[发明专利]目标检测模型训练方法、装置、电子设备及存储介质

权利要求书

1.一种目标检测模型训练方法，其特征在于，所述目标检测模型训练方法包括：

获取预设的训练集，其中，所述训练集的每幅训练图像携带有用于标记对象的检测框；

根据预设坐标增量以及预设比例，在每个所述检测框中生成多个候选框；

根据各所述候选框的图像像素和训练中的目标检测模型对应的当前损失函数的梯度，确定每个所述候选框的梯度和；

根据所述梯度和，从每个所述检测框中的多个候选框中确定目标候选框，其中，所述目标候选框的梯度和大于所述目标候选框所属的检测框中多个候选框中除了所述目标候选框的剩余的候选框的梯度和；

通过对所述目标候选框的图像像素进行范数扰动，获得对抗补丁图像；

使用所述对抗补丁图像对所述训练中的目标检测模型进行优化，获得训练好的目标检测模型。

2.根据权利要求1所述的目标检测模型训练方法，其特征在于，所述预设坐标增量包括预设纵坐标增量以及预设横坐标增量，所述根据预设坐标增量以及预设比例，在每个所述检测框中生成多个候选框包括：

获取所述检测框的起始位置的纵坐标以及横坐标；

将所述起始位置的纵坐标不断与所述预设纵坐标增量相加，获得多个新增纵坐标，以及将所述起始位置的横坐标不断与所述预设横坐标增量相加，获得多个新增横坐标，其中，所述多个新增纵坐标在所述检测框的纵坐标范围内，所述多个新增横坐标在所述检测框的横坐标范围内；

将所述多个新增纵坐标以及所述多个新增横坐标进行组合，获得多个新增位置；

在每个所述新增位置生成大小与所述检测框的大小成所述预设比例的候选框，其中，所述候选框在所述检测框内。

3.根据权利要求1所述的目标检测模型训练方法，其特征在于，所述范数扰动的过程是迭代的过程，所述通过对所述目标候选框的图像像素进行范数扰动，获得对抗补丁图像包括：

在所述范数扰动的迭代的过程中，针对每幅携带有所述目标候选框的训练图像，根据多个预设扰动值，生成多幅迭代图像；

确定每幅所述迭代图像与损失函数的迭代梯度；

从所有所述迭代图像中，将所述迭代梯度最大的迭代图像确定为目标图像；

将最后一次迭代获得的目标图像确定为所述对抗补丁图像。

4.根据权利要求1所述的目标检测模型训练方法，其特征在于，所述使用所述对抗补丁图像对训练中的目标检测模型进行优化，获得训练好的目标检测模型包括：

每次使用所述训练集的一幅训练图像进行训练，获得所述训练中的目标检测模型的最新参数时，获取与所述训练图像对应的对抗补丁图像；

使用所述对抗补丁图像进行训练，以优化所述目标检测模型的参数；

当所述目标检测模型的损失函数收敛时，确定获得所述训练好的目标检测模型。

5.根据权利要求1至4中任一项所述的目标检测模型训练方法，其特征在于，所述使用所述对抗补丁图像对训练中的目标检测模型进行优化，获得训练好的目标检测模型之后，所述目标检测模型训练方法还包括：

获取预设的测试集；

使用所述测试集的测试图片，对所述训练好的目标检测模型进行测试，获得所述训练好的目标检测模型的准确率；

若所述准确率小于预设准确率阈值，生成告警信息；

将所述告警信息发送至预设终端。

6.根据权利要求1至4中任一项所述的目标检测模型训练方法，其特征在于，所述使用所述对抗补丁图像对训练中的目标检测模型进行优化，获得训练好的目标检测模型之后，所述目标检测模型训练方法还包括：

获取待检测图片；

将所述待检测图片输入至所述训练好的目标检测模型中，获得检测结果；

输出所述检测结果并将所述检测结果上传至区块链中。

7.根据权利要求1至4中任一项所述的目标检测模型训练方法，其特征在于，所述梯度和为候选框中所有图像像素与当前损失函数的梯度的和。