申请/专利权人：上海理想信息产业(集团)有限公司

申请日：2021-07-03

公开（公告）日：2024-01-23

公开（公告）号：CN113361645B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/774;G06V10/82;G06V10/74;G06N3/0464;G06N3/0442;G06N3/045;G06N3/0985

优先权：

专利状态码：有效-授权

法律状态：2024.01.23#授权;2021.12.28#实质审查的生效;2021.09.07#公开

摘要：本发明实施例涉及工业场景视觉检测技术领域，公开了一种基于元学习及知识记忆的目标检测模型构建方法及系统。该方法包括：利用开源数据集对目标检测模型进行训练得到预训练模型；利用预训练模型统计开源数据集中每个类别的特征，并构建开源特征记忆库Bp；利用检测目标的训练集微调预训练模型；利用调整后的所述预训练模型从所述检测目标的训练集中抽取每个类别的特征，并从开源特征记忆库Bp中筛选出与每个类别匹配的记忆单元，存入新的特征记忆库；将开源特征记忆库加入目标检测模型后进行训练；通过相似度误差和预测误差对目标检测模型动态更新。本发明将先验知识动态迁移至算法模型对目标样本的学习过程中，提升对长尾样本的学习能力和识别精度。

主权项：1.一种基于元学习和知识记忆的目标检测模型构建方法，其特征在于，包括：获取检测目标的训练集、检测目标的测试集以及外部开源数据集；利用所述开源数据集对选取的目标检测模型进行训练得到预训练模型；所述预训练模型包含预训练骨干网络以及预测网络；利用所述预训练模型统计所述开源数据集中每个类别的特征，并构建开源特征记忆库Bp；所述Bp包含每个类别的卷积层特征、池化层特征以及对应的类别标签形成的记忆单元；利用所述检测目标的训练集微调所述预训练模型；微调过程中固定所述预训练骨干网络的浅层卷积层，降低所述预训练骨干网络中其余卷积层的学习率，重新训练所述目标检测模型中的预测网络；利用调整后的所述预训练模型从所述检测目标的训练集中抽取每个类别的特征，并从所述开源特征记忆库Bp中筛选出与每个类别匹配的记忆单元，存入新的特征记忆库；将所述开源特征记忆库加入所述目标检测模型后进行训练；在训练时所述目标检测模型通过计算当前特征与所述新的特征记忆库中的特征之间的相似度误差以及目标检测模型的预测误差，通过所述相似度误差和所述预测误差对所述目标检测模型进行动态更新；利用所述检测目标的测试集测试更新后的所述目标检测模型；其中，利用所述预训练模型统计所述开源数据集中每个类别的特征，包括：从所述开源数据集中为每个类别随机抽取预设数量的图片，分别输入所述预训练模型并得到所述预训练骨干网络最后一个卷积层输出的特征；计算每个类别的平均卷积层特征，作为每个类别对应的卷积层特征；对平均卷积层特征每个通道的特征图取全局平均值得到每个类别的池化层特征。

全文数据：

权利要求：

百度查询： 上海理想信息产业(集团)有限公司 基于元学习及知识记忆的目标检测模型构建方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD