[发明专利]目标检测网络训练及检测方法、装置、终端及存储介质

权利要求书

1.一种目标检测网络训练方法，其特征在于，所述目标检测网络训练方法包括：

获取源域图像集和目标域图像集，所述源域图像集包括多张标注有目标真实信息以及第一真实域分类标签和第二真实域分类标签的第一扫描图像；所述目标域图像集包括多张标注有第一真实域分类标签和第二真实域分类标签且未标注目标信息的第二扫描图像；所述第一扫描图像和所述第二扫描图像分别基于不同的射线源扫描；

通过构建的初始检测网络对所述第一扫描图像和所述第二扫描图像分别进行检测，得到所述第一扫描图像的目标预测信息、第一预测域分类标签、第二预测域分类标签以及所述第二扫描图像的第一预测域分类标签和第二预测域分类标签；

基于同一所述第一扫描图像的目标预测信息与标注的所述目标真实信息、同一所述第一扫描图像的所述第一预测域分类标签与标注的所述第一真实域分类标签和所述第二预测域分类标签与标注的所述第二真实域分类标签以及同一所述第二扫描图像的所述第一预测域分类标签与标注的所述第一真实域分类标签和所述第二预测域分类标签与标注的所述第二真实域分类标签标签构建损失函数；

基于所述损失函数对所述初始检测网络进行迭代训练，得到目标检测网络。

2.根据权利要求1所述的目标检测网络训练方法，其特征在于，

构建所述初始检测网络的步骤包括：

基于初始目标检测网络、初始图像特征域分类网络和初始目标特征域分类网络构建所述初始检测网络；

其中，所述初始目标检测网络包括顺次连接的初始特征提取模块、初始特征聚合模块和初始目标预测模块；所述初始特征提取模块与所述初始图像特征域分类网络连接，所述初始特征聚合模块与所述初始目标特征域分类网络连接。

3.根据权利要求2所述的目标检测网络训练方法，其特征在于，

所述基于所述损失函数对所述初始检测网络进行迭代训练，得到目标检测网络，包括：

基于所述损失函数对所述初始检测网络中的初始目标检测网络、初始图像特征域分类网络和初始目标特征域分类网络中的权重进行修正，得到目标检测网络、图像特征域分类网络和目标特征域分类网络；

去除所述图像特征域分类网络和所述目标特征域分类网络，保留所述目标检测网络。

4.根据权利要求1所述的目标检测网络训练方法，其特征在于，所述第一扫描图像和所述第二扫描图像为不同射线源的X射线对应的扫描图像；所述目标预测信息包括目标预测位置和目标预测类别；

所述通过构建的初始检测网络对所述第一扫描图像和所述第二扫描图像分别进行检测，得到所述第一扫描图像的目标预测信息、第一预测域分类标签、第二预测域分类标签以及所述第二扫描图像的第一预测域分类标签和第二预测域分类标签，之前还包括：

将所述第一扫描图像和所述第二扫描图像的尺寸调整至第一预设尺寸；

并对所述第一扫描图像和所述第二扫描图像进行归一化处理，得到对应的预处理扫描图像。

5.根据权利要求2所述的目标检测网络训练方法，其特征在于，所述初始特征提取模块与所述初始图像特征域分类网络之间设置有第一梯度反转层；和/或所述初始特征聚合模块与所述初始目标特征域分类网络之间设置有第二梯度反转层。

6.根据权利要求4所述的目标检测网络训练方法，其特征在于，

所述通过构建的初始检测网络对所述第一扫描图像和所述第二扫描图像分别进行检测，得到所述第一扫描图像的目标预测信息、第一预测域分类标签、第二预测域分类标签以及所述第二扫描图像的第一预测域分类标签和第二预测域分类标签，包括：

通过所述初始特征提取模块对所述预处理扫描图像进行特征提取，得到对应的图像特征；

通过所述初始图像特征域分类网络对所述图像特征进行域适应，得到所述预处理扫描图像的第一预测域分类标签。