[發明專利]一種對象檢測模型的確定方法和相關裝置

有效

• 申請號: 202111462134.1
• 申請日: 2021-12-03
• 公開（公告）號: CN113887534B
• 公開（公告）日: 2022-03-18
• 發明（設計）人: 曾浩;鄧大付;黃超;李璽;王君樂
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06V20/00
• 分類號: G06V20/00;G06V10/40;G06V10/764;G06V10/774;G06K9/62
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 羅曉敏

1.一種對象檢測模型的確定方法，其特征在于，所述方法包括：

獲取訓練樣本集，所述訓練樣本集中的訓練樣本包括源領域的標注圖像樣本和目標領域的無標注圖像，所述標注圖像樣本的樣本標簽用于標識所述標注圖像樣本中目標對象的位置信息；

根據所述訓練樣本對初始檢測模型進行模型訓練，其中，若所述訓練樣本為所述標注圖像樣本，根據針對所述目標對象的檢測結果和所述樣本標簽對所述初始檢測模型進行模型參數調整以得到對象檢測模型，所述初始檢測模型包括用于提取所述訓練樣本的圖像特征的特征提取器，所述對象檢測模型用于對所述目標領域的圖像進行所述目標對象的檢測；

在所述模型訓練的過程中，根據所述特征提取器的第一中間層的第一輸出特征，通過第一領域分類器確定所述第一輸出特征所包括像素分別對應的像素預測領域；根據所述像素預測領域確定第一預測領域；其中，所述第一中間層為局部特征提取層；

根據所述第一領域分類器確定輸入的所述訓練樣本屬于所述源領域還是所述目標領域，確定出所述訓練樣本屬于所述源領域或者所述目標領域后，基于所述源領域或者所述目標領域與所述第一預測領域間的差異，確定第一損失函數；

基于所述第一損失函數調整所述第一領域分類器的模型參數，并通過所述第一損失函數的負值調整所述第一中間層的模型參數；

所述通過所述第一損失函數的負值調整所述第一中間層的模型參數，包括：將所述第一損失函數的負值輸入所述第一中間層，使得所述第一領域分類器和所述第一中間層被通過完全相反的優化方向進行訓練。

2.根據權利要求1所述的方法，其特征在于，在所述模型訓練的過程中，所述方法還包括：

根據所述特征提取器的第二中間層的第二輸出特征，通過第二領域分類器確定所述第二輸出特征對應的第二預測領域；

根據所述訓練樣本的實際所屬領域和所述第二預測領域的差異確定第二損失函數；

基于所述第二損失函數調整所述第二領域分類器的模型參數，并通過所述第二損失函數的負值調整所述第二中間層的模型參數。

3.根據權利要求2所述的方法，其特征在于，所述第一中間層為局部特征提取層，所述第二中間層為全局特征提取層。

4.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取所述第一領域分類器的第一中間層特征；

根據所述第一中間層特征和所述圖像特征確定所述初始檢測模型中對象檢測層的輸入特征，通過所述對象檢測層確定針對所述目標對象的檢測結果。

5.根據權利要求2所述的方法，其特征在于，所述方法還包括：

獲取所述第一領域分類器的第一中間層特征和所述第二領域分類器的第二中間層特征；

根據所述第一中間層特征、所述第二中間層特征和所述圖像特征確定所述初始檢測模型中對象檢測層的輸入特征，通過所述對象檢測層確定針對所述目標對象的檢測結果。

6.根據權利要求5所述的方法，其特征在于，所述根據針對所述目標對象的檢測結果和所述樣本標簽對所述初始檢測模型進行模型參數調整以得到對象檢測模型，包括：

根據針對所述目標對象的檢測結果和所述樣本標簽確定對象檢測損失函數；

根據所述對象檢測損失函數對所述初始檢測模型、所述第一領域分類器和所述第二領域分類器進行模型參數調整。

7.根據權利要求1所述的方法，其特征在于，所述初始檢測模型中包括用于根據所述圖像特征確定所述檢測結果的對象檢測層，在所述模型訓練的過程中，所述方法還包括：

獲取所述對象檢測層的中間層輸出的檢測框特征，所述檢測框特征中包括了用于對象檢測的檢測框；

根據第三領域分類器確定所述檢測框特征對應的第三預測領域；

根據所述訓練樣本的實際所屬領域和所述第三預測領域的差異確定第三損失函數；

基于所述第三損失函數調整所述第三領域分類器的模型參數，并通過所述第三損失函數的負值調整所述對象檢測層的模型參數。