[发明专利]目标检测方法、装置、计算机设备及存储介质

权利要求书

1.一种目标检测方法，其特征在于，所述方法包括：

获取多个训练样本，各个所述训练样本包括样本图像以及所述样本图像中目标物的真实类别和真实位置；

固定图像识别模型中的增强子网络中的网络参数，利用所述多个训练样本对所述图像识别模型中的卷积子网络和对抗子网络进行训练，得到训练后的卷积子网络和对抗子网络；

固定所述卷积子网络和所述对抗子网络中的网络参数，并利用所述多个训练样本对所述增强子网络进行训练，得到训练后的增强子网络；

基于所述训练后的增强子网络、所述训练后的卷积子网络与未经训练的感知子网络组成目标检测模型；

固定所述训练后的增强子网络和所述训练后的卷积子网络的网络参数，并利用所述多个训练样本对所述感知子网络进行训练；

将所述训练后的增强子网络、所述训练后的卷积子网络和训练后的感知子网络作为目标检测网络，所述目标检测网络用于对图像中目标区域中目标物的类别以及目标物的位置进行检测。

2.根据权利要求1所述的方法，其特征在于，所述卷积子网络包括多个卷积层，所述对抗子网络包括多个全连接层，所述利用所述多个训练样本对所述图像识别模型中的卷积子网络和对抗子网络进行训练，得到训练后的卷积子网络和对抗子网络，包括：

将各所述训练样本中的样本图像输入至网络参数固定的增强子网络中，得到所述增强子网络输出的增强图像，所述增强图像与所述训练样本中的样本图像的图像尺寸大小相同；

将所述增强图像依次输入至卷积子网络和对抗子网络中，得到样本图像中目标物的训练类别；

根据所述样本图像中目标物的训练类别和所述样本图像中目标物的真实类别之间的差距调整所述卷积子网络和所述对抗子网络的网络参数。

3.根据权利要求1所述的方法，其特征在于，所述增强子网络包括编码器和解码器，所述利用所述多个训练样本对所述图像识别模型中的增强子网络进行训练，包括：

将各所述训练样本依次输入至所述增强子网络中的编码器和解码器中，得到所述解码器输出的增强图像；

固定所述卷积子网络和所述对抗子网络网络的参数，并将所述增强图像依次输入至所述卷积子网络和所述对抗子网络中，得到样本图像中目标物的训练类别；

根据所述样本图像中目标物的训练类别和所述样本图像中目标物的真实类别之间的差距调整所述增强子网络的网络参数。

4.根据权利要求2或3所述的方法，其特征在于，所述方法还包括：

基于第一损失函数计算所述样本图像中目标物的训练类别和所述样本图像中目标物的真实类别之间的差距，其中，第一损失函数包括：

L_g＝E[log(D(Y(X)))]+λ||X-Y(X)||²；

其中，E[]表示期望，D[]表示对抗网络，Y[]表示增强网络，X表示输入图像，λ表示平衡参数。

5.根据权利要求2或3所述的方法，其特征在于，所述将所述增强图像依次输入至卷积子网络和对抗子网络中，得到样本图像中目标物的训练类别，包括：

将所述增强图像输入至所述卷积子网络，得到多个样本特征图；

将所述多个样本特征图所表示的矩阵转换为样本特征向量；

将所述样本特征向量输入到所述对抗子网络中，得到所述样本图像中目标物的训练类别。

6.根据权利要求1所述的方法，其特征在于，所述未经训练的感知网络包括第一全连接层、第二全连接层以及与所述第二全连接层分别级联的类别全连接层和回归参数全连接层，所述固定所述训练后的增强子网络和所述训练后的卷积子网络的网络参数，并利用所述多个训练样本对所述感知子网络进行训练，包括：

将各所述训练样本依次输入至所述训练后的增强子网络和所述训练后的卷积子网络中，得到解码器输出的增强图像；

将所述增强图像输入至所述未经训练的感知网络中，得到样本图像中目标物的训练类别和训练位置；

根据所述样本图像中目标物的训练类别和训练位置与所述样本图像中目标物的真实类别和真实位置之间的差距调整所述感知子网络的网络参数。