[發明專利]一種物體檢測模型的訓練及預測方法、裝置、設備及介質

在審

• 申請號: 202010599541.6
• 申請日: 2020-06-28
• 公開（公告）號: CN111797745A
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 葉曉青;譚嘯;孫昊;章宏武
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本申請公開了一種物體檢測模型的訓練及預測方法、裝置、設備及介質，涉及人工智能中深度學習和計算機視覺領域。具體方案為：將當前樣本圖像輸入至待訓練的物體檢測模型，得到各個檢測對象的二維預測圖像特征和其對應的二維檢測框的預測參數；基于各個檢測對象的二維預測圖像特征以及對應的二維檢測框的預測參數，得到各個檢測對象的三維預測圖像特征和其對應的三維檢測框的預測參數；根據各個二維預測圖像特征和其對應的二維檢測框的預測參數，以及各個三維預測圖像特征和其對應的三維檢測框的預測參數，對物體檢測模型進行訓練。本申請實施例能夠實現實時地二維三維聯合檢測，從而可以達到提高檢測速度，降低檢測成本的目的。

技術領域

本申請涉及計算機技術領域，進一步涉及人工智能中深度學習和計算機視覺領域，尤其是一種物體檢測模型的訓練及預測方法、裝置、設備及介質。

背景技術

現有技術在二維、三維檢測領域主要有以下兩種方法：基于激光雷達點云的三維物體檢測方法和基于單目圖像的三維物體檢測方法；其中，基于激光雷達點云的三維物體檢測方法，需要較為昂貴的激光雷達，且采集的點云具有稀疏和密度不一致性，在實際場景中應用局限性大、成本較高。另外，基于單目圖像的三維物體檢測方法，通過單目深度估計獲取深度，并將圖像轉換為偽點云，再應用點云三維檢測的方法，但是該方法需要深度估計網絡、2D預檢測網絡和3D點云檢測網絡串接，速度較慢。

發明內容

本申請提供了一種物體檢測模型的訓練及預測方法、裝置、設備及介質，能夠實現實時地二維三維聯合檢測，從而可以達到提高檢測速度，降低檢測成本的目的。

第一方面，本申請提供了一種物體檢測模型的訓練方法，所述方法包括：

當待訓練的物體檢測模型不滿足預先設置的收斂條件時，將當前樣本圖像輸入至所述待訓練的物體檢測模型；通過所述待訓練的物體檢測模型對所述當前樣本圖像中的至少一個檢測對象進行二維檢測，得到各個檢測對象的二維預測圖像特征和其對應的二維檢測框的預測參數；

基于各個檢測對象的二維預測圖像特征以及對應的二維檢測框的預測參數，通過所述待訓練的物體檢測模型對各個檢測對象進行三維檢測，得到各個檢測對象的三維預測圖像特征和其對應的三維檢測框的預測參數；

根據各個檢測對象的二維預測圖像特征和其對應的二維檢測框的預測參數，以及各個檢測對象的三維預測圖像特征和其對應的三維檢測框的預測參數，對所述物體檢測模型進行訓練，將下一個樣本圖像作為所述當前樣本圖像，重復執行上述操作，直到所述物體檢測模型滿足所述預先確定的收斂條件

第二方面，本申請提供了一種物體檢測模型的預測方法，所述方法包括：

將待檢測圖像輸入至預先訓練的物體檢測模型；通過所述預先訓練的物體檢測模型對所述待檢測圖像中的至少一個檢測對象進行二維檢測，得到各個檢測對象的二維預測圖像特征和其對應的二維檢測框的預測參數；

基于各個檢測對象的二維預測圖像特征以及對應的二維檢測框的預測參數，通過所述待訓練的物體檢測模型對各個檢測對象進行三維檢測，得到各個檢測對象的三維預測圖像特征和其對應的三維檢測框的預測參數。

第三方面，本申請提供了一種物體檢測模型的訓練裝置，所述裝置包括：二維計算模塊、二維計算模塊和訓練模塊；其中，

所述二維計算模塊，用于當待訓練的物體檢測模型不滿足預先設置的收斂條件時，將當前樣本圖像輸入至所述待訓練的物體檢測模型；通過所述待訓練的物體檢測模型對所述當前樣本圖像中的至少一個檢測對象進行二維檢測，得到各個檢測對象的二維預測圖像特征和其對應的二維檢測框的預測參數；

所述三維計算模塊，用于基于各個檢測對象的二維預測圖像特征以及對應的二維檢測框的預測參數，通過所述待訓練的物體檢測模型對各個檢測對象進行三維檢測，得到各個檢測對象的三維預測圖像特征和其對應的三維檢測框的預測參數；