[发明专利]分级目标检测方法及装置

说明书

本申请涉及一种分级目标检测方法及装置。该方法包括：向分级YOLOV5网络模型输入训练集；通过分级YOLOV5网络模型的3个预测分支分别对训练集中的不同尺寸大小的标注框进行预测，分别获得3个预测分支各自的预测输出；根据分级YOLOV5网络模型3个预测分支各自的预测输出，分别计算3个预测分支各自的损失函数值；如果分级YOLOV5网络模型3个预测分支的损失函数值的最大值小于设定损失阈值和/或循环迭代训练的次数达到设定迭代次数，确定完成分级YOLOV5网络模型的训练；向完成训练的分级YOLOV5网络模型输入包含目标的图像，以使完成训练的分级YOLOV5网络模型进行目标检测。本申请提供的方案，能够对大中小不同尺寸的目标都达到最优检测效果。

技术领域

本申请涉及导航技术领域，尤其涉及一种分级目标检测方法及装置。

背景技术

从交通场景中自动地检测交通场景中的各种不同大小的目标（例如，交通标志）是车辆自动驾驶的首要处理步骤。快速、准确地检测交通场景中的各种不同大小的目标，能够为自动驾驶车辆的自动导航提供准确的环境信息，是实现安全驾驶的关键。

相关技术在对大小不一的目标进行检测时，常常融合浅层和深层特征，对大中小不同目标带有信息冗余，且融合时相互干扰，带入部分背景无效噪声数据使得目标无法达到最优检测效果。

发明内容

为解决或部分解决相关技术中存在的问题，本申请提供一种分级目标检测方法及装置，能够对大中小不同尺寸的目标都达到最优检测效果。

本申请第一方面提供一种分级目标检测方法，所述方法包括：

向分级YOLOV5网络模型输入训练集，其中，所述分级YOLOV5网络模型在YOLOV5网络模型的基础上去除3个预测分支的信息交互功能，所述分级YOLOV5网络模型的3个预测分支直接输出检测结果；

通过分级YOLOV5网络模型的3个预测分支分别对训练集中的不同尺寸大小的标注框进行预测，分别获得所述分级YOLOV5网络模型3个预测分支各自的预测输出；

根据所述分级YOLOV5网络模型3个预测分支各自的预测输出，分别计算所述分级YOLOV5网络模型3个预测分支各自的损失函数值；

如果所述分级YOLOV5网络模型3个预测分支的损失函数值的最大值小于设定损失阈值和/或循环迭代训练的次数达到设定迭代次数，确定完成所述分级YOLOV5网络模型的训练；

向完成训练的分级YOLOV5网络模型输入包含目标的图像，以使所述完成训练的分级YOLOV5网络模型进行目标检测。

优选的，所述如果所述分级YOLOV5网络模型3个预测分支的损失函数值的最大值小于设定损失阈值和/或循环迭代训练的次数达到设定迭代次数，确定完成所述分级YOLOV5网络模型的训练之前，还包括：

根据分级YOLOV5网络模型3个预测分支各自的在一次迭代的一个周期的学习次数，分别完成所述分级YOLOV5网络模型3个预测分支在一次迭代的训练。

优选的，所述根据分级YOLOV5网络模型3个预测分支各自的在一次迭代的一个周期的学习次数，分别完成所述分级YOLOV5网络模型3个预测分支在一次迭代的训练之前，还包括：

根据所述分级YOLOV5网络模型3个预测分支各自的损失函数值，分别确定所述3个预测分支各自的在所述一次迭代的一个周期的学习次数。

优选的，所述通过分级YOLOV5网络模型的3个预测分支分别对训练集中的不同尺寸大小的标注框进行预测，分别获得所述分级YOLOV5网络模型3个预测分支各自的预测输出，包括：

将所述训练集中的不同尺寸大小的标注框拆分为3类：小标注框类、中等标注框类、大标注框类；