[发明专利]目标检测模型训练方法、目标检测方法、装置、电子设备

说明书

本公开提供了一种目标检测模型的训练方法、目标检测方法、装置、电子设备和介质，涉及人工智能领域，尤其涉及图像处理、计算机视觉和深度学习等技术领域，可应用于智慧城市、智能交通等场景。一种目标检测模型的训练方法，包括：获得第一样本图像和第一样本图像的真实类别；基于第一样本图像，通过第一子网络获得第一样本图像的图像特征；基于第一样本图像的图像特征，根据第二子网络获得第一样本图像的预测类别；基于第一样本图像的图像特征和真实类别的第一向量表示确定第一损失值；基于预测类别和真实类别的第二向量表示确定第二损失值；以及基于第一损失值和第二损失值调整目标检测模型的参数。

技术领域

本公开涉及人工智能技术领域，尤其涉及图像处理、计算机视觉和深度学习等技术领域，可应用于智慧城市、智能交通等场景，具体涉及一种目标检测模型的训练方法、目标检测方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术：人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

在人工智能技术领域中，计算机视觉是其中很重要的一个方面。可以通过训练目标检测模型，使得模型获得“视觉”能力，识别图像或视频中的目标或者对目标进行分类。然而，这样的模型往往难以训练，或者准确度有限，例如，训练效果会很大地依赖于初始训练样本等。期望一种能够获得更准确的目标检测或识别能力的训练方法。

发明内容

本公开提供了一种目标检测模型的训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种目标检测模型的训练方法，所述目标检测模型包括第一子网络和与所述第一子网络连接的第二子网络，所述方法包括：获得第一样本图像和所述第一样本图像的真实类别；基于所述第一样本图像，通过所述第一子网络获得所述第一样本图像的图像特征；基于所述第一样本图像的图像特征，根据所述第二子网络获得所述第一样本图像的预测类别；基于所述第一样本图像的图像特征和所述真实类别的第一向量表示确定第一损失值；基于所述预测类别和所述真实类别的第二向量表示确定第二损失值；以及基于所述第一损失值和所述第二损失值调整所述目标检测模型的参数。

根据本公开的另一方面，提供了一种目标检测模型的训练装置，所述目标检测模型包括第一子网络和与所述第一子网络连接的第二子网络，所述装置包括：真实类别获得单元，用于获得第一样本图像和所述第一样本图像的真实类别；图像特征获得单元，用于基于所述第一样本图像，通过所述第一子网络获得所述第一样本图像的图像特征；预测类别获得单元，用于基于所述第一样本图像的图像特征，根据所述第二子网络获得所述第一样本图像的预测类别；第一损失确定单元，用于基于所述第一样本图像的图像特征和所述真实类别的第一向量表示确定第一损失值；第二损失确定单元，用于基于所述预测类别和所述真实类别的第二向量表示确定第二损失值；以及参数调整单元，用于基于所述第一损失值和所述第二损失值调整所述目标检测模型的参数。

根据本公开的另一方面，提供了一种目标检测方法，包括：基于待检测图像和目标检测模型，获得所述样本图像的预测类别，其中，所述目标检测模型是根据本公开的一个或多个实施例的目标检测模型的训练方法而获得的。

根据本公开的另一方面，提供了一种目标检测装置，包括类别预测单元，用于基于待检测图像和目标检测模型，获得所述样本图像的预测类别其中，所述目标检测模型是根据本公开的一个或多个实施例的目标检测模型的训练装置而获得的。