[發(fā)明專利]目標(biāo)檢測方法、裝置、設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110258491.X
• 申請日: 2021-03-09
• 公開（公告）號: CN112949519B
• 公開（公告）日: 2023-05-30
• 發(fā)明（設(shè)計）人: 張文燕
• 申請（專利權(quán)）人: 上海芯物科技有限公司
• 主分類號: G06V20/64
• 分類號: G06V20/64;G06V10/774;G06V10/82;G06N3/0475;G06N3/08
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種目標(biāo)檢測方法，其特征在于，包括：

獲取待檢測圖像和待檢測點云數(shù)據(jù)；

將所述待檢測圖像和待檢測點云數(shù)據(jù)作為輸入數(shù)據(jù)輸入到預(yù)確定的目標(biāo)檢測網(wǎng)絡(luò)模型中，其中，所述目標(biāo)檢測網(wǎng)絡(luò)模型通過對網(wǎng)絡(luò)參數(shù)訓(xùn)練得到，所述網(wǎng)絡(luò)參數(shù)與訓(xùn)練中的參數(shù)浮點精度關(guān)聯(lián)；

根據(jù)所述目標(biāo)檢測網(wǎng)絡(luò)模型的輸出結(jié)果，對所述待檢測圖像和待檢測點云數(shù)據(jù)中的對象進行目標(biāo)檢測，獲得所述對象在三維空間所對應(yīng)矩形框的數(shù)據(jù)信息；

所述目標(biāo)檢測網(wǎng)絡(luò)模型的訓(xùn)練步驟包括：

將當(dāng)前迭代下對應(yīng)的訓(xùn)練樣本輸入至當(dāng)前的待訓(xùn)練網(wǎng)絡(luò)模型中，并根據(jù)所述待訓(xùn)練網(wǎng)絡(luò)模型的當(dāng)前網(wǎng)絡(luò)參數(shù)確定當(dāng)前損失函數(shù)；

根據(jù)所述當(dāng)前損失函數(shù)確定參數(shù)浮點精度；

根據(jù)所述參數(shù)浮點精度和當(dāng)前損失函數(shù)對所述待訓(xùn)練網(wǎng)絡(luò)模型進行反向傳播，確定新的當(dāng)前網(wǎng)絡(luò)參數(shù)，得到用于下一迭代的待訓(xùn)練網(wǎng)絡(luò)模型，直至滿足迭代收斂條件，得到目標(biāo)檢測網(wǎng)絡(luò)模型。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述當(dāng)前損失函數(shù)確定參數(shù)浮點精度，包括：

根據(jù)上一損失函數(shù)和預(yù)確定的平滑參數(shù)確定平滑損失函數(shù)；

比較所述當(dāng)前損失函數(shù)和平滑損失函數(shù)的大小，并根據(jù)比較結(jié)果查找預(yù)設(shè)精度列表，得到查詢結(jié)果；

將所述查詢結(jié)果作為參數(shù)浮點精度。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)上一損失函數(shù)和預(yù)確定的平滑參數(shù)確定平滑損失函數(shù)，包括：

將所述上一損失函數(shù)和平滑參數(shù)的乘積確定為平滑損失函數(shù)。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述比較所述當(dāng)前損失函數(shù)和平滑損失函數(shù)的大小，并根據(jù)比較結(jié)果查找預(yù)設(shè)精度列表，得到查詢結(jié)果，包括：

當(dāng)所述當(dāng)前損失函數(shù)小于或等于所述平滑損失函數(shù)時，將預(yù)設(shè)精度列表中的低精度所對應(yīng)的精度值確定為查詢結(jié)果；

當(dāng)所述當(dāng)前損失函數(shù)大于所述平滑損失函數(shù)時，將預(yù)設(shè)精度列表中的高精度所對應(yīng)的精度值確定為查詢結(jié)果。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述參數(shù)浮點精度和當(dāng)前損失函數(shù)對所述待訓(xùn)練網(wǎng)絡(luò)模型進行反向傳播，確定新的當(dāng)前網(wǎng)絡(luò)參數(shù)，包括：

根據(jù)所述參數(shù)浮點精度和當(dāng)前損失函數(shù)確定目標(biāo)梯度；

根據(jù)所述目標(biāo)梯度對當(dāng)前網(wǎng)絡(luò)參數(shù)進行更新，得到新的當(dāng)前網(wǎng)絡(luò)參數(shù)；

其中，所述目標(biāo)梯度和新的當(dāng)前網(wǎng)絡(luò)參數(shù)的精度與所述參數(shù)浮點精度相同。

6.一種目標(biāo)檢測裝置，其特征在于，包括：

獲取模塊，用于獲取待檢測圖像和待檢測點云數(shù)據(jù)；

輸入模塊，用于將所述待檢測圖像和待檢測點云數(shù)據(jù)作為輸入數(shù)據(jù)輸入到預(yù)確定的目標(biāo)檢測網(wǎng)絡(luò)模型中，其中，所述目標(biāo)檢測網(wǎng)絡(luò)模型通過對網(wǎng)絡(luò)參數(shù)訓(xùn)練得到，所述網(wǎng)絡(luò)參數(shù)與訓(xùn)練中的參數(shù)浮點精度關(guān)聯(lián)；

檢測模塊，用于根據(jù)所述目標(biāo)檢測網(wǎng)絡(luò)模型的輸出結(jié)果，對所述待檢測圖像和待檢測點云數(shù)據(jù)中的對象進行目標(biāo)檢測，獲得所述對象在三維空間所對應(yīng)矩形框的數(shù)據(jù)信息；

訓(xùn)練模塊，用于訓(xùn)練得到所述目標(biāo)檢測網(wǎng)絡(luò)模型；

相應(yīng)的，所述訓(xùn)練模塊包括：

損失函數(shù)確定單元，用于將當(dāng)前迭代下對應(yīng)的訓(xùn)練樣本輸入至當(dāng)前的待訓(xùn)練網(wǎng)絡(luò)模型中，并根據(jù)所述待訓(xùn)練網(wǎng)絡(luò)模型的當(dāng)前網(wǎng)絡(luò)參數(shù)確定當(dāng)前損失函數(shù)；

精度確定單元，用于根據(jù)所述當(dāng)前損失函數(shù)確定參數(shù)浮點精度；

模型訓(xùn)練單元，用于根據(jù)所述參數(shù)浮點精度和當(dāng)前損失函數(shù)對所述待訓(xùn)練網(wǎng)絡(luò)模型進行反向傳播，確定新的當(dāng)前網(wǎng)絡(luò)參數(shù)，得到用于下一迭代的待訓(xùn)練網(wǎng)絡(luò)模型，直至滿足迭代收斂條件，得到目標(biāo)檢測網(wǎng)絡(luò)模型。

7.一種計算機設(shè)備，其特征在于，所述設(shè)備包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序，

當(dāng)所述一個或多個程序被所述一個或多個處理器執(zhí)行，使得所述一個或多個處理器實現(xiàn)如權(quán)利要求1-5中任一所述的目標(biāo)檢測方法。

8.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，該程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1-5中任一所述的目標(biāo)檢測方法。