[发明专利]人体检测模型的训练方法及人体检测方法、设备、介质

权利要求书

1.一种人体检测模型的训练方法，其特征在于，包括：

获取多个带有标注信息的训练图像样本，其中，所述训练图像样本包含人体属性；

将所述训练图像样本输入至预先构建的目标检测模型中，得到人体属性检测结果；

根据所述标注信息和所述人体属性检测结果利用预设损失函数计算损失值，并根据所述损失值更新所述目标检测模型的参数，直至所述目标检测模型收敛，得到训练好的人体检测模型；

所述目标检测模型包括特征提取单元、混合池化单元、特征融合单元以及预测单元，所述将所述训练图像样本输入至预先构建的目标检测模型中，得到人体属性检测结果，包括：

利用所述特征提取单元对所述训练图像样本进行特征提取，得到浅层特征图和深层特征图；

利用所述混合池化单元对所述深层特征图进行混合池化操作，得到目标混合池化特征图；

利用所述特征融合单元将所述目标混合池化特征图分别与所述浅层特征图和所述深层特征图进行特征融合，得到目标特征图；

所述深层特征图包括第一深层特征图、第二深层特征图以及第三深层特征图；

所述利用所述混合池化单元对所述深层特征图进行混合池化操作，得到目标混合池化特征图，包括：

根据多组预设池化参数对所述第三深层特征图进行混合池化操作，得到多个混合池化特征图；

将多个所述混合池化特征图进行通道拼接融合，并通过卷积操作得到每个所述混合池化特征图的权重；

根据每个所述混合池化特征图、每个所述混合池化特征图的权重和所述第三深层特征图得到所述目标混合池化特征图。

2.根据权利要求1所述的人体检测模型的训练方法，其特征在于，所述特征提取单元包括第一特征提取层、第二特征提取层、第三特征提取层以及第四特征提取层，所述利用所述特征提取单元对所述训练图像样本进行特征提取，得到浅层特征图和深层特征图，包括：

利用所述第一特征提取层对所述训练图像样本进行特征提取，得到所述浅层特征图；

利用所述第二特征提取层对所述浅层特征图进行特征提取，得到所述第一深层特征图；

利用所述第三特征提取层对所述第一深层特征图进行特征提取，得到所述第二深层特征图；

利用所述第四特征提取层对所述第二深层特征图进行特征提取，得到所述第三深层特征图。

3.根据权利要求2所述的人体检测模型的训练方法，其特征在于，所述目标特征图包括第一目标特征图、第二目标特征图、第三目标特征图以及第四目标特征图，所述利用所述特征融合单元将所述目标混合池化特征图分别与所述浅层特征图和所述深层特征图进行特征融合，得到目标特征图，包括：

将所述目标混合池化特征图和所述第二深层特征图进行特征融合，得到第一中间图；

将所述第一中间图和所述第一深层特征图进行特征融合，得到第二中间图；

将所述第二中间图和所述浅层特征图进行特征融合，得到所述第一目标特征图；

将所述第一目标特征图与所述第二中间图进行特征融合，得到所述第二目标特征图；

将所述第二目标特征图与所述第一中间图进行特征融合，得到所述第三目标特征图；

将所述第三目标特征图与所述目标混合池化特征图进行特征融合，得到所述第四目标特征图。

4.根据权利要求1-3中任一项所述的人体检测模型的训练方法，其特征在于，在获取多个带有标注信息的训练图像样本之后，所述方法还包括：

利用训练好的自动搜索数据增强模型对所述训练图像样本进行数据增强处理，以便将经过数据增强后的所述训练图像样本输入至所述预先构建的目标检测模型进行训练。

5.根据权利要求1所述的人体检测模型的训练方法，其特征在于，所述预设损失函数为：

其中，Loss为所述预设损失函数，Loss_GIoU为定位损失，W₁为所述定位损失的权重，Loss_obj为置信度损失，W₂为所述置信度损失的权重，Loss_cls为分类损失，W₃为所述分类损失的权重。