[發明專利]目標檢測方法、裝置及相應模型訓練方法、裝置

在審

• 申請號: 202010010846.9
• 申請日: 2020-01-06
• 公開（公告）號: CN111241969A
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 馮陽
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62
• 代理公司: 北京市隆安律師事務所 11323
• 代理人: 權鮮枝

1.一種目標檢測模型的訓練方法，所述目標為自動駕駛場景中的待關注對象，所述方法包括：

對帶有標注的原始訓練數據進行分析，確定原始訓練數據所包含的標注類別分布；

依據所述標注類別分布對原始訓練數據進行數據增廣，得到訓練數據；

根據所述訓練數據對目標檢測模型進行迭代訓練，直至滿足訓練停止條件。

2.如權利要求1所述的方法，其特征在于，所述原始訓練數據為三維點云圖，所述依據所述標注類別分布對原始訓練數據進行數據增廣，得到訓練數據包括：

依據所述標注類別分布，確定待增廣類別；

選取帶有待增廣類別的標注的三維點云圖，對選取的三維點云圖進行若干次整圖復制；和/或，從選取的三維點云圖中復制出與待增廣類別的標注對應的三維點云，將復制出的三維點云與基礎點云圖進行融合，得到融合點云圖。

3.如權利要求2所述的方法，其特征在于，所述基礎點云圖是從原始數據中隨機選取的，所述將復制出的三維點云與基礎點云圖進行融合包括：

根據復制出的三維點云在原始三維點云圖中距離激光坐標系原點的相對位置，確定復制出的三維點云在基礎點云圖中的可放置區域；

從所述可放置區域中選取與指定空間元素相近，且不與已標注目標重合的區域放置復制出的三維點云。

4.如權利要求1-3中任一項所述的方法，其特征在于，所述根據所述訓練數據對目標檢測模型進行迭代訓練包括：

根據標注所對應的目標的尺寸劃分多個尺寸區間，為每個尺寸區間分別確定一個特征圖尺度；

根據輸入到目標檢測模型的一條訓練數據所包含目標的尺寸，確定與該條訓練數據包含的各目標分別對應的指定特征圖尺度；

由目標檢測模型對該條訓練數據進行卷積，得到各指定特征圖尺度下的特征圖，利用得到的各特征圖分別對相應的目標進行檢測框回歸訓練。

5.如權利要求4所述的方法，其特征在于，所述根據所述訓練數據對目標檢測模型進行迭代訓練還包括：

對訓練數據進行統計分析，確定每個特征圖尺度下，各類目標的標注數量分布；

根據標注數量分布將目標劃分為多個訓練類別；

在利用得到的各特征圖分別對相應的目標進行檢測框回歸訓練時，使用多頭注意力，在同一特征圖中對每個訓練類別的下的各目標分別進行檢測框回歸和分類。

6.如權利要求5所述的方法，其特征在于，所述使用多頭注意力，在同一特征圖中對每個訓練類別的下的各目標分別進行檢測框回歸和分類包括：

根據各目標的出現頻率和/或次數，確定相應的多頭注意力權重。

7.一種目標檢測方法，其特征在于，該方法包括：

利用如權利要求1-6中任一項所述的方法訓練得到的目標檢測模型對三維點云圖進行檢測。

8.一種目標檢測模型的訓練裝置，所述目標為自動駕駛場景中的待關注對象，所述裝置包括：

分析單元，用于對帶有標注的原始訓練數據進行分析，確定原始訓練數據所包含的標注類別分布；

增廣單元，用于依據所述標注類別分布對原始訓練數據進行數據增廣，得到訓練數據；

訓練單元，用于根據所述訓練數據對目標檢測模型進行迭代訓練，直至滿足訓練停止條件。

9.一種目標檢測裝置，其特征在于，該裝置包括：

利用如權利要求8所述的裝置訓練得到的目標檢測模型對三維點云圖進行檢測。

10.一種電子設備，其中，該電子設備包括：處理器；以及被安排成存儲計算機可執行指令的存儲器，所述可執行指令在被執行時使所述處理器執行如權利要求1-6中任一項所述的方法，或者，使所述處理器執行如權利要求7所述的方法。

11.一種計算機可讀存儲介質，其中，所述計算機可讀存儲介質存儲一個或多個程序，所述一個或多個程序當被處理器執行時，實現如權利要求1-6中任一項所述的方法，或者，實現如權利要求7所述的方法。