[发明专利]目标检测模型的训练方法、装置及电子设备

说明书

本申请公开了一种目标检测模型的训练方法、装置及电子设备，涉及人工智能技术。本申请实施例通通过目标检测模型对样本图像进行目标对象检测，输出目标对象的检测框信息，之后，基于所述检测框信息与所述样本图像标注的实际目标框信息，获取所述检测框与所述实际目标框之间的坐标偏差回归损失、分类损失和距离预测损失，进而，基于所述坐标偏差回归损失、分类损失和距离预测损失，对所述目标检测模型进行训练，使得训练得到的目标检测模型用于目标对象检测时，可以提高目标对象检测结果的准确性。

技术领域

涉及人工智能技术，具体涉及目标检测技术，尤其涉及一种目标检测模型的训练方法、装置及电子设备。

背景技术

随着互联网和人工智能技术的不断发展，越来越多的领域开始涉及自动化计算与分析，例如，在监控、安防等应用场景中，需要对行人进行检测、跟踪。

在现有的安防、监控等场景中，对行人进行检测时，通常根据预测得到的行人检测框与准确的实际目标框之间的覆盖比例(即交并比，Intersection of Union，IoU)大小是否大于预设阈值，来确定行人检测结果是否准确。通常，在IoU达到0.5时即认为行人检测结果准确。

然而，在实际情况中，满足IoU达到0.5的行人检测框并不能很好覆盖住目标人体，可能导致后续任务(例如行人跟踪)失败。如图1所示，A、B、C分别表示目标人体a的实际目标框、预测得到的IoU为0.5的行人检测框和IoU为0.9的行人检测框，由图1可知，IoU为0.5的行人检测框B并不能很好覆盖住目标人体a，从而导致后续对该目标人体a的跟踪任务失败。

发明内容

本申请的多个方面提供一种目标检测模型的训练方法、装置及电子设备，用以提高目标对象检测结果的准确性。

本申请的一方面，提供一种目标检测模型的训练方法，包括：

通过目标检测模型对样本图像进行目标对象检测，输出目标对象的检测框信息，所述检测框信息包括检测框的坐标信息和分类信息；所述样本图像标注有所述目标对象的实际目标框信息，所述实际目标框信息包括实际目标框的坐标信息和分类信息；

基于所述检测框信息与所述实际目标框信息，获取所述检测框与所述实际目标框之间的坐标偏差回归损失、分类损失和距离预测损失；

基于所述坐标偏差回归损失、分类损失和距离预测损失，对所述目标检测模型进行训练，直至满足预设训练完成条件。

本申请的另一方面，提供一种目标检测模型的训练装置，包括：

目标检测模型，用于对样本图像进行目标对象检测，输出目标对象的检测框信息，所述检测框信息包括检测框的坐标信息和分类信息；所述样本图像标注有所述目标对象的实际目标框信息，所述实际目标框信息包括实际目标框的坐标信息和分类信息；

获取单元，用于基于所述检测框信息与所述实际目标框信息，获取所述检测框与所述实际目标框之间的坐标偏差回归损失、分类损失和距离预测损失；

训练单元，用于基于所述坐标偏差回归损失、分类损失和距离预测损失，对所述目标检测模型进行训练，直至满足预设训练完成条件。

本申请的另一方面，提供一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的方面和任一可能的实现方式的方法。

本申请的另一方面，提供一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如上所述的方面和任一可能的实现方式的方法。