[发明专利]目标检测模型的训练方法、目标检测方法及装置

权利要求书

1.一种目标检测模型的训练方法，其特征在于，所述方法包括：

获取训练样本集；所述训练样本集中的样本为包含对象的图像；每个所述图像标注有所述对象对应的真实边界框；

将所述训练样本集中的样本输入至预设神经网络模型中进行训练，得到所述对象对应的预测边界框；

基于所述对象对应的真实边界框、预测边界框和预设损失函数计算模型误差损失，并基于所述模型误差损失调整模型参数；所述预设损失函数为基于边界框面积、边界框中心点距离和边界框宽高比确定的函数关系；

当所述模型误差损失收敛时，终止模型训练，得到训练好的目标检测模型。

2.根据权利要求1所述的目标检测模型的训练方法，其特征在于，所述预设损失函数如下：

L_RIoU＝1-IoU(b^t,b^p)+P_CDIoU+R^*；

其中，L_RIoU表示鲁棒边界框损失函数，IoU(b^t,b^p)表示真实边界框b^t和预测边界框b^p的交面积与并面积之比，P_CDIoU表示真实边界框b^t与预测边界框b^p、真实边界框b^t与最小外接边界框b^c的中心点欧式距离惩罚项，R^*为真实边界框b^t与预测边界框b^p，真实边界框b^t与最小外接边界框b^c的宽高比惩罚项；

ρ²(b^t,b^p)表示真实边界框b^t与预测边界框b^p之间中心点欧式距离的平方，ρ²(b^t,b^c)表示真实边界框b^t与最小外接边界框b^c之间中心点欧式距离的平方，c₁为最小外接边界框b^c的对角线长度，c₂为最小外接边界框b^c的对角线半长；

R_tp表示真实边界框b^t和预测边界框b^p的宽高比，R_tc表示真实边界框b^t与最小外接边界框b^c的宽高比；w_t和h_t分别为真实边界框b^t的宽和高，w_p和h_p分别为预测边界框b^p的宽和高，w_c和h_c分别为最小外接边界框b^c的宽和高；α_tp和α_tp均为折中参数。

3.根据权利要求1所述的目标检测模型的训练方法，其特征在于，基于所述对象对应的真实边界框、预测边界框和预设损失函数计算模型误差损失的步骤，包括：

将所述对象对应的真实边界框、预测边界框、以及最小外接边界框的几何信息代入所述预设损失函数中进行计算，得到位置回归损失；所述几何信息包括：面积、中心点距离和宽高比；

将所述位置回归损失确定为所述模型误差损失。

4.根据权利要求3所述的目标检测模型的训练方法，其特征在于，每个所述图像还标注有所述对象对应的真实分类标签；

将所述训练样本集中的样本输入至预设神经网络模型中进行训练后，还得到所述对象对应的预测分类标签；

基于所述对象对应的真实边界框、预测边界框和预设损失函数计算模型误差损失的步骤，还包括：

基于所述对象对应的真实分类标签、预测分类标签和交叉熵损失函数，计算类别损失；

将所述位置回归损失和所述类别损失进行求和，得到所述模型误差损失。