[發明專利]目標檢測方法及其模型的訓練方法及相關裝置、設備

在審

• 申請號: 202010167104.7
• 申請日: 2020-03-11
• 公開（公告）號: CN111508019A
• 公開（公告）日: 2020-08-07
• 發明（設計）人: 宋濤
• 申請（專利權）人: 上海商湯智能科技有限公司
• 主分類號: G06T7/70
• 分類號: G06T7/70;G06T7/62
• 代理公司: 深圳市威世博知識產權代理事務所(普通合伙) 44280
• 代理人: 何倚雯

1.一種目標檢測模型的訓練方法，其特征在于，包括：

獲取樣本圖像，其中，所述樣本圖像標注有目標所在的實際區域的實際位置信息；

以所述樣本圖像中的若干點為檢測點，基于每個所述檢測點與所述實際區域的預設點之間的距離，選擇至少一個所述檢測點作為所述目標的正樣本點；

利用目標檢測模型對所述樣本圖像進行目標檢測，得到每個所述正樣本點對應的預測區域信息，其中，每個所述正樣本點對應的預測區域信息包括所述正樣本點對應的預測區域的預測位置信息；

利用所述實際位置信息與所述預測區域信息，確定所述目標檢測模型的損失值；

基于所述目標檢測模型的損失值，調整所述目標檢測模型的參數。

2.根據權利要求1所述的訓練方法，其特征在于，所述樣本圖像中包含多個所述目標；

所述以所述樣本圖像中的若干點為檢測點，基于每個所述檢測點與所述實際區域的預設點之間的距離，選擇至少一個所述檢測點作為所述目標的正樣本點，包括：

對所述樣本圖像進行降采樣，得到對應不同分辨率的多個特征圖；

基于所述目標的實際區域的尺寸，將所述多個目標的實際區域與所述多個特征圖進行分組；其中，尺寸越大的所述實際區域與分辨率越小的所述特征圖作為同一分組；

對于同一分組的特征圖和所述目標的實際區域，以所述特征圖中的每個點為檢測點，執行所述基于每個所述檢測點與所述實際區域的預設點之間的距離，選擇至少一個所述檢測點作為所述目標的正樣本點的步驟。

3.根據權利要求2所述的訓練方法，其特征在于，所述特征圖為m個；

所述基于所述目標的實際區域的尺寸，將所述多個目標的實際區域與所述多個特征圖進行分組，包括：

計算每個所述目標的實際區域的面積，將所述面積的最大值和最小值之間的范圍劃分為從小到大排序的m個區間；

將所述m個特征圖按照分辨率從大到小排列，并將面積屬于第i個區間的所述目標的實際區域與第i個特征圖劃分至同一分組；其中，i和m為正整數，且i為0至m之間的值。

4.根據權利要求1至3任一項所述的訓練方法，其特征在于，所述基于每個所述檢測點與所述實際區域的預設點之間的距離，選擇至少一個所述檢測點作為所述目標的正樣本點，包括：

獲得每個所述檢測點與所述實際區域的預設點之間的距離；

選擇與所述預設點之間的距離滿足預設條件的至少一個所述檢測點作為所述目標的正樣本點。

5.根據權利要求4所述的訓練方法，其特征在于，所述選擇與所述預設點之間的距離滿足預設條件的至少一個所述檢測點作為所述目標的正樣本點，包括：

選擇與所述預設點之間的距離最近的前若干個檢測點作為所述目標的正樣本點。

6.根據權利要求1所述的訓練方法，其特征在于，所述預測區域信息還包括所述預測區域的預測置信度；

所述利用所述實際位置信息與所述預測區域信息，確定所述目標檢測模型的損失值，包括：

利用每個目標的所述實際位置信息與所述預測位置信息，得到位置損失值；

利用所述預測置信度，得到置信度損失值；

基于所述位置損失值和所述置信度損失值，得到所述目標檢測模型的損失值。

7.根據權利要求6所述的訓練方法，其特征在于，所述實際位置信息包括所述實際區域的實際區域尺寸，所述預測位置信息包括所述預測區域的預測區域尺寸；

所述利用每個目標的所述實際位置信息與所述預測位置信息，得到位置損失值，包括：

利用每個所述目標的實際區域尺寸和預測區域尺寸，得到區域尺寸損失值；

基于所述區域尺寸損失值，得到位置損失值。