[發明專利]分類網絡及物體檢測模型構建方法、裝置、設備及介質

在審

• 申請號: 202011453575.0
• 申請日: 2020-12-11
• 公開（公告）號: CN112613539A
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 李幫懷;袁野
• 申請（專利權）人: 北京邁格威科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 王婷婷

本發明實施例提供了一種分類網絡及物體檢測模型構建方法、裝置、設備及介質，對樣本物體的多個圖像分別進行特征提取，得到對應的多個特征圖像，所述多個圖像具有不同的圖像分布域，將每兩個圖像分布域不同的圖像各自對應的特征圖像成對輸入預設網絡，得到多個第一分類結果和多個第二分類結果；根據所述多個第一分類結果與所述多個第二分類結果之間的距離以及所述樣本物體的類別標簽，對所述預設網絡的參數進行更新；將經過多次更新后的預設網絡確定為分類網絡。

技術領域

本發明涉及計算機處理技術領域，特別是涉及一種分類網絡及物體檢測模型構建方法、裝置、設備及介質。

背景技術

物體檢測(Object Detection)是計算機視覺的一項核心技術，旨在定位圖片中每一個物體的同時給出正確的物體類別，物體檢測作為基礎的視覺算法有著廣泛的應用。目前，一般是基于深度神經網絡進行物體檢測。

但是目前的物體檢測都存在一個比較明顯的問題，就是當所檢測的物體處于不同的環境條件或是在不同風格下拍攝的情況時，例如處于白天/黑夜/霧天等不同的條件，或者，是采用油畫、素描等風格所拍攝時，對同一個物體的物體檢測會出現較大差距。因此，相關技術中的深度神經網絡無法在環境條件多變的情況下，準確地進行物體檢測。

發明內容

鑒于上述問題，提出了本發明實施例的一種分類網絡及物體檢測模型構建方法、裝置、設備及介質，以便克服上述問題或者至少部分地解決上述問題。

為了解決上述問題，本發明的第一方面，公開了一種分類網絡構建方法、所述方法包括：

對樣本物體的多個圖像分別進行特征提取，得到對應的多個特征圖像，所述多個圖像具有不同的圖像分布域；

將每兩個圖像分布域不同的圖像各自對應的特征圖像成對輸入預設網絡，得到多個第一分類結果和多個第二分類結果；

根據所述多個第一分類結果與所述多個第二分類結果之間的距離以及所述樣本物體的類別標簽，對所述預設網絡的參數進行更新；

將經過多次更新后的預設網絡確定為分類網絡。

可選地，根據所述多個第一分類結果與所述多個第二分類結果之間的距離以及所述樣本物體的類別標簽，對所述預設網絡的參數進行更新，包括：

根據所述多個第一分類結果與所述多個第二分類結果之間的距離，確定目標損失值；

根據所述多個第一分類結果與所述樣本物體的類別標簽，確定第一分類損失值，以及，根據所述多個第二分類結果與所述樣本物體的類別標簽，確定第二分類損失值；

根據所述目標損失值、所述第一分類損失值以及所述第二分類損失值，對所述預設網絡的參數進行更新。

可選地，所述方法還包括：

對所述多個第一分類結果進行處理，確定第一結果中心，以及，對所述多個第二分類結果進行處理，確定第二結果中心；

根據所述多個第一分類結果與所述多個第二分類結果之間的距離，確定目標損失值，包括：

根據所述第一結果中心與所述第二結果中心的差距，確定目標損失值。

可選地，根據所述第一結果中心與所述第二結果中心的差距，確定目標損失值，包括：

按照以下公式確定目標損失值：

其中，Loss_cosine為所述目標損失值，為所述第一分類結果中心的向量表示，為所述第二分類結果中心的向量表示。

本發明實施例的第二方面，提供了一種物體檢測模型構建方法，所述方法包括：