[发明专利]目标检测模型的训练方法、装置、设备及存储介质

说明书

本申请公开了一种目标检测模型的训练方法、装置、设备及存储介质，涉及人工智能技术领域，尤其涉及深度学习和计算机视觉技术。具体实现方案为：通过初始模型的分类网络，对样本图像的特征图进行处理得到所述特征图的热度图和分类预测结果，根据分类预测结果和样本图像的分类监督数据确定分类损失值，并根据特征图的热度图确定特征图中像素点的类别概率，以得到特征图的概率分布图；通过初始模型的回归网络，对特征图进行处理得到回归预测结果，并根据概率分布图、回归预测结果和样本图像的回归监督数据，确定回归损失值；根据回归损失值和分类损失值，对初始模型进行训练，得到目标检测模型，提供了一种能够提高目标检测模型精度的训练方法。

技术领域

本申请涉及计算机技术领域，尤其涉及深度学习和计算机视觉等人工智能技术。

背景技术

随着人工智能的发展，目标检测已经广泛应用在自动驾驶、医学、新零售等多个领域。其中，目标检测是指从一幅图像中精准的找到目标的位置，并判断该目标的类别。由于各类物体有着不同的外观、形状、姿态，成像时会受到光照、遮挡等因素的干扰，现有的目标检测模型准确性较低，亟需改进。

发明内容

本申请提供了一种目标检测模型的训练方法、装置、设备及存储介质。

根据本申请的一方面，提供了一种目标检测模型的训练方法、该方法包括：

通过初始模型的分类网络，对样本图像的特征图进行处理得到所述特征图的热度图和分类预测结果，根据所述分类预测结果和所述样本图像的分类监督数据确定分类损失值，并根据所述特征图的热度图确定所述特征图中像素点的类别概率，以得到所述特征图的概率分布图；

通过所述初始模型的回归网络，对所述特征图进行处理得到回归预测结果，并根据所述概率分布图、所述回归预测结果和所述样本图像的回归监督数据，确定回归损失值；

根据所述回归损失值和所述分类损失值，对所述初始模型进行训练，得到目标检测模型。

根据本申请的另一方面，提供了一种目标检测模型的训练装置，该装置包括：

分类处理模块，用于通过初始模型的分类网络，对样本图像的特征图进行处理得到所述特征图的热度图和分类预测结果，根据所述分类预测结果和所述样本图像的分类监督数据确定分类损失值，并根据所述特征图的热度图确定所述特征图中像素点的类别概率，以得到所述特征图的概率分布图；

回归处理模块，用于通过所述初始模型的回归网络，对所述特征图进行处理得到回归预测结果，并根据所述概率分布图、所述回归预测结果和所述样本图像的回归监督数据，确定回归损失值；

模型训练模块，用于根据所述回归损失值和所述分类损失值，对所述初始模型进行训练，得到目标检测模型。

根据本申请的另一方面，提供了一种电子设备，该电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请任一实施例所述的目标检测模型的训练方法。

根据本申请的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使计算机执行本申请任一实施例所述的目标检测模型的训练方法。

根据本申请的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本申请任一实施例所述的目标检测模型的训练方法。

根据本申请的技术，提供了一种能够提高目标检测模型精度的训练方法。