[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

本申請公開了一種目標檢測方法及其模型的訓練方法及相關裝置、設備，其中，目標檢測模型的訓練方法包括：獲取樣本圖像，其中，樣本圖像標注有目標所在的實際區域的實際位置信息；以樣本圖像中的若干點為檢測點，基于每個檢測點與實際區域的預設點之間的距離，選擇至少一個檢測點作為目標的正樣本點；利用目標檢測模型對樣本圖像進行目標檢測，得到每個正樣本點對應的預測區域信息，其中，每個正樣本點對應的預測區域信息包括正樣本點對應的預測區域的預測位置信息；利用實際位置信息與預測區域信息，確定目標檢測模型的損失值；基于目標檢測模型的損失值，調整目標檢測模型的參數。上述方案，能夠提高目標檢測的準確性。

技術領域

本申請涉及人工智能技術領域，特別是涉及一種目標檢測方法及其模型的訓練方法及相關裝置、設備。

背景技術

隨著神經網絡、深度學習等人工智能技術的發展，對神經網絡模型進行訓練，并利用經訓練的神經網絡模型完成目標檢測等任務的方式，逐漸受到人們的青睞。

目前，現有的神經網絡模型一般是基于錨框(anchor)匹配或者無錨框(anchorfree)策略，以實現目標檢測，然而現有策略在實際使用中仍然存在誤檢率較高的問題。有鑒于此，如何提高目標檢測的準確性成為迫切研究的課題。

發明內容

本申請提供一種目標檢測方法及其模型的訓練方法及相關裝置、設備。

本申請第一方面提供了一種目標檢測模型的訓練方法，包括：獲取樣本圖像，其中，樣本圖像標注有目標所在的實際區域的實際位置信息；以樣本圖像中的若干點為檢測點，基于每個檢測點與實際區域的預設點之間的距離，選擇至少一個檢測點作為目標的正樣本點；利用目標檢測模型對樣本圖像進行目標檢測，得到每個正樣本點對應的預測區域信息，其中，每個正樣本點對應的預測區域信息包括正樣本點對應的預測區域的預測位置信息；利用實際位置信息與預測區域信息，確定目標檢測模型的損失值；基于目標檢測模型的損失值，調整目標檢測模型的參數。

因此，通過將樣本圖像中的若干點作為檢測點，并基于每個檢測點與實際區域的預設點之間的距離，選擇至少一個檢測點作為目標的正樣本點，從而利用目標監測模型對樣本圖像進行目標檢測，得到每個正樣本點對應的預測區域信息，并利用樣本圖像中目標所在的實際區域的實際位置信息和預測區域信息所包括的預測位置信息，確定目標檢測模型的損失值，從而基于目標檢測模型的損失值，調整目標檢測模型的參數，能夠基于匹配得到的多個正樣本點所對應的預測位置信息進行目標檢測模型的訓練，從而能夠在無需設計錨框的前提下，確保召回率，此外，通過基于與位置信息相關的損失值調整目標檢測模型的參數，能夠確保準確率，進而能夠提高目標檢測的準確性。

其中，樣本圖像中包含多個目標；以樣本圖像中的若干點為檢測點，基于每個檢測點與實際區域的預設點之間的距離，選擇至少一個檢測點作為目標的正樣本點，包括：對樣本圖像進行降采樣，得到對應不同分辨率的多個特征圖；基于目標的實際區域的尺寸，將多個目標的實際區域與多個特征圖進行分組；其中，尺寸越大的實際區域與分辨率越小的特征圖作為同一分組；對于同一分組的特征圖和目標的實際區域，以特征圖中的每個點為檢測點，執行基于每個檢測點與實際區域的預設點之間的距離，選擇至少一個檢測點作為目標的正樣本點的步驟。

因此，通過對樣本圖像進行降采樣，得到對應不同分辨率的多個特征圖，從而基于目標的實際區域的尺寸，將多個目標的實際區域與多個特征圖進行分組，且尺寸越大的實際區域和分辨率越小的特征圖作為同一分組，從而對同一分組的特征圖和目標的實際區域，以特征圖的每個點為檢測點，執行基于每個檢測點與實際區域的預設點之間的距離，選擇至少一個檢測點作為目標的正樣本點的步驟，一方面能夠使得分辨率高的特征圖負責小尺寸的目標，而分辨率低的特征圖負責大尺寸的目標，從而有利于實現多尺度的目標檢測，另一方面能夠以每個分組的特征圖的每個點為檢測點進行正樣本點的選取，從而能夠有利于確保產生盡可能多的正樣本點，進而有利于確保召回率，進而有利于提高目標檢測的準確性。