[发明专利]分类网络及物体检测模型构建方法、装置、设备及介质

权利要求书

1.一种分类网络构建方法，其特征在于，所述方法包括：

对样本物体的多个图像分别进行特征提取，得到对应的多个特征图像，所述多个图像具有不同的图像分布域；

将每两个图像分布域不同的图像各自对应的特征图像成对输入预设网络，得到多个第一分类结果和多个第二分类结果；

根据所述多个第一分类结果与所述多个第二分类结果之间的距离以及所述样本物体的类别标签，对所述预设网络的参数进行更新；

将经过多次更新后的预设网络确定为分类网络。

2.根据权利要求1所述的方法，其特征在于，根据所述多个第一分类结果与所述多个第二分类结果之间的距离以及所述样本物体的类别标签，对所述预设网络的参数进行更新，包括：

根据所述多个第一分类结果与所述多个第二分类结果之间的距离，确定目标损失值；

根据所述多个第一分类结果与所述样本物体的类别标签，确定第一分类损失值，以及，根据所述多个第二分类结果与所述样本物体的类别标签，确定第二分类损失值；

根据所述目标损失值、所述第一分类损失值以及所述第二分类损失值，对所述预设网络的参数进行更新。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

对所述多个第一分类结果进行处理，确定第一结果中心，以及，对所述多个第二分类结果进行处理，确定第二结果中心；

根据所述多个第一分类结果与所述多个第二分类结果之间的距离，确定目标损失值，包括：

根据所述第一结果中心与所述第二结果中心的距离，确定目标损失值。

4.根据权利要求3所述的方法，其特征在于，根据所述第一结果中心与所述第二结果中心的距离，确定目标损失值，包括：

按照以下公式确定目标损失值：

其中，Loss_cosine为所述目标损失值，为所述第一分类结果中心的向量表示，为所述第二分类结果中心的向量表示。

5.一种物体检测模型构建方法，其特征在于，所述方法包括：

获得原始物体检测模型，所述原始物体检测模型包括原始分类子网络和原始回归子网络；

将所述原始分类子网络替换为权利要求1-4任一所述的分类网络，得到目标物体检测模型。

6.一种物体检测模型构建方法，其特征在于，所述方法包括：

获得样本物体的多个图像，所述多个图像具有不同的图像分布域；

将每两个图像分布域不同的图像输入预设网络，得到多个第一物体检测结果和多个第二物体检测结果；

将所述多个第一物体检测结果和所述多个第二物体检测结果相比较，确定表征相同物体类别的第一目标物体检测结果和第二目标物体检测结果；

根据所述第一物体目标检测结果与所述第二目标物体检测结果之间的距离，以及所述样本物体的位置标签和类别标签，对所述预设网络的参数进行更新；

将经过多次更新后的预设网络确定为物体检测模型。

7.根据权利要求6所述的方法，其特征在于，根据所述第一物体目标检测结果与所述第二目标物体检测结果之间的距离，以及所述样本物体的位置标签和类别标签，对所述预设网络的参数进行更新，包括：

根据所述第一目标物体检测结果与所述第二目标物体检测结果之间的距离，确定目标损失值；

根据所述多个第一物体检测结果与所述样本物体的位置标签和类别标签，确定第一物体检测损失值，以及，根据所述多个第二物体检测结果与所述样本物体的位置标签和类别标签，确定第二物体检测损失值；

根据所述目标损失值、所述第一物体检测损失值以及所述第二物体检测损失值，对所述预设网络的参数进行更新。

8.根据权利要求6或7所述的方法，其特征在于，在得到物体检测模型之后，所述方法还包括：

获得待检测图像，所述待检测图像具有所述不同的图像分布域中的任一图像分布域；

将所述待检测图像输入所述物体检测模型，得到所述待处理图像包含的物体的位置和类别。