[發明專利]目標檢測方法、裝置和電子設備

在審

• 申請號: 202110487751.0
• 申請日: 2021-04-30
• 公開（公告）號: CN113298122A
• 公開（公告）日: 2021-08-24
• 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;青島曠視科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 安衛靜

1.一種目標檢測方法，其特征在于，包括：

獲取包含目標對象的待檢測圖像；

采用域適應的目標檢測模型對所述待檢測圖像進行目標檢測，得到檢測結果，其中，所述檢測結果包括：所述目標對象在所述待檢測圖像中的位置坐標和/或所述待檢測圖像中所述目標對象的類別，所述域適應的目標檢測模型為預先通過不同域的訓練樣本數據對原始目標檢測模型進行訓練得到的，且所述訓練樣本數據中相同訓練對象在不同域的高維特征分布一致。

2.根據權利要求1所述的方法，其特征在于，所述域適應的目標檢測模型包括：特征提取模塊和目標檢測模塊，采用域適應的目標檢測模型對所述待檢測圖像進行目標檢測包括：

將所述待檢測圖像輸入至所述特征提取模塊，輸出得到所述待檢測圖像的圖像特征圖；

將所述圖像特征圖輸入至所述目標檢測模塊，輸出得到所述檢測結果。

3.根據權利要求1或2所述的方法，其特征在于，所述方法還包括：

部署所述原始目標檢測模型；

獲取多組不同域的訓練樣本數據，其中，多組所述不同域的訓練樣本數據為按照訓練對象的不同進行分組的訓練樣本數據，每組所述不同域的訓練樣本數據中包括：多張不同域的訓練樣本圖像、標注的所述訓練樣本圖像中訓練對象的第二位置坐標和/或標注的所述訓練樣本圖像中訓練對象的第二類別標簽、任意兩種不同域的訓練樣本圖像的訓練對象特征之間的第二特征距離；

通過多組所述不同域的訓練樣本數據對所述原始目標檢測模型進行訓練，得到所述域適應的目標檢測模型。

4.根據權利要求3所述的方法，其特征在于，所述原始目標檢測模型包括：原始特征提取模塊和原始目標檢測模塊，通過多組所述不同域的訓練樣本數據對所述原始目標檢測模型進行訓練包括：

將每組所述不同域的訓練樣本數據輸入至所述原始特征提取模塊，輸出得到每張所述訓練樣本圖像的特征圖；

將所述特征圖輸入至所述原始目標檢測模塊，輸出得到檢測的所述訓練樣本圖像中訓練對象的第一位置坐標和/或檢測的所述訓練樣本圖像中訓練對象的第一類別標簽；

對所述特征圖進行實例特征提取，得到訓練對象特征，并基于所述訓練對象特征計算任意兩種不同域的相同訓練對象的訓練對象特征之間的第一特征距離；

基于所述第一位置坐標和/或所述第一類別標簽、所述第二位置坐標和/或所述第二類別標簽、所述第一特征距離和所述第二特征距離對所述原始目標檢測模型進行訓練。

5.根據權利要求4所述的方法，其特征在于，對所述特征圖進行實例特征提取包括：

根據所述第二位置坐標在對應的特征圖中摳取訓練對象對應的特征，得到所述訓練對象特征。

6.根據權利要求4或5所述的方法，其特征在于，基于所述第一位置坐標和/或所述第一類別標簽、所述第二位置坐標和/或所述第二類別標簽、所述第一特征距離和所述第二特征距離對所述原始目標檢測模型進行訓練包括：

計算第二位置坐標與對應的第一位置坐標之間的位置差異，和/或，計算第二類別標簽與對應的第一類別標簽之間的類別差異；

計算第一特征距離與目標第二特征距離之間的距離差異，其中，所述目標第二特征距離為所述第二特征距離中，與所述第一特征距離所對應的域相同，且與所述第一特征距離所對應的訓練對象相同的第二特征距離；

如果所述位置差異和/或所述類別差異、所述距離差異大于對應的預設閾值，則繼續通過所述多組不同域的訓練樣本數據對所述原始目標檢測模型進行訓練，直至所述位置差異和/或所述類別差異、所述距離差異不大于對應的預設閾值。

7.根據權利要求4-6任一項所述的方法，其特征在于，所述特征距離包括以下任一種：最大均值差異、歐式距離、L1距離和KL散度。