[发明专利]物体检测网络的训练方法和特征监督图生成方法

权利要求书

1.一种物体检测网络的训练方法，其特征在于，包括：

通过物体检测网络获得样本图像的特征图；

使用特征监督图与所述特征图进行比较，生成特征监督损失函数；所述特征监督图通过不同的值表示所述样本图像中目标物体和非目标物体的所在区域；

使用所述特征监督损失函数训练所述物体检测网络。

2.根据权利要求1所述的方法，其特征在于，所述使用特征监督图与所述特征图进行比较之前，包括：

生成所述样本图像对应的特征监督图。

3.根据权利要求2所述的方法，其特征在于，所述生成所述样本图像对应的特征监督图，包括：

计算所述样本图像中各像素点的监督数值；所述样本图像中被目标物体框圈出的区域为正样本，未被所述目标物体框圈出的区域为负样本；所述监督数值包括正样本影响值和负样本影响值，所述正样本影响值表示所述正样本对所述像素点的影响，所述负样本影响值表示所述负样本对所述像素点的影响；

根据各像素点的所述监督数值，生成特征监督图。

4.根据权利要求3所述的方法，其特征在于，所述计算所述样本图像中各像素点的监督数值，包括：

通过高斯分布函数设置每个所述目标物体框对所述像素点的影响，作为正样本影响值；通过预设数值，作为负样本影响值；

根据所述像素点的坐标，所述目标物体框的坐标，所述预设数值以及所述高斯分布函数计算所述样本图像中各像素点的监督数值。

5.一种用于物体检测的特征监督图生成方法，其特征在于，包括：

获取样本图像，所述样本图像为标记有目标物体框的样本图像；所述样本图像中被所述目标物体框圈出的区域为正样本，未被所述目标物体框圈出的区域为负样本；

计算所述样本图像中各像素点的监督数值；所述监督数值包括正样本影响值和负样本影响值，所述正样本影响值表示所述正样本对所述像素点的影响，所述负样本影响值表示所述负样本对所述像素点的影响；

根据各像素点的所述监督数值，生成特征监督图，所述特征监督图通过不同的值表示所述样本图像中目标物体和非目标物体的所在区域。

6.根据权利要求5所述的方法，其特征在于，所述计算所述样本图像中各像素点的监督数值，包括：

通过高斯分布函数设置每个所述目标物体框对所述像素点的影响，作为正样本影响值；通过预设数值，作为负样本影响值；

根据所述像素点的坐标，所述目标物体框的坐标，所述预设数值以及所述高斯分布函数计算所述样本图像中各像素点的监督数值。

7.一种物体检测网络的训练装置，其特征在于，包括：

获取模块，用于通过物体检测网络获得样本图像的特征图；

比较模块，用于使用特征监督图与所述特征图进行比较，生成特征监督损失函数；所述特征监督图通过不同的值表示所述样本图像中目标物体和非目标物体的所在区域；

训练模块，用于使用所述特征监督损失函数训练所述物体检测网络。

8.一种用于物体检测的特征监督图生成装置，其特征在于，包括：

获取模块，用于获取样本图像，所述样本图像为标记有目标物体框的样本图像；所述样本图像中被所述目标物体框圈出的区域为正样本，未被所述目标物体框圈出的区域为负样本；

计算模块，用于计算所述样本图像中各像素点的监督数值；所述监督数值包括正样本影响值和负样本影响值，所述正样本影响值表示所述正样本对所述像素点的影响，所述负样本影响值表示所述负样本对所述像素点的影响；

生成模块，用于根据各像素点的所述监督数值，生成特征监督图，所述特征监督图通过不同的值表示所述样本图像中目标物体和非目标物体的所在区域。

9.一种终端，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-6任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-6任一项所述的方法。