[发明专利]轮廓识别模型的训练方法和目标对象的检测方法

说明书

本申请提供了一种轮廓识别模型的训练方法，包括：提供多个样本的基础数据，所述基础数据对应所述样本中识别对象的轮廓；基于每个所述样本的所述基础数据获取多个训练数据；以及基于带有所述多个训练数据的所述样本对神经网络模型进行训练，以使得所述神经网络模型能基于所述样本输出与所述多个训练数据分别对应的多个轮廓识别数据。由于样本的基础数据对应样本中识别对象的轮廓，多个训练数据对应基于样本中识别对象的轮廓获得的多个训练轮廓，一个样本带有多个训练样本，基于带有多个训练数据的样本对神经网络模型进行训练，通过该训练方法，使得轮廓识别模型具有输入一个样本输出与多个训练数据的分别对应的多个轮廓识别数据的能力。

技术领域

本申请涉及计算机技术领域，具体涉及一种轮廓识别模型的训练方法、目标对象的检测方法、目标对象的检测装置、电子设备和计算机可读存储介质。

背景技术

目标检测是计算机视觉领域的一个经典问题，目的是检测出输入图像中目标对象的位置、轮廓以及种类等。现有技术中的目标检测方法利用代表不同目标类别的卷积核对待检测图像进行卷积计算，通过分类获得目标对象的位置、轮廓及种类，但该方法针对目标对象或者重叠的多个目标对象的检测准确度低，无法精准检测目标对象的轮廓，也无法精确地将重叠的多个目标对象分割开，且计算速度慢，耗时较长。

发明内容

有鉴于此，本申请实施例提供了一种轮廓识别模型的训练方法、目标对象的检测方法、目标对象的检测装置、电子设备和计算机可读存储介质，以解决现有技术中无法兼顾精准识别目标对象且耗时短的技术问题。

根据本申请的一个方面，本申请一实施例提供的一种轮廓识别模型的训练方法，包括：提供多个样本的基础数据，所述基础数据对应所述样本中识别对象的轮廓；基于每个所述样本的所述基础数据获取多个训练数据；以及基于带有所述多个训练数据的所述样本对神经网络模型进行训练，以使得所述神经网络模型能基于所述样本输出与所述多个训练数据分别对应的多个轮廓识别数据。

根据本申请另一个方面，本申请一实施例提供的一种目标对象的检测方法，包括：提取待检测图像的特征信息，所述待检测图像包括一个或多个目标对象；将所述特征信息输入如上述任一所述的方法训练得到的轮廓识别模型，获得所述待检测图像的多个轮廓预测数据；对所述多个轮廓预测数据进行特征叠加，获得预测叠加数据；以及基于所述预测叠加数据，获得所述目标对象的轮廓数据。

根据本申请的又一个方面，本申请一实施例提供的本申请一实施例提供了一种电子设备，包括：处理器；存储器；以及存储在存储器中的计算机程序指令，计算机程序指令在被处理器运行时使得处理器执行如上述任一项所述的方法。

根据本申请的又一方面，本申请一实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如前任一所述的方法。

本申请实施例提供的一种轮廓识别模型的训练方法，通过获取样本的基础数据的多个训练数据，基于带有多个训练数据的样本对神经网络模型进行训练，以使得神经网络模型能基于样本输出与多个训练数据分别对应的多个轮廓识别数据。通过该训练方法，使得轮廓识别模型具有输入一个样本输出与多个训练数据的分别对应的多个轮廓识别数据的能力。具体地，样本的基础数据对应样本中识别对象的轮廓，多个训练数据对应基于样本中识别对象的轮廓获得的多个训练轮廓，由于一个样本带有多个训练样本，基于带有多个训练数据的样本对神经网络模型进行训练，该神经网络模型能够具有能输出与多个训练数据分别对应的多个轮廓识别数据。