一种目标检测的方法、装置、设备及存储介质制造方法及图纸

本公开提供了一种目标检测的方法、装置、设备及存储介质，涉及图像处理领域，尤其涉及目标检测领域。具体实现方案为：在进行目标检测时，使用基于无锚框检测的目标检测模型，但该目标检测模型，在训练过程中，会以预测结果的锚框与真实标签的重合度作为样本权重，计算损失函数。如此，可使预测结果的锚框与真实标签的重合度较高的样本(即更精确匹配的高质量样本)所占比重增加，从而在不损失多样性和易于优化等优势的同时，还可进一步提高目标检测模型的预测精度。模型的预测精度。模型的预测精度。

【技术实现步骤摘要】
一种目标检测的方法、装置、设备及存储介质


[0001]本公开涉及图像处理
，尤其涉及一种目标检测的方法、装置、设备及存储介质。

技术介绍

[0002]基于锚框检测算法的检测器(Anchor
‑
based Detector)与无锚框检测算法的检测器(Anchor
‑
free Detector)两者性能相近但各有优劣：Anchor
‑
based Detector在训练过程中将更精确匹配(高质量)的样本划分成了正样本，因此预期的预测结果往往会具有更高的定位精度。相比而言，Anchor
‑
free Detector在训练过程中将更多的低质量样本划分成了正样本。虽然这种行为可能会降低检测器的预测精度(在NMS后处理中，这种方式可能导致高置信度的低质量样本过滤了低置信度的高质量结果)，但由于这种潜在数据增强方式极大地提升了样本的多样性，所以模型更容易训练优化。
[0003]由此可见，定位精度和优化难易产生了冲突。

技术实现思路

[0004]本公开提供了一种目标检测的方法、装置、设备以及存储介质。
[0005]根据本公开的一方面，提供了一种目标检测的方法，包括：获取待检测图像；根据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，其中第一目标检测模型基于无锚框检测算法，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样本的权重。
[0006]根据本公开的另一方面，提供了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，其中第一目标检测模型基于无锚框检测算法，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样本的权重。
[0007]根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述任一项目标检测的方法。
[0008]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行上述任一项目标检测的方法。
[0009]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现上述任一项目标检测的方法。
[0010]本公开提供了一种目标检测的方法、装置、设备以及存储介质。该方法在进行目标检测时，使用基于无锚框检测的目标检测模型，但该目标检测模型，在训练过程中，会以预测结果的锚框与真实标签的重合度作为样本权重，来计算损失函数。如此，可使预测结果的锚框与真实标签的重合度较高的样本(即更精确匹配的高质量样本)所占比重增加，从而在
不损失多样性和易于优化等优势的同时，还可进一步提高目标检测模型的预测精度。
[0011]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0012]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0013]图1是本公开第一实施例目标检测的方法的流程示意图；
[0014]图2是本公开第一实施例目标检测模型训练方法的流程示意图；
[0015]图3是本公开第二实施例的模型架构示意图；
[0016]图4是本公开第二实施例目标检测模型计算损失函数的流程示意图；
[0017]图5是本公开第一实施例目标检测的装置的结构示意图；
[0018]图6是用来实现本公开实施例的目标检测的方法的电子设备的框图。
具体实施方式
[0019]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0020]图1示出了本公开一实施例目标检测的方法的实现流程，参考图1，该方法包括：操作110，获取待检测图像；操作120，根据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，其中第一目标检测模型基于无锚框检测算法，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样本的权重。
[0021]其中，在操作110中，待检测图像是被检测对象，可以是拍摄得到的原始图像数据，也可以是经过去噪、增强等图像预处理后的图像数据，通常由像素点组成。
[0022]在操作120中，第一目标检测模型用于对待检测图像进行检测，以判断待检测图像是否包含目标对象，以及目标对象的种类和位置。
[0023]第一目标检测模型的输入通常是待检测图像或待检测图像的特征，其输出的预测结果通常包括待检测图像所包含的目标对象的类别，以及目标对象在待检测图像中的具体位置。
[0024]无锚框(Anchor
‑
free)检测算法是一种将位置作为训练样本而不是将锚框作为训练样本的一种目标检测算法，其基于样本与真实标签的相对位置来进行正负样本划分，例如，样本到真实标签的中心距离、样本到真实标签的边界距离等。
[0025]基于无锚框检测算法，会在训练过程中将更多的低质量相似样本划分成正样本，是一种潜在的数据增强方式。基于无锚框检测算法，可增加正样本的多样性，减小了模型的优化难度；但另一方面，由于高置信度的低质量样本的结果可能会过滤掉低置信度的高质量样本的结果，从而导致目标检测模型预测精度降低。
[0026]损失函数是用来评价目标检测模型的预测结果和真实标签不一样的程度的函数，在训练过程中被用于作为对模型参数进行优化的根据等。因此，损失函数的值往往会直接
影响到模型的优化方向、收敛速度和模型精度。
[0027]损失函数中样本的权重代表在计算损失函数时该样本参与计算的系数，例如，如果权重是1.5，则该采样在计算时会额外乘以系数1.5以提高该采样在函数计算中所起的作用。在计算损失函数时加入样本权重，相当于对样本的比重进行调整，可以用于调节不同样本在模型优化中的作用力和影响力。
[0028]预测结果的锚框(Anchor)，指以预测结果中目标对象所在位置的中心点为中心的多个具有固定高度和宽度的矩形框。
[0029]真实标签(GroundTruth)指样本数据上标注的目标对象所在的真实区域，而且通常是恰好可以框住目标对象的一个矩形框。
[0030]预测结果的锚框与真实标签的重合度，指预测结果的锚框与真实标签的重合程度，可以用本文档来自技高网...

【技术保护点】

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：武秉泓，杨叶辉，杨大陆，黄海峰，王磊，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：