[发明专利]目标检测模型的训练方法、装置及终端设备

说明书

本申请适用于图像处理技术领域，提供了一种目标检测模型的训练方法、装置及终端设备，包括：应用于预设的目标检测模型，所述目标检测模型中包括位置回归网络和热图分类网络；所述目标检测模型的训练方法包括：获取样本图像的第一特征信息；将所述第一特征信息输入到所述位置回归网络进行位置回归处理，输出所述样本图像中目标物体的位置信息；将所述样本图像输入到所述热图分类网络中进行热图分类处理，输出所述样本图像的热图数据；根据所述位置信息、所述热图数据和预设的第一损失函数计算第一损失值；根据所述第一损失值更新所述目标检测模型的模型参数。通过上述方法，能够同时提高目标检测的检测精度和检测效率。

技术领域

本申请属于图像处理技术领域，尤其涉及一种目标检测模型的训练方法、装置及终端设备。

背景技术

随着科技的发展，智能控制技术的应用范围越来越广泛。通过智能控制技术能够实现人机交互，例如，通过手势控制视频的播放、快进、后退和删除等。在智能控制的过程中，需要检测目标物体的位姿信息，然后根据目标物体的位姿信息进行控制。例如，在手势控制过程中，需要检测手部的关键点位置，根据关键点位置确定手部姿态(即手势)，再根据手部姿态进行控制。因此，目标检测是智能控制过程中的一项关键任务。

现有的目标检测方法大多采用基于锚框的检测方法。具体的，在训练阶段预先设置大量的锚框，并为每个锚框标注类别和偏移量(用于表示锚框与真实检测框之间的位置偏移)，然后利用锚框对目标检测模型进行的训练；在检测阶段，利用训练后的目标检测模型获取待检测图像中目标物体对应的多个锚框及其各自对应的预测类别和预测偏移量，然后根据预测偏移量调整锚框位置，最后从多个锚框中筛选出预测检测框。当锚框数量较少时，检测结果不准确；当锚框数量较多时，计算量较大。现有的目标检测方法无法实现检测速度和检测精度之间的均衡。

发明内容

本申请实施例提供了一种目标检测模型的训练方法、装置及终端设备，可以同时提高目标检测的检测精度和检测效率。

第一方面，本申请实施例提供了一种目标检测模型的训练方法，应用于预设的目标检测模型，所述目标检测模型中包括位置回归网络和热图分类网络；

所述目标检测模型的训练方法包括：

获取样本图像的第一特征信息；

将所述第一特征信息输入到所述位置回归网络进行位置回归处理，输出所述样本图像中目标物体的位置信息；

将所述样本图像输入到所述热图分类网络中进行热图分类处理，输出所述样本图像的热图数据；

根据所述位置信息、所述热图数据和预设的第一损失函数计算第一损失值；

根据所述第一损失值更新所述目标检测模型的模型参数。

在本申请实施例中，通过位置回归网络对样本图像的第一特征信息进行位置回归，获取样本图像中目标物体的位置信息，通过上述方式将目标检测问题转化为目标位置检测问题；同时通过热图分类网络实现对样本图像的热图分类；然后根据位置回归得到的位置信息和热图分类得到的热图数据对目标检测模型进行训练，相当于在目标检测方法中融合了热图分类方法与位置回归方法，这样能够利用热图分类的结果对位置回归的结果进行限定，从而避免使用大量的锚框。通过上述方法，能够在保证检测精度的同时，大大提高目标检测的检测效率。

在第一方面的一种可能的实现方式中，所述获取样本图像的第一特征信息，包括：

将所述样本图像输入到预设的特征提取模型中，输出所述样本图像的第二特征信息；

将所述第二特征信息输入到预设的特征融合模型中，输出特征融合信息；

将所述特征融合信息确定为所述样本图像的所述第一特征信息。

在第一方面的一种可能的实现方式中，所述特征提取模型包括N个提取子网络，所述N为正整数；