[发明专利]目标检测模型训练及目标检测方法、装置、设备和介质在审
申请号: | 202310300413.0 | 申请日: | 2023-03-24 |
公开(公告)号: | CN116403001A | 公开(公告)日: | 2023-07-07 |
发明(设计)人: | 吕文玉;徐尚良;赵祎安;魏金满;王冠中;党青青 | 申请(专利权)人: | 北京百度网讯科技有限公司 |
主分类号: | G06V10/40 | 分类号: | G06V10/40;G06V10/75;G06V10/774;G06V10/82;G06N3/0464;G06N3/08 |
代理公司: | 北京鸿德海业知识产权代理有限公司 11412 | 代理人: | 岳凤羽 |
地址: | 100085 北京市*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 目标 检测 模型 训练 方法 装置 设备 介质 | ||
1.一种目标检测模型的训练方法,所述目标检测模型包括:特征提取网络和多个辅助预测网络,所述方法包括:
获取训练数据,所述训练数据包括:图像样本和所述图像样本中目标的真实结果;
采用所述特征提取网络,对所述图像样本进行特征提取处理,以获得所述图像样本的图像特征;
基于所述图像特征和所述多个辅助预测网络中各个辅助预测网络,获得所述各个辅助预测网络对应的所述目标的辅助预测结果;
针对所述各个辅助预测网络,基于所述辅助预测结果、所述真实结果和目标匹配关系,构建所述各个辅助预测网络对应的子损失函数,其中,所述目标匹配关系是基于所述多个辅助预测网络共用的初始匹配关系确定的;
基于所述各个辅助预测网络对应的子损失函数,构建总损失函数,并采用所述总损失函数调整所述目标检测模型的模型参数。
2.根据权利要求1所述的方法,还包括:
基于所述图像特征,获得所述目标的初始预测结果;
对所述初始预测结果和所述真实结果进行匹配处理,以获得所述初始匹配关系。
3.根据权利要求2所述的方法,其中,
所述目标检测模型还包括:编码器;
所述基于所述图像特征,获得所述目标的初始预测结果,包括:
采用所述编码器,对所述图像特征进行编码处理,以获得编码特征;
对所述编码特征进行选择处理,以获得查询特征;
基于所述查询特征,获得所述目标的初始预测结果。
4.根据权利要求3所述的方法,其中,
所述各个辅助预测网络包括:辅助解码器和辅助预测头;
所述基于所述图像特征和所述多个辅助预测网络中各个辅助预测网络,获得所述各个辅助预测网络对应的所述目标的辅助预测结果,包括:
针对所述各个辅助预测网络,采用所述辅助解码器,基于所述编码特征、所述查询特征和所述初始预测结果,获得所述各个辅助预测网络对应的解码特征;
针对所述各个辅助预测网络,采用所述辅助预测头,对所述各个辅助预测网络对应的解码特征进行预测处理,以获得所述各个辅助预测网络对应的所述辅助预测结果。
5.根据权利要求3所述的方法,其中,
所述目标检测模块还包括:主预测网络;
所述方法还包括:
采用所述主预测网络,基于所述编码特征、所述查询特征和所述初始预测结果,获得所述主预测网络对应的主预测结果;
基于所述主预测结果,构建所述主预测网络对应的子损失函数;
相应地,所述基于所述各个辅助预测网络对应的子损失函数,构建总损失函数,包括:
基于所述各个辅助预测网络对应的子损失函数和所述主预测网络对应的子损失函数,构建所述总损失函数。
6.根据权利要求5所述的方法,其中,
所述主预测网络包括:主解码器和主预测头;
所述采用所述主预测网络,基于所述编码特征、所述查询特征和所述初始预测结果,获得所述主预测网络对应的主预测结果,包括:
采用所述主解码器,基于所述编码特征、所述查询特征和所述初始预测结果,获得所述主预测网络对应的解码特征;
采用所述主预测头,对所述主预测网络对应的解码特征进行预测处理,以获得所述主预测网络对应的主预测结果。
7.根据权利要求5所述的方法,其中,所述基于所述主预测结果,构建所述主预测网络对应的子损失函数,包括:
对所述主预测结果和所述真实结果进行匹配处理,以获得所述主预测结果与所述真实结果之间的主匹配关系;
基于所述主预测结果、所述真实结果和所述主匹配关系,构建所述主预测网络对应的子损失函数。
8.一种目标检测方法,包括:
获取图像;
采用目标检测模型,对所述图像进行处理,以获得所述图像中目标的检测结果;
其中,所述目标检测模型采用如权利要求1-7中任一项所述的训练方法得到。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310300413.0/1.html,转载请声明来源钻瓜专利网。