[发明专利]基于数据闭环的目标检测模型构建方法及系统

权利要求书

1.一种基于数据闭环的目标检测模型构建方法，其特征在于，包括：

步骤S1：针对欲识别目标，预先制定特征提取规则，确定目标检测网络的架构，利用公开数据构建第一数据集，初始化数据集标号i为1；

步骤S2：在第i数据集上迭代训练所述目标检测网络，训练完成后得到第i中间检测模型，对所述第i中间检测模型进行转换加速得到第i目标检测模型，若所述第i目标检测模型的平均精度均值大于预设精度阈值，则所述第i目标检测模型即为最终目标检测模型并跳至步骤S9，否则执行步骤S3；

步骤S3：将所述第i目标检测模型部署到采集设备上，利用所述采集设备进行数据采集得到初始数据，然后把所述初始数据转换为N帧待检测数据，初始化待检测数据标号j为1；

步骤S4：利用所述第i目标检测模型对第j帧待检测数据进行识别，判断其中是否存在欲识别目标，若存在则跳至步骤S6，否则执行步骤S5；

步骤S5：利用所述特征提取规则对第j帧待检测数据进行识别，判断其中是否存在欲识别目标，若存在则执行步骤S6，否则跳至步骤S7；

步骤S6：将第j帧待检测数据及其之前M₁帧待检测数据和之后M₂帧待检测数据作为筛选后数据存储起来；

步骤S7：令j值加1，判断新j值是否小于或等于N，若是则跳回步骤S4并重新顺序执行相关步骤，若否则执行步骤S8；

步骤S8：对所有筛选后数据进行标注后将其加入第i数据集，得到第i+1数据集，然后i值加1并跳回步骤S2；

步骤S9：将所述最终目标检测模型部署在作业设备上，进行目标检测作业。

2.根据权利要求1所述的基于数据闭环的目标检测模型构建方法，其特征在于，所述特征提取规则是根据欲识别目标的特征设计的，所述特征包括颜色、形状、纹理，用于提取欲识别目标的特有性质，从而进行区分识别；

所述特征提取规则首先基于路沿过滤掉除道路之外的物体以防止误识别，然后针对不同种类的欲识别目标执行相应策略进行特征提取；

所述目标检测网络的架构为YOLOv5。

3.根据权利要求1所述的基于数据闭环的目标检测模型构建方法，其特征在于，所述在第i数据集上对所述目标检测网络进行迭代训练，训练完成后得到第i中间检测模型，包括：

将所述第i数据集分为第i训练集和第i验证集；

在所述第i训练集上对所述目标检测网络进行迭代训练，每完整迭代一次为一轮，共训练K轮；

每一轮训练结束后，在所述第i验证集上对相应轮次的目标检测网络进行验证，得到相应轮次的平均精度均值；

选择K轮中平均精度均值最高的轮次对应的目标检测网络，作为第i中间检测模型。

4.根据权利要求1所述的基于数据闭环的目标检测模型构建方法，其特征在于，所述对所述第i中间检测模型进行转换加速得到第i目标检测模型，包括：

将所述第i中间检测模型的框架从PyTorch转换为TensorRT；

将转换后模型的数据精度从FP32降为FP16以量化加速，得到第i目标检测模型。

5.根据权利要求1所述的基于数据闭环的目标检测模型构建方法，其特征在于，所述初始数据的格式为视频，所述待检测数据的格式为图片；

所述采集设备包括有人驾驶或无人驾驶车辆，配备有相机，实时采集行驶过程中的环境视频，作为初始数据；

所述把所述初始数据转换为N帧待检测数据，是指利用视频处理工具将所述初始数据的视频转换为连续帧的图片，作为待检测数据；

所述作业设备包括有人驾驶或无人驾驶车辆，配备有相机；

所述目标检测作业包括：所述作业设备通过相机实时采集行驶过程中的环境视频；将所述环境视频转换为多帧待检测图片；所述最终目标检测模型对所述待检测图片进行逐帧识别，当检测出欲识别目标后，将对应帧图片和相应的位置信息上传至云端。