[發明專利]模型訓練方法、目標檢測方法、裝置、設備及存儲介質

在審

• 申請號: 202110051303.6
• 申請日: 2019-09-16
• 公開（公告）號: CN112733864A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 李昂;楊學;張志強;俞剛
• 申請（專利權）人: 北京邁格威科技有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 莎日娜

1.一種檢測模型訓練方法，其特征在于，所述方法包括：

獲得多個源域樣本圖像和多個目標域樣本圖像，其中，每張源域樣本圖像包括預先標記的源域對象的標注框信息；

將每張源域樣本圖像和每張目標域樣本圖像成對輸入特征提取模型，得到所述特征提取模型輸出的該源域樣本圖像的第一特征圖、該目標域樣本圖像的第二特征圖、該源域樣本圖像中的源域對象的第一檢測框、以及該目標域樣本圖像中的目標域對象的第二檢測框；

通過第一判別器判斷所述第一特征圖和所述第二特征圖中的每個像素點的領域類別，得到多個第一判斷結果；

通過第二判別器判斷所述第一檢測框和所述第二檢測框中每個檢測框的領域類別，得到多個第二判斷結果；

根據所述第一檢測框和所述標注框信息，更新所述特征提取模型；

根據所述多個第一判斷結果和所述多個第二判斷結果，更新所述特征提取模型。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

根據所述多個第一判斷結果，以及所述特征提取模型輸出的每張特征圖中的每個像素點來自于源域樣本圖像還是目標域樣本圖像，更新所述第一判別器；

根據所述多個第二判斷結果，以及所述特征提取模型輸出的每個檢測框來自于源域樣本圖像還是目標域樣本圖像，更新所述第二判別器。

3.根據權利要求1所述的方法，其特征在于，所述第一判別器和所述特征提取模型之間設置有第一梯度反轉層，所述第二判別器和所述特征提取模型之間設置有第二梯度反轉層；所述方法還包括：

通過所述第一梯度反轉層和所述第二反轉層，對所述第一判別器、所述第二判別器和所述特征提取模型進行多次對抗訓練和更新，直到更新后的第一判別器判別更新后的特征提取模型輸出的特征圖中像素點的領域類別為源域或目標域的概率之差小于第一預設閾值，更新后的第二判別器判別更新特征提取模型輸出的每個檢測框的領域類別為源域或目標域的概率之差小于第二預設閾值，結束對抗訓練；

其中，對所述第一判別器和所述第二判別器的更新是以梯度下降的方式進行的，對所述特征提取模型的更新是以梯度下降的負方向進行的。

4.根據權利要求1所述的方法，其特征在于，在根據所述第一檢測框和所述標注框信息，更新所述特征提取模型之前，所述方法還包括：

對所述多個第一判斷結果和所述多個第二判斷結果中對應同一圖像區域的兩個判斷結果進行正則化處理，使得正則化處理后的兩個判斷結果表征的領域類別一致；

根據所述多個第一判斷結果和所述多個第二判斷結果，更新所述特征提取模型，包括：

根據正則化處理后的多個第一判斷結果和多個第二判斷結果，更新所述特征提取模型。

5.根據權利要求1至4任一所述的方法，其特征在于，所述特征提取模型包括圖像金字塔子網絡；

將每張源域樣本圖像和每張目標域樣本圖像成對輸入特征提取模型，得到所述特征提取模型輸出的該源域樣本圖像的第一特征圖、該目標域樣本圖像的第二特征圖、該源域樣本圖像中的源域對象的第一檢測框、以及該目標域樣本圖像中的目標域對象的第二檢測框，包括：

將每張源域樣本圖像和每張目標域樣本圖像成對輸入特征提取模型，將所述圖像金字塔子網絡的特征預測層的輸出確定為該源域樣本圖像的第一特征圖、以及該目標域樣本圖像的第二特征圖，將所述圖像金字塔子網絡的目標檢測層的輸出確定為該源域樣本圖像中的源域對象的第一檢測框、以及該目標域樣本圖像中的目標域對象的第二檢測框。

6.一種目標檢測方法，其特征在于，所述方法包括：

將待檢測圖像輸入特征提取模型，得到所述待檢測圖像中的目標對象的檢測框，其中，所述特征提取模型是通過權利要求1至5任一所述的方法訓練得到的。