[发明专利]图像处理模型的训练方法、装置及存储介质

权利要求书

1.一种图像处理模型的训练方法，其特征在于，所述图像处理模型包括：骨干网络、区域候选网络及检测网络，所述方法包括：

通过所述骨干网络，对包含目标对象的样本图像进行特征提取，得到所述样本图像的特征图；

通过所述区域候选网络，对所述特征图进行区域选取，确定候选区域；

通过所述检测网络，对所述候选区域进行目标对象检测，得到所述目标对象的位置参数及类别参数，所述类别参数包括对应所述目标对象的分类结果，所述位置参数包括：对应所述目标对象的包围框、分割掩码及关键点掩码；

基于所述目标对象的包围框、分割掩码、关键点掩码及分类结果，确定所述图像处理模型的目标损失函数的值；

基于确定的所述目标损失函数的值，更新所述图像处理模型的模型参数。

2.根据权利要求1所述的方法，其特征在于，所述通过所述区域候选网络，对所述特征图进行区域选取，确定候选区域，包括：

通过所述区域候选网络，生成对应所述特征图的多个初始包围框；

通过滑窗扫描所述多个初始包围框，确定所述多个初始包围框中对应前景的初始包围框；

对所述对应前景的初始包围框进行包围框回归，以确定候选区域。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

通过所述检测网络，从所述特征图中截取所述候选区域对应的特征区域，得到候选特征区域；

调整所述候选特征区域的特征至固定大小的特征维度。

4.根据权利要求1所述的方法，其特征在于，所述通过所述检测网络，对所述候选区域进行目标对象检测，得到所述目标对象的位置参数，包括：

通过所述检测网络包括的全连接网络，分别对所述候选区域进行目标对象检测，确定包含所述目标对象的候选区域；

基于所述包含所述目标对象的候选区域，进行包围框回归，得到对应所述目标对象的包围框。

5.根据权利要求1所述的方法，其特征在于，所述通过所述检测网络，对所述候选区域进行目标对象检测，得到所述目标对象的位置参数，包括：

通过所述检测网络包括的卷积网络，分别对所述候选区域进行对应所述目标对象的语义分割，生成对应所述目标对象的分割掩码。

6.根据权利要求1所述的方法，其特征在于，所述通过所述检测网络，对所述候选区域进行目标对象检测，得到所述目标对象的位置参数，包括：

通过所述检测网络包括的全卷积网络，分别对所述候选区域进行对应所述目标对象的关键点的语义分割，生成对应所述目标对象的关键点的关键点掩码。

7.根据权利要求1所述的方法，其特征在于，所述基于所述目标对象的包围框、分割掩码、关键点掩码及分类结果，确定所述图像处理模型的目标损失函数的值，包括：

分别获取所述包围框与目标包围框之间的第一差值、所述分割掩码与目标分割掩码之间的第二差值、所述关键点掩码与目标关键点掩码之间的第三差值、所述分类结果与目标分类结果之间的第四差值；

基于所述第一差值、所述第二差值、所述第三差值及所述第四差值，确定所述图像处理模型的损失函数的值。

8.根据权利要求1所述的方法，其特征在于，所述基于确定的所述目标损失函数的值，更新所述图像处理模型的模型参数，包括：

当所述损失函数的值超出预设阈值时，基于所述图像处理模型的损失函数确定相应的误差信号；

将所述误差信号在所述图像处理模型中反向传播，并在传播的过程中更新所述图像处理模型的模型参数。