[发明专利]一种目标检测模型训练方法、目标检测方法及其相关设备

权利要求书

1.一种目标检测模型训练方法，其特征在于，所述方法包括：

获取样本图像、所述样本图像的实际目标文本标识和所述样本图像的实际目标位置；

对所述样本图像的实际目标文本标识进行文本特征提取，得到所述样本图像的目标文本特征；

将所述样本图像输入目标检测模型，得到所述目标检测模型输出的所述样本图像的图像特征和所述样本图像的预测目标位置；

根据所述样本图像的预测目标位置、所述样本图像的实际目标位置、以及所述样本图像的图像特征与所述样本图像的目标文本特征之间的相似度，更新所述目标检测模型，并继续执行所述将所述样本图像输入目标检测模型的步骤，直至达到第一停止条件；所述目标检测模型的训练目标包括所述样本图像的图像特征接近所述样本图像的目标文本特征。

2.根据权利要求1所述的方法，其特征在于，所述对所述样本图像的实际目标文本标识进行文本特征提取，得到所述样本图像的目标文本特征，包括：

将所述样本图像的实际目标文本标识输入预先训练的语言模型，得到所述语言模型输出的所述样本图像的目标文本特征。

3.根据权利要求1所述的方法，其特征在于，在达到第一停止条件之后，所述方法还包括：

在获取到新增图像、所述新增图像的实际目标文本标识和所述新增图像的实际目标位置之后，对所述新增图像的实际目标文本标识进行文本特征提取，得到所述新增图像的目标文本特征；所述新增图像的实际目标文本标识不同于所述样本图像的实际目标文本标识；

将历史样例图像和所述新增图像输入目标检测模型，得到所述目标检测模型输出的所述历史样例图像的图像特征、所述历史样例图像的预测目标位置、所述新增图像的图像特征和所述新增图像的预测目标位置；其中，所述历史样例图像是根据所述样本图像确定的；

根据所述历史样例图像的预测目标位置、所述历史样例图像的实际目标位置、所述历史样例图像的图像特征与所述历史样例图像的目标文本特征之间的相似度、所述新增图像的预测目标位置、所述新增图像的实际目标位置、以及所述新增图像的图像特征与所述新增图像的目标文本特征之间的相似度，更新所述目标检测模型，并继续执行所述将所述历史样例图像和所述新增图像输入目标检测模型的步骤，直至达到第二停止条件。

4.根据权利要求3所述的方法，其特征在于，所述历史样例图像的确定过程，包括：

根据所述样本图像，确定所述目标检测模型对应的训练已使用图像；

根据所述训练已使用图像的实际目标文本标识，确定至少一个历史目标类别；

根据所述训练已使用图像的实际目标文本标识，从所述目标检测模型对应的训练已使用图像中确定属于各个历史目标类别的训练已使用图像；

分别从所述属于各个历史目标类别的训练已使用图像中抽取所述各个历史目标类别对应的历史样例图像。

5.根据权利要求3所述的方法，其特征在于，所述根据所述历史样例图像的预测目标位置、所述历史样例图像的实际目标位置、所述历史样例图像的图像特征与所述历史样例图像的目标文本特征之间的相似度、所述新增图像的预测目标位置、所述新增图像的实际目标位置、以及所述新增图像的图像特征与所述新增图像的目标文本特征之间的相似度，更新所述目标检测模型，包括：

根据所述历史样例图像的预测目标位置、所述历史样例图像的实际目标位置、以及所述历史样例图像的图像特征与所述历史样例图像的目标文本特征之间的相似度，确定历史图像损失值；

根据所述新增图像的预测目标位置、所述新增图像的实际目标位置、以及所述新增图像的图像特征与所述新增图像的目标文本特征之间的相似度，确定新增图像损失值；

将所述历史图像损失值和所述新增图像损失值进行加权求和，得到所述目标检测模型的检测损失值；其中，所述历史图像损失值对应的加权权重高于所述新增图像损失值对应的加权权重；

根据所述目标检测模型的检测损失值，更新所述目标检测模型。