[发明专利]用于目标检测的方法和装置

权利要求书

1.一种用于目标检测的方法，其特征在于，包括：

基于第一训练数据集，利用卷积神经网络进行初步训练，以获得第一训练模型，其中，所述第一训练数据集用于指示分别具有检测目标的M个样本图像，M为正整数；

利用所述第一训练模型识别出N个待测图像中的K个待测图像中具有所述检测目标，并且输出与所述K个待测图像分别对应的K个检测目标识别结果，N和K为正整数；

基于第二训练数据集，利用所述卷积神经网络对所述第一训练模型进行重新训练，以获得第二训练模型，其中，所述第二训练数据集包括第一子集，所述第二训练数据集还包括所述第一训练数据集和第二子集中的一项，所述第一子集与所述K个检测目标识别结果中错误的检测目标识别结果相关联，所述第二子集与所述M个样本图像中的背景相关联。

2.根据权利要求1所述的方法，其特征在于，所述K个检测目标识别结果中的第j个检测目标识别结果包括用于标识所述K个待测图像的第j个待测图像中的检测目标的检测框以及检测目标类别信息，j为正整数，j小于或者等于K；

所述错误的检测目标识别结果包括检测框位置错误或者检测目标类别信息错误的结果；

所述第一子集包括所述错误的检测目标识别结果中的检测框内的图像数据。

3.根据权利要求1或2所述的方法，其特征在于，所述基于第一训练数据集，利用卷积神经网络进行初步训练，以获得第一训练模型，包括：

利用所述卷积神经网络对所述M个样本图像中的第i个样本图像进行以下处理，直到处理完所述M个样本图像为止，其中i为正整数，i小于或者等于M：

提取所述第i个样本图像中的图像特征；

基于所述第i个样本图像中的图像特征，在所述第i个样本图像中生成多个候选框；

基于所述多个候选框与所述第i个样本图像中的检测目标之间的重叠率，将所述多个候选框划分为第一组候选框和第二组候选框，所述第一组候选框用于表示所述i样本图像中的检测目标，所述第二组候选框用于表示所述第i个样本图像中的背景；

利用所述卷积神经网络，基于所述M个样本图像中每个样本图像的第一组候选框以及所述每个样本图像中的检测目标，获得所述第一训练模型；

其中，所述第二子集包括在所述每个样本图像中的第二组候选框内的图像数据。

4.根据权利要求3所述的方法，其特征在于，所述第一组候选框与所述检测目标之间的重叠率大于或者等于预设的阈值，所述第二组候选框与所述检测目标之间的重叠率小于所述预设的阈值。

5.根据权利要求1至4中任一项所述的方法，其特征在于，在所述基于第二训练数据集，对所述第一训练模型进行重新训练，以获得第二训练模型之后，还包括：

对所述第二训练模型进行裁剪和聚类中的至少一种操作。

6.根据权利要求3至5中任一项所述的方法，其特征在于，

所述卷积神经网络包括卷积特征提取层，其中，所述卷积特征提取层采用深度方向的可分离卷积；

所述提取所述第i个样本图像中的图像特征，包括：

利用所述卷积特征提取层提取所述第i个样本图像中的图像特征。

7.一种用于目标检测的装置，其特征在于，包括：

训练模块，基于第一训练数据集，用于利用卷积神经网络进行初步训练，以获得第一训练模型，其中，所述第一训练数据集用于指示分别具有检测目标的M个样本图像，M为正整数；

识别模块，用于利用所述第一训练模型识别出N个待测图像中的K个待测图像中具有所述检测目标，并且输出与所述K个待测图像分别对应的K个检测目标识别结果，N和K为正整数；

所述训练模块，基于第二训练数据集，还用于利用所述卷积神经网络对所述第一训练模型进行重新训练，以获得第二训练模型，其中，所述第二训练数据集包括第一子集，所述第二训练数据集还包括所述第一训练数据集和第二子集中的一项，所述第一子集与所述K个检测目标识别结果中错误的检测目标识别结果相关联，所述第二子集与所述M个样本图像中的背景相关联。