[发明专利]相似目标的检测模型生成方法及设备

权利要求书

1.一种相似目标的检测模型生成方法，其中，该方法包括：

构造训练集，并将训练集中相似目标划分为相似组；

根据所述相似组内的目标之间在不同场景下的相似程度，对相似组内不同类别的目标的区分容易程度进行标注；

根据标注的区分容易程度，构造损失抑制权值向量，基于所述损失抑制权值向量优化Focal Loss损失函数；

将所述训练集输入至神经网络层得到当前的输出，基于当前的输出和优化后FocalLoss损失函数计算所述神经网络层的当前误差损失，将所述当前误差损失反向传播，以对所述神经网络层的参数进行调整，重复本步骤以继续对所述神经网络层进行训练，直至所述神经网络层收敛，将收敛后的神经网络层作为最终的相似目标的检测模型。

2.根据权利要求1所述的方法，其中，根据所述相似组内的目标之间在不同场景下的相似程度，对相似组内不同类别的目标的区分容易程度进行标注，包括：

在相似组内目标之间无法区分的场景下，用数值0来标注相似组内的目标的识别容易程度值；

在相似组内目标之间既具有预设阈值范围内的相似性，又具有预设阈值范围内的区分性的场景下，用区间(0,1)之间的某个数值来标注相似组内的目标的识别容易程度值；

在相似组内目标之间明显可区分性的场景下，用数值1来标注相似组内的目标识别容易程度值。

3.根据权利要求2所述的方法，其中，基于所述损失抑制权值向量优化Focal Loss损失函数中，

优化后的Focal Loss损失函数如下：

Loss(p_s)＝-αM_s(1-p_s)^γlog(p_s) (2)

式(2)中，s代表目标的类别，s＝0,1,2,...,N，N为正整数；p_s代表模型对第s类目标的预测结果，α∈(0,1)为平衡因子，γ≥0用于控制目标难分程度的参数，M_s为第s类目标的损失抑制权值向量，所述损失抑制权值向量M_s根据数值0、(0,1)之间的某个数值和数值1这三种识别容易程度数值中的一种生成。

4.根据权利要求3所述的方法，其中，根据标注的区分容易程度，构造损失抑制权值向量，包括：

当具有相似性的第i类目标和第j类目标组成相似组G＝(i,j)，相似组G＝(i,j)内的目标的识别容易程度值为数值0时，

构造损失抑制权值向量M_s如式(3)所示，

式(3)中，μ_i表示第i类目标的抑制权值，μ_j表示第j类目标的抑制权值。

5.根据权利要求3所述的方法，其中，根据标注的区分容易程度，构造损失抑制权值向量，包括：

当具有相似性的第i类目标和第j类目标组成相似组G＝(i,j)，相似组G＝(i,j)内的目标的识别容易程度值为(0,1)之间的某个数值时，

构造损失抑制权值向量M_s如式(4)所示，

式(4)中，μ_i表示第i类目标的抑制权值，μ_j表示第j类目标的抑制权值。

6.根据权利要求5所述的方法，其中，当0μ_i1时，所述抑制权值μ_i的取值为0.2或者0.5；当0μ_j1时，所述抑制权值μ_j的取值为0.2或者0.5。