[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

说明书

本公开提供了一种目标检测模型训练及目标检测方法、装置、设备和介质，涉及人工智能技术领域，具体涉及计算机视觉、深度学习等技术领域。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，所述训练方法包括：获取训练数据；采用所述特征提取网络，获得所述训练数据中图像样本的图像特征；基于所述图像特征和各个辅助预测网络，获得辅助预测结果；基于所述辅助预测结果、所述训练数据中的真实结果和目标匹配关系，构建子损失函数，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；基于所述子损失函数，构建总损失函数，并采用所述总损失函数调整模型参数。本公开可以提高目标检测精度。

技术领域

本公开涉及人工智能技术领域，具体涉及计算机视觉、深度学习等技术领域，尤其涉及一种目标检测模型训练及目标检测方法、装置、设备和介质。

背景技术

目标检测是计算机视觉领域中的一个重要研究方向，也是其他复杂视觉任务的基础。

如何提高目标检测精度是需要解决的问题。

发明内容

本公开提供了一种目标检测模型训练及目标检测方法、装置、设备和介质。

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：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。

根据本公开的另一方面，提供了一种目标检测方法，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上述任一方面的任一项所述的训练方法得到的。

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：特征提取网络和多个辅助预测网络，所述装置包括：获取模块，用于获取训练数据，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；特征提取模块，用于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；辅助预测模块，用于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；辅助构建模块，用于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；调整模块，用于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。

根据本公开的另一方面，提供了一种目标检测装置，包括：获取模块，用于获取图像；检测模块，用于采用目标检测模型，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上述任一方面的任一项所述的训练方法得到的。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述任一方面的任一项所述的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据上述任一方面的任一项所述的方法。