[发明专利]对象检测网络的训练与检测方法、装置、设备和存储介质

权利要求书

1.一种对象检测网络的训练方法，包括：

对输入所述对象检测网络的图像数据集中的各图像进行对象检测，得到各所述图像包含的对象被预测为多个预设类型中各预设类型的置信度，所述多个预设类型包括被所述图像数据集所标注的一个或多个标注类型、以及未被所述图像数据集标注的一个或多个非标注类型；

针对每个所述对象，根据所述对象被预测为各所述非标注类型的非相关置信度，确定所述对象对所述非标注类型的参考标注信息；

针对每个所述对象，根据所述对象被预测为各所述预设类型的置信度、所述对象的真实标注信息和所述对象对各所述非标注类型的参考标注信息，确定所述对象被预测为各所述预设类型的损失信息；

基于各所述对象被预测为各所述预设类型的损失信息，调整所述对象检测网络的网络参数。

2.根据权利要求1所述的方法，所述根据所述对象被预测为所述非标注类型的非相关置信度，确定所述对象对所述非标注类型的参考标注信息，包括：

在所述非相关置信度达到预设的正样本置信度的情况下，确定所述对象对所述非标注类型的参考标注信息为第一预设参考标注信息；

在所述非相关置信度未达到预设的负样本置信度的情况下，确定所述对象对所述非标注类型的参考标注信息为第二预设参考标注信息；

其中，所述正样本置信度不小于所述负样本置信度。

3.根据权利要求2所述的方法，还包括：

在所述非相关置信度达到所述负样本置信度、并且未达到所述正样本置信度的情况下，确定所述对象对所述非标注类型的参考标注信息为第三预设参考标注信息。

4.根据权利要求1至3任一所述的方法，通过如下方式确定每个所述预设类型为所述标注类型或所述非标注类型：

获取所述图像数据集中标注的所述一个或多个标注类型；

分别将每一个所述预设类型确定为当前类型，并执行：

确定所述当前类型是否与所述一个或多个标注类型之一匹配；

如果不匹配，则将所述当前类型确定为所述非标注类型。

5.根据权利要求1至4任一所述的方法，所述根据所述对象被预测为各所述预设类型的置信度、所述对象的真实标注信息和所述对象对各所述非标注类型的参考标注信息，确定所述对象被预测为各所述预设类型的损失信息，包括：

针对各所述非标注类型，基于所述对象被预测为所述非标注类型的非相关置信度和所述对象对所述非标注类型的参考标注信息之间的差异，确定所述对象被预测为所述非标注类型的第一损失信息；

针对各所述标注类型，根据所述对象被预测为所述标注类型的置信度和所述对象的真实标注信息之间的差异，确定所述对象被预测为所述标注类型的第二损失信息。

6.根据权利要求5所述的方法，所述基于各所述对象被预测为各所述预设类型的损失信息，调整所述对象检测网络的网络参数，包括：

针对每个所述对象，确定所述对象的所述第一损失信息与所述第二损失信息之和，得到所述对象的总损失信息；

根据各所述对象的所述总损失信息，确定反向传播过程中的下降梯度；

根据所述下降梯度通过反向传播，调整所述对象检测网络的网络参数。

7.根据权利要求1至6任一所述的方法，输入所述对象检测网络的多个所述图像数据集中的至少两个图像数据集所标注的标注类型不完全相同。

8.一种人体对象检测方法，包括：

获取场景图像；

通过对象检测网络，对所述场景图像进行对象检测，得到所述场景图像包含的人体对象，以及所述人体对象被预测为各预设类型的置信度；所述对象检测网络是根据权利要求1至7任一所述的对象检测网络的训练方法训练得到的；

确定所述人体对象被预测为各预设类型的置信度中的最高置信度，并

将所述最高置信度对应的预设类型确定为所述人体对象的对象类型。