[发明专利]基于半监督学习的检测模型训练方法、装置、设备及介质

权利要求书

1.一种基于半监督学习的检测模型训练方法，其特征在于，包括：

根据样本图像中检测目标的第一识别区的已有标注框，分别采用至少一个预设扩增规则，得到所述样本图像中所述检测目标的至少一个第二识别区的扩增标注框；每个所述预设扩增规则对应一个所述第二识别区；

根据具有所述已有标注框和所述扩增标注框的所述样本图像进行模型训练，得到检测模型；所述检测模型用于对待测图像中所述检测目标的所述第一识别区和至少一个所述第二识别区进行检测。

2.如权利要求1所述的方法，其特征在于，所述根据样本图像中检测目标的第一识别区的已有标注框，分别采用至少一个预设扩增规则，得到所述样本图像中所述检测目标的至少一个第二识别区的扩增标注框，包括：

根据所述第一识别区的已有标注框的坐标，和一个所述预设扩增规则对应的预设扩增比例，得到一个所述第二识别区的扩增标注框的坐标；

根据至少一个所述第二识别区的扩增标注框的坐标，对所述样本图像进行标注，得到至少一个所述第二识别区的所述扩增标注框。

3.如权利要求2所述的方法，其特征在于，所述方法还包括：

采用所述检测模型，对所述样本图像进行预测，得到所述第一识别区的第一预测框和至少一个所述第二识别区的第二预测框；

根据所述第一预测框、至少一个所述第二预测框、所述已有标注框、至少一个所述扩增标注框，确定所述检测模型的损失函数值；

根据所述损失函数值，对所述检测模型的参数进行更新，直至更新后的所述检测模型的损失函数值最小。

4.如权利要求3所述的方法，其特征在于，所述根据所述第一预测框、至少一个所述第二预测框、所述已有标注框、至少一个所述扩增标注框，确定所述检测模型的损失函数值，包括：

根据所述第一预测框和所述已有标注框，确定所述第一识别区对应的损失函数值；

根据一个所述第二预测框和对应的所述扩增标注框，确定一个所述第二识别区对应的损失函数值；

根据所述第一识别区对应的损失函数值和至少一个所述第二识别区对应的损失函数值，确定所述检测模型的损失函数值。

5.如权利要求4所述的方法，其特征在于，所述已有标注框中每个像素点对应至少一个第一锚点框；

所述根据所述第一预测框和所述已有标注框，确定所述第一识别区对应的损失函数值，包括：

根据至少一个所述第一锚点框的坐标，分别对所述第一预测框和所述已有标注框的坐标进行转换；

根据转换后的所述第一预测框的坐标和所述已有标注框的坐标，确定所述第一识别区对应的损失函数值。

6.如权利要求4所述的方法，其特征在于，所述扩增标注框中每个像素点对应至少一个第二锚点框；

所述根据一个所述第二预测框和对应的所述扩增标注框，确定一个所述第二识别区对应的损失函数值，包括：

根据至少一个所述第二锚点框的坐标，分别对所述第二预测框和对应的所述扩增标注框的坐标进行转换；

根据转换后的所述第二预测框的坐标和所述扩增标注框的坐标，确定一个所述第二识别区对应的损失函数值。

7.一种基于半监督学习的检测模型训练装置，其特征在于，包括：扩增模块、训练模块；

所述扩增模块，用于根据样本图像中检测目标的第一识别区的已有标注框，分别采用至少一个预设扩增规则，得到所述样本图像中所述检测目标的至少一个第二识别区的扩增标注框；每个所述预设扩增规则对应一个所述第二识别区；

所述训练模块，用于根据具有所述已有标注框和所述扩增标注框的所述样本图像进行模型训练，得到检测模型；所述检测模型用于对待测图像中所述检测目标的所述第一识别区和至少一个所述第二识别区进行检测。

8.如权利要求7所述的装置，其特征在于，所述扩增模块，具体用于根据所述第一识别区的已有标注框的坐标，和一个所述预设扩增规则对应的预设扩增比例，得到一个所述第二识别区的扩增标注框的坐标；根据至少一个所述第二识别区的扩增标注框的坐标，对所述样本图像进行标注，得到至少一个所述第二识别区的所述扩增标注框。