[发明专利]一种目标检测模型的训练方法、目标检测方法及终端设备

说明书

本申请适用于图像处理的技术领域，提供了一种目标检测模型的训练方法，包括：获取多个数据集，每个所述数据集包括源域图像以及目标域图像；将每个所述数据集中的所述源域图像以及所述目标域图像进行转换处理，得到过渡域图像；将所述过渡域图像以及所述目标域图像输入对抗学习模型中，训练目标检测模型，得到训练后的目标检测模型；所述对抗学习模型包括目标检测模型以及所述域分类模型；所述目标检测模型以及域分类模型用于对抗学习。上述方案，通过域分类模型与目标检测模型进行对抗学习，使得目标检测模型适应于不同的场景，提高了对不同场景下图像的检测精度。

技术领域

本申请属于图像处理的技术领域，尤其涉及一种目标检测模型的训练方法、目标检测方法及终端设备。

背景技术

得益于近年来深度学习技术的快速发展，针对图像的目标检测的性能日益优良，广泛地应用在自动驾驶、智能交通、监控系统和人脸检测等领域。

然而，传统的目标检测技术往往依赖于大量可靠的带标注的源域图像进行监督学习。当训练数据和测试数据的域不同时，传统的目标检测技术无法很好地胜任(其中，域是指图像所处的环境，例如白天和黑夜为不同域)。而域差异或域转移常常导致不利的模型泛化，造成对图像的检测精度较低，这是一个亟需解决的问题。

发明内容

有鉴于此，本申请实施例提供了一种目标检测模型的训练方法、目标检测方法及终端设备，可以解决域差异或域转移常常导致不利的模型泛化，造成对图像的检测精度较低的技术问题。

本申请实施例的第一方面提供了一种目标检测模型的训练方法，所述方法包括：

获取多个数据集，每个所述数据集包括源域图像以及目标域图像；所述源域图像中包括目标物体的标注信息；所述目标域图像中不包括目标物体的标注信息；

将每个所述数据集中的所述源域图像以及所述目标域图像进行转换处理，得到过渡域图像；所述过渡域图像包括所述源域图像中的所述目标物体、所述源域图像中的所述标注信息以及所述目标域图像中的背景信息；

将所述过渡域图像以及所述目标域图像输入对抗学习模型中，训练目标检测模型，得到训练后的目标检测模型；所述对抗学习模型包括目标检测模型以及域分类模型；所述目标检测模型以及所述域分类模型用于对抗学习。

本申请实施例的第二方面提供了一种目标检测的方法，所述方法包括：

采集待检测图像；

获取预先训练的目标检测模型；所述预先训练的目标检测模型是由过渡域图像以及目标域图像训练对抗学习模型而得；其中，所述对抗学习模型包括目标检测模型以及域分类模型；所述目标检测模型以及所述域分类模型用于对抗学习；所述过渡域图像是由源域图像以及所述目标域图像进行转换处理，得到的图像；

将待识别的图像输入所述目标检测模型中，得到由所述目标检测模型输出的目标检测结果。

本申请实施例的第三方面提供了一种目标检测模型的训练装置，所述装置包括：

第一获取单元，用于获取多个数据集，每个所述数据集包括源域图像以及目标域图像；所述源域图像中包括目标物体的标注信息；所述目标域图像中不包括目标物体的标注信息；

图像处理单元，用于将每个所述数据集中的所述源域图像以及所述目标域图像进行转换处理，得到过渡域图像；所述过渡域图像包括所述源域图像中的所述目标物体、所述源域图像中的所述标注信息以及所述目标域图像中的背景信息；

训练单元，用于将所述过渡域图像以及所述目标域图像输入对抗学习模型中，训练目标检测模型，得到训练后的目标检测模型；所述对抗学习模型包括目标检测模型以及域分类模型；所述目标检测模型以及所述域分类模型用于对抗学习。

本申请实施例的第四方面提供了一种目标检测的装置，所述装置包括：