[发明专利]一种图像数据处理方法、装置以及计算机可读存储介质

权利要求书

1.一种图像数据处理方法，其特征在于，包括：

获取包含样本检测对象的样本图像；所述样本图像携带有所述样本检测对象的对象类型标签；

通过初始检测模型，获取所述样本图像的第一维度特征，对所述第一维度特征进行特征降维，得到所述样本图像的第二维度特征；

根据所述第一维度特征，获取针对所述样本检测对象的第一类型预测结果，根据所述第二维度特征，获取针对所述检测对象的第二类型预测结果；

根据所述第一类型预测结果和实际对象类型确定针对第一预测子网络的第一损失函数，并根据所述第二类型预测结果和所述实际对象类型确定针对第二预测子网络的第二损失函数；所述初始检测模型中包括所述第一预测子网络和所述第二预测子网络；所述第一预测子网络的特征维度大于所述第二预测子网络的特征维度；所述实际对象类型由所述对象类型标签所指示；

根据所述第一类型预测结果和所述第二类型预测结果获取所述第一预测子网络和所述第二预测子网络之间的协同损失函数；

根据所述第一损失函数、所述第二损失函数和所述协同损失函数确定所述初始检测模型的目标损失函数；

基于所述目标损失函数修正所述初始检测模型的模型参数，得到检测模型；所述检测模型用于对检测图像中的检测对象的对象特征进行检测。

2.根据权利要求1所述的方法，其特征在于，所述通过初始检测模型，获取所述样本图像的第一维度特征，对所述第一维度特征进行特征降维，得到所述样本图像的第二维度特征，包括：

基于所述第一预测子网络，获取所述样本图像的所述第一维度特征，基于所述第二预测子网络，对所述第一维度特征进行特征降维，得到所述第二维度特征；

则，所述根据所述第一维度特征，获取针对所述检测对象的第一类型预测结果，根据所述第二维度特征，获取针对所述检测对象的第二类型预测结果，包括：

基于所述第一预测子网络和所述第一维度特征，预测得到所述样本检测对象的所述第一类型预测结果，基于所述第二预测子网络和所述第二维度特征，预测得到所述样本检测对象的所述第二类型预测结果。

3.根据权利要求1所述的方法，其特征在于，所述根据所述第一类型预测结果和实际对象类型确定针对第一预测子网络的第一损失函数，包括：

根据所述第一类型预测结果和所述实际对象类型，确定所述第一预测子网络的第一预测损失值；

根据所述第一预测损失值，确定所述第一损失函数；所述第一损失函数用于使所述第一类型预测结果所指向的所述样本检测对象的预测对象类型，趋向于所述实际对象类型。

4.根据权利要求1所述的方法，其特征在于，所述根据所述第二类型预测结果和所述实际对象类型确定针对第二预测子网络的第二损失函数，包括：

根据所述第二类型预测结果和所述实际对象类型，确定所述第二预测子网络的第二预测损失值；

根据所述第二预测损失值，确定所述第二损失函数；所述第二损失函数用于使所述第二类型预测结果所指向的所述样本检测对象的预测对象类型，趋向于所述实际对象类型。

5.根据权利要求1所述的方法，其特征在于，所述根据所述第一类型预测结果和所述第二类型预测结果获取所述第一预测子网络和所述第二预测子网络之间的协同损失函数，包括：

获取所述第一类型预测结果和所述第二类型预测结果之间的互信息熵；

根据所述互信息熵，确定所述协同损失函数；所述协同损失函数用于使所述第二类型预测结果趋向于所述第一类型预测结果。