[发明专利]一种图像数据处理方法、装置以及计算机可读存储介质

说明书

本申请公开了一种图像数据处理方法、装置以及计算机可读存储介质，该方法包括：获取包含样本检测对象的样本图像；通过初始检测模型获取样本图像的第一维度特征，对第一维度特征进行特征降维，得到样本图像的第二维度特征；根据第一维度特征，获取样本检测对象的第一类型预测结果，根据第二维度特征，获取检测对象的第二类型预测结果；根据样本检测对象的实际对象类型、第一类型预测结果和第二类型预测结果，修正初始检测模型的模型参数，得到检测模型；检测模型用于对检测图像中检测对象的对象特征进行检测。采用本申请，可提高检测模型针对检测图像中的检测对象的对象特征的检测准确性。

技术领域

本申请涉及图像数据处理的技术领域，尤其涉及一种图像数据处理方法、装置以及计算机可读存储介质。

背景技术

随着计算机网络的不断发展，人工智能在各种领域中均有一定的应用，其中就涉及到将人工智能应用到图像检测的领域中，例如通过训练得到的检测模型实现对图像中的检测对象的对象类别的检测。

现有技术中，在训练初始检测模型以得到检测模型时，往往会通过大量的样本图像对初始检测模型进行训练，并且，每种类别的检测对象所在的样本图像的图像数量也非常多。由于初始检测模型本身的特征维度较高，对于每种类别的检测对象所在的样本图像的图像数量也很多，因此，初始检测模型在进行训练时，会学习到检测对象太多的冗余信息，该冗余信息不仅不会帮助到初始检测模型更好地识别出样本图像中的检测对象的对象类别，反而会干扰初始检测模型，使得初始检测模型容易将多种类别的检测对象识别为一种类别的检测对象，以致后续训练得到的检测模型也不能精确地对图像中的检测对象的对象类别进行区分。

发明内容

本申请提供了一种图像数据处理方法、装置以及计算机可读存储介质，可提高检测模型针对检测图像中的检测对象的对象特征的检测准确性。

本申请一方面提供了一种图像数据处理方法，包括：

获取包含样本检测对象的样本图像；样本图像携带有样本检测对象的对象类型标签；

通过初始检测模型，获取样本图像的第一维度特征，对第一维度特征进行特征降维，得到样本图像的第二维度特征；

根据第一维度特征，获取针对样本检测对象的第一类型预测结果，根据第二维度特征，获取针对检测对象的第二类型预测结果；

根据对象类型标签所指示的样本检测对象的实际对象类型、第一类型预测结果和第二类型预测结果，修正初始检测模型的模型参数，得到检测模型；检测模型用于对检测图像中的检测对象的对象特征进行检测。

其中，初始检测模型中包括第一预测子网络和第二预测子网络；第一预测子网络的特征维度大于第二预测子网络的特征维度；

通过初始检测模型，获取样本图像的第一维度特征，对第一维度特征进行特征降维，得到样本图像的第二维度特征，包括：

基于第一预测子网络，获取样本图像的第一维度特征，基于第二预测子网络，对第一维度特征进行特征降维，得到第二维度特征；

则，根据第一维度特征，获取针对检测对象的第一类型预测结果，根据第二维度特征，获取针对检测对象的第二类型预测结果，包括：

基于第一预测子网络和第一维度特征，预测得到样本检测对象的第一类型预测结果，基于第二预测子网络和第二维度特征，预测得到样本检测对象的第二类型预测结果。

其中，根据样本检测对象的实际对象类型、第一类型预测结果和第二类型预测结果，修正初始检测模型的模型参数，得到检测模型，包括：

根据第一类型预测结果和实际对象类型，确定针对第一预测子网络的第一损失函数；

根据第二类型预测结果和实际对象类型，确定针对第二预测子网络的第二损失函数；