[發明專利]目標檢測模型的訓練方法、裝置、計算機設備和存儲介質

有效

• 申請號: 202010118926.6
• 申請日: 2020-02-26
• 公開（公告）號: CN112749726B
• 公開（公告）日: 2023-09-29
• 發明（設計）人: 羅澤坤;王亞彪;李劍;王昌安;彭瑾龍;汪鋮杰;李季檁;方正
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V40/10
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 董慧;李文淵

本申請涉及一種目標檢測模型的訓練方法、裝置、計算機設備和存儲介質。所述方法包括：獲取樣本圖像及樣本圖像中多個目標對應的標注框；通過目標檢測模型對樣本圖像進行目標檢測，獲得樣本圖像中多個目標對應的預測框；根據目標所對應的預測框與標注框之間的差異確定第一損失；根據樣本圖像中相同目標所對應的預測框之間的重疊程度確定第二損失；根據樣本圖像中不同目標所對應的預測框之間的重疊程度確定第三損失度；根據第一損失、第二損失及第三損失調整目標檢測模型的模型參數后，返回獲取樣本圖像及樣本圖像中多個目標對應的標注框的步驟繼續訓練，直至獲得訓練好的目標檢測模型，本申請提供的方案能夠提升圖像中目標較為擁擠時的檢測效果。

技術領域

本申請涉及計算機技術領域，特別是涉及一種目標檢測模型的訓練方法、裝置、計算機設備和存儲介質。

背景技術

目標檢測是計算機視覺領域的圖像處理技術，目標檢測可以從圖像中定位出目標。在目標檢測任務中，通常會對目標檢測出多個預測框，在進行目標檢測時，對于輸出的多個預測框，可以采用非極大值抑制(Non?Maximum?Suppression，NMS)技術進行后處理，去除多余的預測框之后得到各個目標對應的最終檢測結果。

發明人發現，傳統的目標檢測算法主要是根據各個預測框與標注框之間的差異來進行網絡訓練的，沒有將上述的后處理過程加入到訓練過程中，導致在檢測目標較為擁擠的圖像時，采用NMS算法對輸出的多個預測框進行后處理得到的檢測結果存在漏掉了正確的預測框、保留了錯誤的預測框的問題，檢測效果不太理想。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠在圖像中目標較為擁擠的場景下提升檢測效果的目標檢測模型的訓練方法、裝置、計算機設備和存儲介質。

一種目標檢測模型的訓練方法，所述方法包括：

獲取樣本圖像及所述樣本圖像中多個目標對應的標注框；

通過目標檢測模型對所述樣本圖像進行目標檢測，獲得所述樣本圖像中多個目標對應的預測框，各所述目標對應的預測框的數量為至少一個；

根據所述目標所對應的預測框與標注框之間的差異確定第一損失；

根據所述樣本圖像中相同目標所對應的預測框之間的重疊程度確定第二損失，所述第二損失用于增大所述目標檢測模型輸出的相同目標所對應的預測框之間的重疊程度；

根據所述樣本圖像中不同目標所對應的預測框之間的重疊程度確定第三損失，所述第三損失用于減小所述目標檢測模型輸出的不同目標所對應的預測框之間的重疊程度；

根據所述第一損失、所述第二損失及所述第三損失調整所述目標檢測模型的模型參數后，返回所述獲取樣本圖像及所述樣本圖像中多個目標對應的標注框的步驟繼續訓練，直至獲得訓練好的目標檢測模型。

一種目標檢測模型的訓練裝置，所述裝置包括：

獲取模塊，用于獲取樣本圖像及所述樣本圖像中多個目標對應的標注框；

檢測模塊，用于通過目標檢測模型對所述樣本圖像進行目標檢測，獲得所述樣本圖像中多個目標對應的預測框，各所述目標對應的預測框的數量為至少一個；

第一損失確定模塊，用于根據所述目標所對應的預測框與標注框之間的差異確定第一損失；

第二損失確定模塊，用于根據所述樣本圖像中相同目標所對應的預測框之間的重疊程度確定第二損失，所述第二損失用于增大所述目標檢測模型輸出的相同目標所對應的預測框之間的重疊程度；

第三損失確定模塊，用于根據所述樣本圖像中不同目標所對應的預測框之間的重疊程度確定第三損失，所述第三損失用于減小所述目標檢測模型輸出的不同目標所對應的預測框之間的重疊程度；