[发明专利]一种基于图像的目标检测方法、模型训练的方法及装置

权利要求书

1.一种模型训练的方法，其特征在于，包括：

获取待训练图像以及待测试图像，其中，所述待训练图像属于第一领域，所述待测试图像属于第二领域，所述第一领域与所述第二领域为不同的领域；

通过第一待训练网络模型获取所述待训练图像所对应的测试风格图像，通过所述第一待训练网络模型获取所述待测试图像所对应的训练风格图像，其中，所述测试风格图像属于所述第二领域，所述训练风格图像属于所述第一领域；

通过第二待训练网络模型获取候选区域所对应的预测概率值，其中，所述候选区域是从所述待测试图像或所述测试风格图像中提取的候选框；

通过所述第二待训练网络模型获取所述测试风格图像所对应的第一预测类别概率值、第一预测定位值、第二预测类别概率值以及第二预测定位值；

根据所述预测概率值、所述测试风格图像、所述训练风格图像、所述第一预测类别概率值、所述第一预测定位值、所述第二预测类别概率值以及所述第二预测定位值，采用目标损失函数对所述第一待训练网络模型以及所述第二待训练网络模型进行训练，得到所述跨领域图像检测模型。

2.根据权利要求1所述的方法，其特征在于，所述根据所述预测概率值、所述测试风格图像、所述训练风格图像、所述第一预测类别概率值、所述第一预测定位值、所述第二预测类别概率值以及所述第二预测定位值，采用目标损失函数对所述第一待训练网络模型以及所述第二待训练网络模型进行训练，包括：

根据所述测试风格图像以及所述训练风格图像确定第一损失函数；

根据所述预测概率值确定第二损失函数；

根据所述所述第一预测类别概率值、所述第一预测定位值、所述第二预测类别概率值以及所述第二预测定位值，确定第三损失函数；

根据所述第一损失函数、所述第二损失函数以及所述第三损失函数，生成所述目标损失函数；

采用所述目标损失函数对所述第一待训练网络模型以及所述第二待训练网络模型进行训练。

3.根据权利要求2所述的方法，其特征在于，所述根据所述测试风格图像以及所述训练风格图像确定第一损失函数，包括：

采用如下方式确定所述第一损失函数；

L_cyc(G_t-s,G_s-t)＝E_t～X(t)[||G_s-t(G_t-s(x_t))-x_t||]+E_s～X(s)[||G_t-s(G_s-t(x_s))-x_s||]；

其中，所述L_cyc(G_t-s,G_s-t)表示所述第一损失函数，所述x_t表示所述待测试图像，所述x_s表示所述待训练图像，所述G_s-t表示将所述待训练图像变换为所述测试风格图像的生成器，所述G_t-s表示将所述待测试图像变换为所述训练风格图像的生成器，所述G_t-s(x_t)表示所述训练风格图像，所述G_s-t(x_s)表示所述测试风格图像，所述E_s～X(s)表示对待训练图像集合中的每个待训练图像进行期望值计算，所述E_t～X(t)表示对待测试图像集合中的每个待测试图像进行期望值计算。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述通过第一待训练网络模型获取所述待训练图像所对应的测试风格图像，通过所述第一待训练网络模型获取所述待测试图像所对应的训练风格图像之后，所述方法还包括：

通过第一判别器对所述测试风格图像进行真实性检测，其中，所述第一判别器为采用第一对抗损失函数进行训练后得到的；

通过第二判别器对所述训练风格图像进行真实性检测，其中，所述第二判别器为采用第二对抗损失函数进行训练后得到的。