[发明专利]神经网络的训练及目标检测方法、设备及存储介质

权利要求书

1.一种用于目标检测的神经网络的训练方法，包括：

接收包含检测目标的训练图像，所述训练图像属于经标注的源域图像和未经标注的目标域图像中的一种；

基于训练图像的外观特性和环境属性信息，生成所述训练图像的特征图；

基于所述特征图，生成所述训练图像的注意力特征图；

基于所述注意力特征图，预测所述训练图像是源域图像还是目标域图像，并预测所述检测目标的定位；以及

基于对所述训练图像是源域图像还是目标域图像预测的损失和对所述检测目标的定位预测的损失来确定所述神经网络的整体损失，并根据该整体损失更新所述神经网络的参数。

2.根据权利要求1所述的训练方法，其中，基于训练图像的外观特性和环境属性信息，生成所述训练图像的特征图包括：

对所述训练图像进行图像特征提取，生成所述训练图像的外观特征图；

获取所述训练图像的拍摄环境的环境属性信息，并根据所述环境属性信息生成所述训练图像的环境属性特征图；以及

结合所述外观特征图和所述环境属性特征图，生成所述特征图。

3.根据权利要求2所述的训练方法，其中，获取所述训练图像的拍摄环境的环境属性信息，并根据所述环境属性信息生成所述训练图像的环境属性特征图包括：

将所述训练图像的拍摄环境的环境属性信息转换成环境属性矩阵，并从所述环境属性矩阵中提取所述环境属性特征图。

4.根据权利要求1所述的训练方法，其中，基于所述特征图，生成所述训练图像的注意力特征图包括：

将所述特征图划分为局部区域；

针对所述特征图在各个局部区域内的部分，生成各自的局部注意力图；以及

基于所述特征图在各个局部区域内的部分和所生成的局部注意力图，生成所述训练图像的各个局部区域的局部注意力特征图。

5.根据权利要求4所述的训练方法，其中，基于所述注意力特征图，预测所述训练图像是源域图像还是目标域图像，并预测所述检测目标的定位包括：

基于各个局部注意力特征图，预测各个局部区域所属的训练图像是源域图像还是目标域图像，并预测所述训练图像内的检测目标的定位。

6.根据权利要求5所述的训练方法，其中，基于对所述训练图像是源域图像还是目标域图像预测的损失和对所述检测目标的定位预测的损失来确定所述神经网络的整体损失，并根据该整体损失更新所述神经网络的参数包括：

计算预测各个局部区域所属的训练图像是源域图像还是目标域图像的局部预测损失；

计算预测所述训练图像内的检测目标的定位的定位预测损失；以及

基于所述局部预测损失和定位预测损失来确定所述神经网络的整体损失，并根据该整体损失更新所述神经网络的参数。

7.根据权利要求4所述的训练方法，其中，基于所述特征图，生成所述训练图像的注意力特征图还包括：

基于所述特征图，生成所述训练图像的全局注意力图；以及

基于所述特征图和所生成的全局注意力图，生成所述训练图像的全局注意力特征图。

8.根据权利要求7所述的训练方法，其中基于所述注意力特征图，预测所述训练图像是源域图像还是目标域图像，并预测所述检测目标的定位包括：

基于所述全局注意力特征图，预测所述训练图像是源域图像还是目标域图像；

基于各个局部注意力特征图，预测各个局部区域所属的训练图像是源域图像还是目标域图像；以及

基于所述全局注意力特征图和局部注意力特征图，预测所述训练图像内的检测目标的定位。

9.根据权利要求8所述的训练方法，其中基于所述全局注意力特征图和局部注意力特征图，预测所述训练图像内的检测目标的定位包括：

基于各个局部注意力特征图，生成所述训练图像的整体注意力特征图；

基于所述全局注意力特征图和所生成的整体注意力特征图，生成所述训练图像的优化注意力特征图；以及

基于所述优化注意力特征图，预测所述训练图像内的检测目标的定位。