网络结构序列作为当前网络结构序列，并转至执行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满足预设条件，输出当前神经网络作为最终神经网络；利用训练数据训练最终神经网络，得到图像检测模型。

【技术领域】

本发明涉及图像检测技术领域，尤其涉及一种建立图像检测模型的方法、装置、设备和计算机存储介质。

【背景技术】

图像物体检测是计算机视觉中的经典问题之一，其任务是用矩形框标示出图像中物体的位置信息，并提供所标注物体的类别信息。现有技术中通常采用由人工设计神经网络的方式来获取用于图像检测的模型。但由于在人工设计神经网络时，需要人为地对网络层数、某一层卷积的个数等进行不断调整，因此现有技术在建立图像检测模型时的开发成本较高、开发周期较长。

【发明内容】

有鉴于此，本发明提供了一种建立图像检测模型的方法、装置、设备和计算机存储介质，用于降低图像检测模型的开发成本，缩短图像检测模型的开发周期，从而提升图像检测模型的开发效率。

本发明为解决技术问题所采用的技术方案为提供一种建立图像检测模型的方法，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。

根据本发明一优选实施例，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。

根据本发明一优选实施例，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。

根据本发明一优选实施例，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。

根据本发明一优选实施例，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。

根据本发明一优选实施例，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。