[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

说明书

本申请公开了一种基于图像的目标检测方法。包括：获取第一待检测图像；获取第一待检测图像所对应的第二待检测图像，第二待检测图像属于第二领域，通过跨领域图像检测模型获取第二待检测图像所对应的检测结果，检测结果包括目标对象的目标定位信息和目标类别信息，跨领域图像检测模型包括第一网络模型以及第二网络模型，第一网络模型用于将图像从第一领域转换为第二领域，第二网络模型用于对第二领域的图像进行区域定位。本申请还公开了一种模型训练的方法及装置。本申请通过跨领域图像检测模型，将待检测图像的风格转换为测试集图像的风格，进而对转换后的图像进行目标定位，从而提升图像定位的准确性，增强模型预测效果。

技术领域

本申请涉及人工智能领域，尤其涉及一种基于图像的目标检测方法、模型训练的方法及装置。

背景技术

在机器学习领域中，通常需要将样本分成独立的两个部分，分别为训练集和测试集，训练集用于监督学习，监督学习是指利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程，也称为监督训练。测试集则用于检验最终选择的模型性能如何。在图像处理领域中，容易出现训练图像与测试图像之间领域差异较大的情况。

目前，当训练集图像和测试集图像来自不同领域的时候，通常依靠一个对抗性损失函数来约束网络模型提取的特征，使得网络模型无法被分辨训练集图像来自哪个领域，从而达到对特征分布领域不敏感的目的。

然而，由于训练集图像与测试集图像具有天然的领域分布差异，因此，强行让网络模型对训练集图像与测试集图像的特征模糊化是非常困难的，这样的话，通过采用领域A的训练集图像所训练得到的网络模型预测领域B上的测试集图像，导致预测效果较差。

发明内容

本申请实施例提供了一种基于图像的目标检测方法、模型训练的方法及装置，无需特意采用与测试集图像风格相同的待检测图像进行目标定位，而是采用跨领域图像检测模型，将待检测图像的风格转换为测试集图像的风格，进而对转换后的图像进行目标定位，从而提升图像定位的准确性，增强模型预测效果。

有鉴于此，本申请第一方面提供一种基于图像的目标检测方法，包括：

获取第一待检测图像，其中，所述第一待检测图像属于第一领域；

获取第一待检测图像所对应的第二待检测图像，其中，所述第二待检测图像属于第二领域，所述第一领域与所述第二领域为不同的领域；

通过跨领域图像检测模型获取所述第二待检测图像所对应的检测结果，其中，所述检测结果包括目标对象的目标定位信息和目标类别信息，所述目标对象属于所述第一待检测图像中的被检测对象，所述跨领域图像检测模型包括第一网络模型以及第二网络模型，所述第一网络模型用于将图像从所述第一领域转换为所述第二领域，所述第二网络模型用于对所述第二领域的图像进行区域定位。

本申请第二方面提供一种模型训练的方法，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；