[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

本申請公開了一種目標檢測方法、裝置及相應模型訓練方法、裝置。所述目標檢測模型訓練方法包括：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。其有益效果在于，可以根據原始訓練數據類別的分布情況對原始訓練數據中的少樣本類別進行數據增廣，得到訓練數據再根據增廣后的原始數據進行迭代訓練，緩解了原始數據不均衡造成的檢測結果的長尾效應，提高了多種類別的檢測準確性，實現大類別的目標檢測。

技術領域

本申請涉及目標檢測領域，具體涉及目標檢測方法、裝置及相應模型訓練方法、裝置。

背景技術

在現有的自動駕駛場景中，利用激光雷達對場景中目標進行檢測，確定目標與自動駕駛設備之間的相對位置、目標的種類等信息是一種常用手段。但是現有技術所能夠檢測的目標類別較少，例如，只能判斷出一個目標是汽車，而無法識別出具體是大型車還是中型車，是面包車還是SUV(運動型實用汽車)，也就是僅能夠支持小類別識別的場景，不能有效地對大類別目標進行有效的識別。

發明內容

鑒于上述問題，提出了本申請以便提供一種克服上述問題或者至少部分地解決上述問題的目標檢測方法、裝置及相應模型訓練方法、裝置。

依據本申請的一個方面，提供了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。

可選地，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。

可選地，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。

可選地，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。

可選地，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。