[发明专利]一种生成物体检测模型的方法

权利要求书

1.一种生成物体检测模型的方法，所述方法适于在计算设备中执行，包括：

获取包含标注数据的训练图像，所述标注数据为训练图像中目标物体的位置和类别；

将训练图像输入预训练的物体检测模型中进行处理，所述物体检测模型包括相互耦接的特征提取模块、融合模块和预测模块，其中，

所述特征提取模块适于对所述训练图像进行卷积处理，以生成至少一个初始特征图；

所述融合模块适于对所述初始特征图进行上采样处理，以得到特征融合后的特征图；

所述预测模块适于从特征融合后的特征图中预测出目标物体的类别和位置；

基于标注数据与预测的物体类别和位置，对所述预训练的物体检测模型进行训练，以得到训练后的物体检测模型作为所生成的物体检测模型。

2.如权利要求1所述的方法，其中，所述特征提取模块包括卷积处理单元、多个轻量化卷积单元和叠加单元，所述叠加单元适于将相互耦接的两个轻量化卷积单元的输出结果进行叠加。

3.如权利要求2所述的方法，其中，所述卷积处理单元的第一个卷积层采用扩张卷积，所述扩张卷积的扩张倍数为7。

4.如权利要求2所述的方法，其中，所述轻量化卷积单元包括相互耦接的卷积核大小为1*1的卷积层、卷积核大小为3*3的深度可分离卷积层以及卷积核大小为1*1的卷积层。

5.如权利要求1所述的方法，其中，所述融合模块包括相互耦接的卷积处理层、上采样层和融合层，

所述卷积处理层适于将输入的至少一个初始特征图进行卷积处理，得到数目相同的特征图；

所述上采样层适于将所述数目相同的特征图进行上采样得到大小相同的特征图；以及

所述融合层适于将大小相同的特征图进行相加，以得到融合后的特征图。

6.如权利要求1所述的方法，其中，所述预测模块还包括候选框生成单元和候选框匹配单元，所述候选框生成单元适于对所述融合模块输出的各个特征图按照不同的大小和长宽比生成对应的多个候选框，所述候选框匹配单元适于选取与真实物体框匹配的候选框，以便基于匹配的候选框进行预测。

7.如权利要求6所述的方法，其中，所述基于标注数据与预测的物体类别和位置，对所述预训练的物体检测模型进行训练的步骤包括：

基于标注的真实物体框位置与预测物体框位置之间的定位损失值和标注的类别与预测类别置信度之间的类别置信度损失值，更新物体检测模型的参数，直到所述定位损失值和类别置信度损失值的加权和满足预定条件时，训练结束。

8.一种物体检测方法，该方法适于在移动终端中执行，包括：

将待检测图像输入物体检测模型中，以得到图像中各个物体框的位置和类别，

其中所述物体检测模型利用如权利要求1-7任意一项中所述的方法生成。

9.一种计算设备，包括：

存储器；

一个或多个处理器；

一个或多个程序，其中所述一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1-8所述方法中的任一方法的指令。

10.一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当计算设备执行时，使得所述计算设备执行根据权利要求1-8所述的方法中的任一方法。