[發明專利]一種目標檢測方法、裝置、電子設備以及可讀存儲介質

在審

• 申請號: 202110719026.1
• 申請日: 2021-06-28
• 公開（公告）號: CN113379718A
• 公開（公告）日: 2021-09-10
• 發明（設計）人: 陳松;張濱;王云浩;辛穎;馮原;王曉迪;龍翔;賈壯;彭巖;鄭弘暉;李超;谷祎;韓樹民
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/32;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京市鑄成律師事務所 11313
• 代理人: 曹遠;張建

1.一種目標檢測方法，其特征在于，包括：

獲取第一目標檢測模型，所述第一目標檢測模型為預先利用目標對比損失函數和樣本圖像，對第二目標檢測模型進行對比學習訓練獲得的模型；所述目標對比損失函數用于表示所述樣本圖像中對應相同對象預測類別的不同候選框區域之間圖像特征的差異程度；

將待檢測圖像輸入到所述第一目標檢測模型，獲得針對所述待檢測圖像的檢測結果。

2.根據權利要求1所述的方法，其特征在于，所述第一目標檢測模型采用如下方式獲得：

獲得所述樣本圖像中的多個候選框區域對應的對象類別標注數據；

將所述樣本圖像輸入到所述第二目標檢測模型，獲得所述多個候選框區域各自對應的圖像特征，以及所述多個候選框區域各自對應的對象預測類別；

根據所述多個候選框區域各自對應的圖像特征、所述多個候選框區域各自對應的對象預測類別以及所述多個候選框區域的對象類別標注數據，確定所述目標對比學習損失函數的函數值；

根據所述目標對比學習損失函數的函數值，調整所述第二目標檢測模型的模型參數，以對第二目標檢測模型進行訓練；

在達到預定的訓練結束條件的情況下，得到所述第一目標檢測模型。

3.根據權利要求1或2所述的方法，其特征在于，所述獲取第一目標檢測模型，包括：

利用對所述第二目標檢測模型進行分類訓練的分類損失函數，對所述第二目標檢測模型進行定位訓練的定位損失函數，以及所述目標對比學習損失函數，對所述第二目標檢測模型進行訓練；

在達到預定的訓練結束條件的情況下，得到所述第一目標檢測模型。

4.根據權利要求3所述的方法，其特征在于，所述根據所述多個候選框區域各自對應的圖像特征、所述多個候選框區域各自對應的對象預測類別以及所述多個候選框區域的對象類別標注數據，確定所述目標對比學習損失函數的函數值，包括：

采用如下公式獲得所述目標對比學習損失函數的函數值：

其中，所述L用于表示所述目標對比學習損失函數的函數值，所述N用于表示所述多個候選框區域的數目，所述i用于表示所述多個候選框區域中的第i個候選框區域，所述l_i用于表示所述第i個候選框與對應相同對象預測類別的不同候選框區域之間圖像特征的差異程度，所述f(u_i)用于表示所述L_i的權重。

5.根據權利要求4所述的方法，其特征在于，所述f(u_i)采用如下公式的一種獲得：

f(u_i)＝u_i^2；

f(u_i)＝u_i；

其中，u_i用于表示所述第i個候選框區域對應的對象預測類別與所述第i個對象對應的對象類別標注數據之間的交并比。

6.根據權利要求5所述的方法，其特征在于，所述L_i采用如下公式獲得：

其中，所述y_i用于表示所述第i個候選框區域對應的對象預測類別，所述N_yi用于表示在所述不同對象中所述對象預測類別與所述第i個候選框區域對應的對象預測類別相同的候選框的數目，所述用于表示所述第i個候選框區域對應的圖像特征的歸一化圖像特征，所述j用于表示所述多個候選框區域中除所述第i個候選框區域之外的第j個候選框區域，所述用于表示所述第j個候選框區域對應的圖像特征的歸一化圖像特征，所述τ為預先設定的超參數，所述用于表示所述與所述之間的特征相似性，所述k用于表示所述不同對象中除所述第j個候選框區域之外的第k個候選框區域，所述用于表示所述第k個候選框區域對應的圖像特征的歸一化圖像特征，所述用于表示所述與所述之間的特征相似性。