[发明专利]目标检测方法、装置、设备、介质及程序产品

权利要求书

1.一种目标检测方法，其特征在于，包括：

于多个不同场景中通过车辆的预设摄像头获取样本图像，所述不同场景包括不同气象环境和/或不同规划风格的道路；

基于各样本图像，根据预设神经网络以及预设评价模型得到各个目标特征与预设类别及定位信息之间的目标映射关系，所述各个目标特征是指与所述预设类别及定位信息的相关性满足预设条件且与场景变换无关的图像特征；

利用所述目标映射关系对目标物体进行检测，以得到所述目标物体的类别及定位信息；

所述基于各样本图像，根据预设神经网络以及预设评价模型得到各个目标特征与预设类别及定位信息之间的目标映射关系，包括：

对所述各样本图像进行标注得到各标注框，并通过第一预设神经网络对所述各标注框所标注的图像特征学习得到各个内在特征，所述各个内在特征是指与预设数据增强方式无关的图像特征；

根据预设评价模型以及所述各个内在特征得到各个本质特征，所述各个本质特征是指在所述不同场景下都存在的内在特征；

通过第二预设神经网络对所述各个本质特征和所述预设类别及定位信息进行学习，以得到所述各个目标特征和所述目标映射关系；

其中，所述预设神经网络包括所述第一预设神经网络和所述第二预设神经网络；

在所述通过第一预设神经网络对所述各标注框所标注的图像特征学习得到各个内在特征之前，还包括：

对所述各样本图像进行预设变换处理得到对应的各处理后图像，所述预设变换处理包括预设随机剪裁、预设随机颜色调整以及预设随机翻转中的一种或多种；

将所述各处理后图像进行预设标准化处理，以得到对应的各目标图像；

其中，所述预设数据增强方式包括所述预设变换处理和所述预设标准化处理；

所述通过第一预设神经网络对所述各标注框所标注的图像特征学习得到各个内在特征，包括：

通过所述第一预设神经网络将每个目标图像的各标注框与参考图像的各标注框进行对比学习，以确定出所述各个内在特征；

其中，所述参考图像包括当前目标图像对应的样本图像以及除所述当前目标图像之外的其它目标图像。

2.根据权利要求1所述的目标检测方法，其特征在于，所述根据预设评价模型以及所述各个内在特征得到各个本质特征，包括：

在所述对比学习过程中，获取所述各个内在特征在各自的所述不同场景下的平均二阶统计量，所述平均二阶统计量通过协方差矩阵表示：

其中，C_S为场景S的协方差矩阵，C_T为场景T的协方差矩阵，n_S表示场景S的数量，n_T表示场景T的数量，ROI_S表示场景S中的各个内在特征，ROI_T表示场景T中的各个内在特征，表示ROI_S矩阵的转置矩阵，表示ROI_T矩阵的转置矩阵；

基于范数最小化原则根据所述不同场景下的所述平均二阶统计量获得所述各个本质特征；

所述预设评价模型包括所述平均二阶统计量以及所述范数最小化原则。

3.根据权利要求1所述的目标检测方法，其特征在于，所述根据预设评价模型以及所述各个内在特征得到各个本质特征，包括：

在所述对比学习过程中，获取第一场景中的所述各个内在特征与第二场景中的所述各个内在特征相互之间的相似概率，所述相似概率通过相似度概率值表示；

将所述相似概率值大于第一预设阈值的各个内在特征确定为所述各个本质特征；

所述预设评价模型包括所述相似概率，所述不同场景包括所述第一场景和所述第二场景。