[发明专利]目标检测及模型训练方法、装置、计算机设备和存储介质

说明书

本申请涉及一种目标检测及模型训练方法、装置、计算机设备和存储介质。所述方法包括：获取训练图像集，训练图像集中各训练图像中的检测目标存在对应标注框的标注框参数；将训练图像集中的训练图像作为目标检测模型的输入，获取目标检测模型输出的训练图像中的检测目标对应预测框的预测框参数；根据与标注框对应预设的边界框、标注框参数和预测框参数确定分类损失、交叠损失和定位损失；根据分类损失、交叠损失和定位损失得到损失函数值；根据损失函数值对目标检测模型中的模型参数进行调整并继续训练，直至满足训练停止条件时结束训练，得到训练完成的目标检测模型。采用本方法能够提高目标检测的准确性。

技术领域

本申请涉及计算机技术领域，特别是涉及一种目标检测模型训练及目标检测方法、装置、计算机设备和存储介质。

背景技术

随着计算机技术的发展，计算机视觉的研究得到了越来越多的关注，具体包括图像分类、目标检测、目标追踪和语义分割等。其中，目标检测可以将图像或者视频中的目标与不感兴趣的部分区分开，以对目标进行针对性处理，如人脸或指纹识别、飞行物识别、心电图识别等，在安全领域、军事领域、交通领域和医疗领域有广泛的应用前景。

然而，目前基于区域提名的目标检测算法和基于端到端学习的目标检测算法，在目标检测中的效果有限，如何提高目标检测的准确度是当前目标检测的研究焦点。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高目标检测准确性的目标检测模型训练及目标检测方法、装置、计算机设备和存储介质。

一种目标检测模型训练方法，所述方法包括：

获取训练图像集，训练图像集中各训练图像中的检测目标存在对应标注框的标注框参数；

将训练图像集中的训练图像作为目标检测模型的输入，获取目标检测模型输出的训练图像中的检测目标对应预测框的预测框参数；

根据与标注框对应预设的边界框、标注框参数和预测框参数确定分类损失、交叠损失和定位损失；

根据分类损失、交叠损失和定位损失得到损失函数值；

根据损失函数值对目标检测模型中的模型参数进行调整并继续训练，直至满足训练停止条件时结束训练，得到训练完成的目标检测模型。

在其中一个实施例中，预测框参数包括类别预测概率和预测框位置参数；标注框参数包括标注框位置参数；根据与标注框对应预设的边界框、标注框参数和预测框参数确定分类损失包括：

根据标注框位置参数和边界框的位置参数确定各边界框分别与各标注框的匹配值；

根据柔性最大值损失函数、各匹配值和各类别预测概率得到分类损失。

在其中一个实施例中，预测框参数还包括表征预测框和标注框重叠程度的定位置信度；根据与标注框对应预设的边界框、标注框参数和预测框参数确定交叠损失包括：

根据预测框位置参数和标注框位置参数得到预测框和标注框的交并比；

根据平滑损失函数、各匹配值、定位置信度和交并比得到交叠损失。

在其中一个实施例中，根据与标注框对应预设的边界框、标注框参数和预测框参数确定定位损失包括：

根据平滑损失函数、各匹配值、预测框位置参数和标注框位置参数，得到位置参数定位损失；

根据位置参数定位损失求和得到定位损失。

在其中一个实施例中，根据分类损失、交叠损失和定位损失得到损失函数值包括：

按照预设的调节系数对定位损失进行调整，并根据调整后的定位损失、分类损失和交叠损失求和得到损失和；