[发明专利]一种目标检测的方法、装置、设备及存储介质

权利要求书

1.一种目标检测的方法，包括：

获取待检测图像；

根据所述待检测图像和第一目标检测模型进行目标检测得到目标检测结果，其中所述第一目标检测模型基于无锚框检测算法，所述无锚框检测算法基于样本与真实标签的相对位置来进行正负样本划分，以预测结果的锚框与真实标签的重合度作为损失函数中所述样本的权重。

2.根据权利要求1所述的方法，还包括：

根据每一所述样本和第二目标检测模型进行目标检测得到每一所述样本的预测结果，所述第二目标检测模型基于无锚框检测算法；

获取每一所述样本对应的预测结果的锚框，确定每一所述样本对应的真实标签和所述预测结果的锚框的重合度，根据所述重合度确定每一所述样本的样本权重；

根据每一所述样本的预测结果和每一所述样本的样本权重计算所述第二目标检测模型的损失函数得到损失函数值；

根据所述损失函数值，更新所述第二目标检测模型的模型参数，得到所述第一目标检测模型。

3.根据权利要求2所述的方法，其中，所述获取每一所述样本对应的预测结果的锚框，包括：

获取预设的锚框的尺度；

根据每一所述样本和所述锚框的尺度确定每一所述样本对应的预测结果的锚框。

4.根据权利要求3所述的方法，还包括：

根据所述样本的采样倍数，预设锚框的尺度。

5.根据权利要求2所述的方法，所述第二目标检测模型具有至少两层网络结构，所述预测结果包括与每层网络结构对应的至少两层预测结果，

相应地，所述损失函数值包括与每层预测结果对应的至少两个损失函数值，

相应地，根据所述损失函数值，更新所述第二目标检测模型的模型参数，得到所述第一目标检测模型，包括：

根据所述与每层预测结果对应的至少两个损失函数值，更新所述第二目标检测模型的相应网络结构的模型参数，得到所述第一目标检测模型。

6.根据权利要求5所述的方法，所述第二目标检测模型包括：

骨干网络，用于提取图像特征；

特征金字塔网络，用于进行多尺度特征融合；

相应地，至少两层网络结构包括：

所述特征金字塔网络的网络层。

7.一种目标检测的装置，包括：

待检测图像获取模块，用于获取待检测图像；

目标检测模块，用于根据所述待检测图像和第一目标检测模型进行目标检测得到目标检测结果，其中所述第一目标检测模型基于无锚框检测算法，所述无锚框检测算法基于样本与真实标签的相对位置来进行正负样本划分，以预测结果的锚框与真实标签的重合度作为损失函数中所述样本的权重。

8.根据权利要求7所述的装置，还包括：

模型训练模块，用于根据每一所述样本和第二目标检测模型进行目标检测得到每一所述样本的预测结果，所述第二目标检测模型基于无锚框检测算法；

样本权重确定模块，用于获取每一所述样本对应的预测结果的锚框，确定每一样本对应的真实标签和所述预测结果的锚框的重合度，根据所述重合度确定每一所述样本的样本权重；

损失函数确定模块，用于根据每一所述样本的预测结果和每一所述样本的样本权重计算所述第二目标检测模型的损失函数得到损失函数值；

模型参数更新模块，根据所述损失函数值，更新所述第二目标检测模型的模型参数，得到所述第一目标检测模型。

9.根据权利要求8所述的装置，其中，所述样本权重确定模块，包括：

锚框的尺度获取子模块，用于获取预设的锚框的尺度；

锚框确定子模块，用于根据每一所述样本和所述锚框的尺度确定每一所述样本对应的预测结果的锚框。

10.根据权利要求9所述的装置，所述样本权重确定模块还用于：

根据所述样本的采样倍数，预设锚框的尺度。