[发明专利]一种目标检测模型的训练方法、装置及电子设备

权利要求书

1.一种目标检测模型的训练方法，其特征在于，包括：

在预设训练图像集中选取样本图像输入待训练的网络模型，通过所述待训练的网络模型对所述样本图像进行检测，得到所述样本图像中预测目标的预测位置信息与预测概率，其中，所述样本图像包括正样本图像及负样本图像，所述正样本图像中包括预设检测目标及预设检测目标的标记，所述负样本图像中不包括所述预设检测目标，所述预测概率为所述预测目标为正确目标的概率；

根据所述预测位置信息与预设回归函数，计算所述待训练的网络模型的第一损失；

根据所述预测概率与预设焦点损失函数，计算所述待训练的网络模型的第二损失，其中，所述预设焦点损失函数表示为权重与分类损失函数的乘积，所述权重与所述预测概率负相关；

根据所述第一损失与所述第二损失，通过预设目标损失函数计算所述待训练的网络模型的目标损失；

根据所述目标损失对所述待训练的网络模型的参数进行调整，直至满足预设的结束条件，得到训练好的网络模型。

2.根据权利要求1所述的方法，其特征在于，所述预设焦点损失函数为：

L₂＝-(1-p)^αlog(p)

其中，L₂为第二损失，p为所述预测概率，α为权重指数。

3.根据权利要求1所述的方法，其特征在于，所述预设目标损失函数为

L₃＝w*L₁+L₂+b

其中，L₁为第一损失，L₂为第二损失，L₃为所述网络模型的目标损失，w及b均为预设的可学习参数。

4.一种目标检测方法，其特征在于，包括：

获取待检测图像；

将所述待检测图像输入预先训练好的网络模型，得到检测结果，其中，所述预先训练好的网络模型为通过权利要求1至3任一所述的目标检测模型的训练方法得到的模型。

5.一种目标检测模型的训练装置，其特征在于，包括：

模型训练模块，用于在预设训练图像集中选取样本图像输入待训练的网络模型，通过所述待训练的网络模型对所述样本图像进行检测，得到所述样本图像中预测目标的预测位置信息与预测概率，其中，所述样本图像包括正样本图像及负样本图像，所述正样本图像中包括预设检测目标及预设检测目标的标记，所述负样本图像中不包括所述预设检测目标，所述预测概率为所述预测目标为正确目标的概率；

损失计算模块，用于根据所述预测位置信息与预设回归函数，计算所述待训练的网络模型的第一损失；

第二损失模块，用于根据所述预测概率与预设焦点损失函数，计算所述待训练的网络模型的第二损失，其中，所述预设焦点损失函数表示为权重与分类损失函数的乘积，所述权重与所述预测概率负相关；

目标损失模块，用于根据所述第一损失与所述第二损失，通过预设目标损失函数计算所述待训练的网络模型的目标损失；

参数调整模块，用于根据所述目标损失对所述待训练的网络模型的参数进行调整，直至满足预设的结束条件，得到训练好的网络模型。

6.一种目标检测装置，其特征在于，包括：

图像获取模块，用于获取待检测图像；

样本概率模块，用于将所述待检测图像输入预先训练好的网络模型，得到检测结果，其中，所述预先训练好的网络模型为通过权利要求1至3任一所述的目标检测模型的训练方法得到的模型。

7.一种电子设备，其特征在于，包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令，以实现如权利要求1至3中任一项所述的目标检测模型的训练方法。

8.一种电子设备，其特征在于，包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令，以实现如权利要求4所述的目标检测方法。