[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

说明书

本申请公开了一种目标检测模型训练方法、目标检测方法及其相关设备，先对样本图像的实际目标文本标识进行文本特征提取，得到该样本图像的目标文本特征；再利用该样本图像、该样本图像的目标文本特征和该样本图像的实际目标位置对目标检测模型进行训练，以使该目标检测模型能够在该样本图像的目标文本特征和该样本图像的实际目标位置的约束下进行目标检测学习，从而使得训练好的目标检测模型具有较好的目标检测性能，以便后续能够利用该训练好的目标检测模型针对待检测图像进行更准确地目标检测，得到并输出该待检测图像的目标检测结果，以使该待检测图像的目标检测结果更准确，如此有利于提高目标检测准确性。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种目标检测模型训练方法、目标检测方法及其相关设备。

背景技术

目标检测(也称，目标提取)是一种基于目标几何统计及特征的图像分割技术；而且目标检测的应用领域十分广泛(如，目标检测可以应用于机器人或者自动驾驶等领域)。

然而，因现有的目标检测技术依旧存在一些缺陷，使得如何提高目标检测准确性仍是一个亟待解决的技术问题。

发明内容

为了解决现有技术中存在的以上技术问题，本申请提供了一种目标检测模型训练方法、目标检测方法及其相关设备，能够有效地提高目标检测准确性。

为了实现上述目的，本申请实施例提供的技术方案如下：

本申请实施例提供一种目标检测模型训练方法，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。

在一种可能的实施方式中，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；其中，所述语言模型是根据样本文本和所述样本文本的实际文本特征进行训练的。

在一种可能的实施方式中，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。

在一种可能的实施方式中，所述历史样例图像的确定过程，包括：