[发明专利]一种目标检测方法、装置、电子设备及存储介质

权利要求书

1.一种目标检测方法，其特征在于，包括：

将当前批次样本输入目标检测模型得到特征图；其中，所述当前批次样本中包括多个类别的训练样本；

根据所述特征图确定每一类别的样本梯度信息，根据所述样本梯度信息设置每一类别的损失权重；

根据所述损失权重对所述目标检测模型的损失函数进行修正，并利用修正后的损失函数对所述目标检测模型进行参数调整，以便得到训练后的目标检测模型；

利用所述训练后的目标检测模型对未知信息执行目标检测操作。

2.根据权利要求1所述目标检测方法，其特征在于，根据所述特征图确定每一类别的样本梯度信息，包括：

根据所述特征图确定每一类别的正样本对应预测点产生的正样本梯度；

根据所述特征图确定每一类别的负样本对应预测点产生的负样本梯度；

其中，所述样本梯度信息包括所述正样本梯度和所述负样本梯度。

3.根据权利要求2所述目标检测方法，其特征在于，根据所述样本梯度信息设置每一类别的损失权重，包括：

将所述特征图中所述正样本梯度大于梯度阈值的预测点设置为第一待优化预测点；

将所述特征图中所述负样本梯度大于所述梯度阈值的预测点设置为第二待优化预测点；

选取目标类别，并计算所述目标类别的第一比例和第二比例；其中，所述第一比例为所述目标类别的第一待优化预测点数量与所述目标类别对应的预测点数量的比值；所述第二类别为所述目标类别的第二待优化预测点数量与目标数的比值，所述目标数为所有所述当前批次样本对应的预测点数量与所述目标类别对应的预测点数量的差；

判断是否得到所有类别的第一比例和第二比例；

若是，则根据所有类别第一比例和第二比例计算每一类别的类别权重，并通过类别均衡算法对所述类别权重进行计算得到每一类别的损失权重；

若否，则进入所述选取目标类别的步骤。

4.根据权利要求3所述目标检测方法，其特征在于，所述根据所有类别第一比例和第二比例计算每一类别的类别权重，包括：

将所述第一比例中的最大值与每一类别的第一比例的比值设置为相应类别的第一类别权重；

将所述第二比例中的最大值与每一类别的第二比例的比值设置为相应类别的第二类别权重。

5.根据权利要求4所述目标检测方法，其特征在于，所述通过类别均衡算法对所述类别权重进行计算得到每一类别的损失权重，包括：

通过所述类别均衡算法对所述第一类别权重进行计算得到第一计算结果，将所述第一计算结果与相应类别的样本总数相乘，得到每一类别的正样本损失权重；

通过所述类别均衡算法对所述第二类别权重进行计算得到第二计算结果，将所述第二计算结果与相应类别的样本总数相乘，得到每一类别的负样本损失权重。

6.根据权利要求5所述目标检测方法，其特征在于，根据所述损失权重对所述目标检测模型的损失函数进行修正，包括：

获取所述目标检测模型的损失函数loss；

利用所述正样本损失权重Q(pos)和所述负样本损失权重Q(neg)修正所述损失函数loss；

其中，修正前的损失函数为loss＝-(y_ilog(σ(x))+(1-y_i)log(1-(σ(x)))，修正后的损失函数为loss＝-(Q(pos)y_ilog(σ(x))+Q(neg)(1-y_i)log(1-(σ(x)))，y_i为样本是否属于i类的标签，σ(x)为类别的预测分数。

7.根据权利要求1至6任一项所述目标检测方法，其特征在于，在利用修正后的损失函数对所述目标检测模型进行参数调整之后，还包括：

判断所述目标检测模型是否迭代完毕；

若否，则从训练集中选取训练样本作为新的当前批次样本，并进入所述将当前批次样本输入目标检测模型得到特征图的步骤。