[发明专利]目标检测模型的训练方法及装置、目标检测方法及装置

说明书

本公开实施例公开了一种目标检测模型的训练方法及装置、目标检测方法及装置、计算机可读存储介质及电子设备，其中，该目标检测模型的训练方法包括：利用待训练的目标检测模型包括的由至少两层子网络组成的主干网络，对样本图像进行逐级特征提取，得到特征数据，其中，至少两层子网络按照数据处理量的大小顺序排列；利用待训练的目标检测模型包括的检测网络，得到样本图像中的目标对象的检测结果；确定表示检测结果和预先对目标对象标注的标注信息之间的误差的损失值；基于损失值，调整待训练的目标检测模型的参数。本公开实施例由于底层子网络可以获取图像中更细粒度的特征，从而有助于更准确地从图像中检测到目标对象。

技术领域

本公开涉及计算机技术领域，尤其是一种目标检测模型的训练方法及装置、目标检测方法及装置、计算机可读存储介质及电子设备。

背景技术

目标检测模型的网络结构，通常包括主干网络(backbone)、颈部网络(neck)、头部网络(head)。其中，主干网络接收图像作为输入，通过卷积层的堆叠和下采样得到不同尺度的特征数据作为颈部网络的输入，颈部网络进一步对输入的特征数据进行分析，得到用于进行目标检测的数据输入头部网络，头部网络最终输出期望的检测框和置信度等信息。

现有的目标检测模型通常直接采用分类网络作为主干网络，如常见的resnet，mobilenet，shufflenet，efficientnet等。但分类任务与检测任务之间存在差异，不同任务的网络结构对计算量分布的要求不同，例如分类任务需要高层网络处理更丰富的用于分类的特征，而检测任务尤其是小目标检测对底层空间特征的需求更多。现有的目标检测模型没有针对检测任务分配主干网络的计算量分布，影响了模型的检测精度。

发明内容

本公开的实施例提供了一种目标检测模型的训练方法、装置、计算机可读存储介质及电子设备。

本公开的实施例提供了一种目标检测模型的训练方法，该方法包括：利用待训练的目标检测模型包括的由级联的至少两层子网络组成的主干网络，对样本图像进行逐级特征提取，得到特征数据，其中，至少两层子网络按照数据处理量的大小顺序排列；利用待训练的目标检测模型包括的检测网络，对特征数据进行检测，得到样本图像中的目标对象的检测结果；基于预设的损失函数，确定表示检测结果和预先对目标对象标注的标注信息之间的误差的损失值；基于损失值，调整待训练的目标检测模型的参数。

根据本公开实施例的另一个方面，提供了一种目标检测方法，该方法包括：获取待检测图像；利用预先训练的目标检测模型包括的主干网络对待检测图像进行特征提取，得到特征数据；利用目标检测模型包括的检测网络，对特征数据进行检测，得到待检测图像中的目标对象的检测结果。

根据本公开实施例的另一个方面，提供了一种目标检测模型的训练装置，该装置包括：第一提取模块，用于利用待训练的目标检测模型包括的由级联的至少两层子网络组成的主干网络，对样本图像进行逐级特征提取，得到特征数据，其中，至少两层子网络按照数据处理量的大小顺序排列；第一检测模块，用于利用待训练的目标检测模型包括的检测网络，对特征数据进行检测，得到样本图像中的目标对象的检测结果；确定模块，用于基于预设的损失函数，确定表示检测结果和预先对目标对象标注的标注信息之间的误差的损失值；调整模块，用于基于损失值，调整待训练的目标检测模型的参数。

根据本公开实施例的另一个方面，提供了一种目标检测装置，该装置包括：获取模块，用于获取待检测图像；第二提取模块，用于利用预先训练的目标检测模型包括的主干网络对待检测图像进行特征提取，得到特征数据；第二检测模块，用于利用目标检测模型包括的检测网络，对特征数据进行检测，得到待检测图像中的目标对象的检测结果。

根据本公开实施例的另一个方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序用于执行上述目标检测模型的训练方法或目标检测方法。