[发明专利]长尾目标检测方法及装置

说明书

本公开涉及计算机技术领域，提供了一种长尾目标检测方法及装置。该方法包括：获取包含待检测目标的待检测图片；将所述待检测图片输入到预置的长尾目标检测模型进行目标检测，得到所述待检测目标的类别和位置，其中，所述长尾目标检测模型采用不同类别的样本数据基于初始目标检测模型和类别均衡焦点损失函数经过特征提取、以得到不同感受野为目的的特征融合和目标检测过程训练得到，所述类别均衡焦点损失函数对不同类别的样本数据使用不同的类别均衡参数。

技术领域

本公开涉及计算机技术领域，尤其涉及一种长尾目标检测方法及装置。

背景技术

目标检测任务中，经常存在训练数据类别不平衡的问题。大多训练数据中不均匀分布的真实样本的类别分布符合长尾分布，即头部类别具有较多样本实例，尾部类别具有较少样本实例。长尾分布会导致作为目标检测模型的深度学习模型在很大程度上由少数头部类别主导，在尾部的少样本类别上深度学习模型的性能则会大大降低。

样本类别不均衡问题会影响到目标检测模型的训练结果，例如可能导致目标检测模型对尾部类别欠拟合，从而影响目标检测模型对尾部类别输入图片的预测精度。

发明内容

有鉴于此，本公开实施例提供了一种长尾目标检测方法、装置、电子设备及计算机可读存储介质，以解决现有技术中目标检测模型对长尾目标检测精度不高的技术问题。

本公开实施例的第一方面，提供了一种长尾目标检测方法，该方法包括：获取包含待检测目标的待检测图片；将所述待检测图片输入到预置的长尾目标检测模型进行目标检测，得到所述待检测目标的类别和位置，其中，所述长尾目标检测模型采用不同类别的样本数据基于初始目标检测模型和类别均衡焦点损失函数经过特征提取、以得到不同感受野为目的的特征融合和目标检测过程训练得到，所述类别均衡焦点损失函数对不同类别的样本数据使用不同的类别均衡参数。

本公开实施例的第二方面，提供了一种长尾目标检测装置，该装置包括：获取模块，用于获取包含待检测目标的待检测图片；检测模块，用于将所述待检测图片输入到预置的长尾目标检测模型进行目标检测，得到所述待检测目标的类别和位置，其中，所述长尾目标检测模型采用不同类别的样本数据基于初始目标检测模型和类别均衡焦点损失函数经过特征提取、以得到不同感受野为目的的特征融合和目标检测过程训练得到，所述类别均衡焦点损失函数对不同类别的样本数据使用不同的类别均衡参数。

本公开实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。

本公开实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。

本公开实施例与现有技术相比存在的有益效果是：通过采用对不同类别的样本数据使用不同的类别均衡参数的损失函数训练得到长尾目标检测模型，使得该长尾目标检测模型对尾部类别的关注度，从而可以改善训练数据类别不均衡的问题，提高长尾目标检测算法的整体精度。

附图说明

为了更清楚地说明本公开实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本公开实施例提供的一种长尾目标检测方法的流程示意图；

图2是本公开实施例提供的一种长尾目标检测模型的训练方法的流程示意图；

图3是本公开实施例提供的另一种长尾目标检测模型的训练方法的流程示意图；

图4是本公开实施例提供的一种长尾目标检测装置的结构示意图；

图5是本公开实施例提供的一种电子设备的结构示意图。