[发明专利]物体检测网络的训练方法和装置

权利要求书

1.一种物体检测网络的训练方法，包括：

将训练样本图像输入至初始物体检测网络，得到所述训练样本图像中的训练目标的预测信息，所述预测信息包括预测边界框以及预测边界框的位置信息；

根据所述预测边界框的位置以及与所述训练目标对应的预设锚点框的位置差异，确定第一损失函数的损失值，其中，每一个训练目标对应至少一个预设锚点框，所述每个预设锚点框至少部分圈住所述训练目标的轮廓，所述预设锚点框以所述训练样本图像的特征图的每一个像素点所映射到的所述训练样本图像的区域的中心点为中心，按照预设长宽比和预设尺寸生成，第一损失函数为各预测边界框与各自对应的至少一个预设锚点框位置差异的累加和；

基于所述第一损失函数的损失值调整所述初始物体检测网络的参数，以对所述初始物体检测网络进行训练。

2.根据权利要求1所述的方法，其中，所述训练样本图像中包括训练目标的标注框以及标注框的位置信息，以及所述方法还包括：

根据所述预测边界框的位置和所述标注框的位置之间的差异，确定第二损失函数的损失值；以及

所述基于所述第一损失函数的损失值调整所述初始物体检测网络的参数，以对所述初始物体检测网络进行训练，还包括：

利用所述第二损失函数的损失值调整所述初始物体检测网络的参数，以对所述初始物体检测网络进行训练。

3.根据权利要求2所述的方法，其中，所述预测信息还包括预测边界框内的图像所对应的训练目标的预测置信度；以及所述方法还包括：

根据预测边界框对应的预测置信度与该预测边界框对应的真实置信度之间的差异，确定第三损失函数的损失值，其中，所述真实置信度为与所述预测边界框对应的标注框的真实置信度；以及

所述基于所述第一损失函数的损失值调整所述初始物体检测网络的参数，以对所述初始物体检测网络进行训练，还包括：

利用所述第三损失函数的损失值调整所述初始物体检测网络的网络参数，以对所述初始物体检测网络进行训练。

4.根据权利要求3所述的方法，其中，所述基于所述第一损失函数的损失值调整所述初始物体检测网络的参数，以对所述初始物体检测网络进行训练，包括：

确定训练次数是否大于预设训练次数阈值；

响应于所述训练次数不大于所述预设预训练次数阈值，采用所述第一损失函数的损失值、第二损失函数的损失值以及第三损失函数的损失值，调整所述初始物体检测网络的参数，以对初始物体检测网络进行预训练。

5.根据权利要求4所述的方法，其中，所述方法还包括：

响应于确定训练次数大于预设训练次数阈值，采用所述第二损失函数的损失值以及第三损失函数的损失值，调整所述经过预训练的物体检测网络的参数，以对初始物体检测网络进行预训练。

6.一种物体检测网络的训练装置，包括：

预测边界框确定单元，被配置成将训练样本图像输入至初始物体检测网络，得到所述训练样本图像中的训练目标的预测信息，所述预测信息包括预测边界框以及预测边界框的位置信息；

损失函数确定单元，被配置成根据所述预测边界框的位置以及与所述训练目标对应的预设锚点框的位置差异，确定第一损失函数的损失值，其中，每一个训练目标对应至少一个预设锚点框，所述每个预设锚点框至少部分圈住所述训练目标的轮廓，所述预设锚点框以所述训练样本图像的特征图的每一个像素点所映射到的所述训练样本图像的区域的中心点为中心，按照预设长宽比和预设尺寸生成，第一损失函数为各预测边界框与各自对应的至少一个预设锚点框位置差异的累加和；

调整单元，被配置成基于所述第一损失函数的损失值调整所述初始物体检测网络的参数，以对所述初始物体检测网络进行训练。

7.根据权利要求6所 述的装置，其中，所述训练样本图像中包括训练目标的标注框以及标注的标注框的位置信息，所述损失函数确定单元进一步被配置成：

根据所述预测边界框的位置和所述标注框的位置之间的差异，确定第二损失函数的损失值；以及

所述调整单元进一步被配置成：

利用所述第二损失函数的损失值调整所述初始物体检测网络的参数，以对所述初始物体检测网络进行训练。