[发明专利]目标检测方法、装置、设备和计算机可读存储介质

权利要求书

1.一种目标检测方法，其特征在于，包括：

获取待检测场景图像；

通过目标检测网络对所述待检测场景图像进行检测，得到至少两类目标的检测结果；所述目标检测网络是根据至少两类目标训练集训练得到的；所述至少两类目标训练集中的每一类目标训练集包括一类目标对应的目标正样本、目标负样本和目标冲突样本；所述每一类目标训练集中的目标正样本、目标负样本和目标冲突样本的集合是基于至少两类原始训练集得到的；所述至少两类原始训练集中每一类原始训练集包括一类目标对应的原始正样本和原始负样本；其中，每一类所述目标冲突样本为所述目标检测网络不学习的样本。

2.根据权利要求1所述的方法，其特征在于，所述通过目标检测网络对所述待检测图像进行检测，得到至少两类目标的检测结果之前，所述方法还包括：

获取所述至少两类原始训练集；

根据所述至少两类原始训练集，确定所述至少两类目标训练集；

采用所述至少两类目标训练集，训练原始目标检测网络，得到所述目标检测网络。

3.根据权利要求2所述的方法，其特征在于，所述根据所述至少两类原始训练集，确定所述至少两类目标训练集，包括：

将所述至少两类原始训练集中的第p类原始正样本，作为第p类目标正样本；p为正整数，且p小于等于所述至少两类的总类别数；

从所述至少两类原始训练集的至少两类原始负样本中，确定第p类目标冲突样本；

从所述至少两类原始训练集中，将除所述第p类目标正样本和所述第p目标冲突样本以外的其他样本，作为第p类目标负样本；

将所述第p类目标正样本、所述第p类目标负样本和所述第p类目标冲突样本的集合，作为所述第p类目标训练集，从而得到所述至少两类目标训练集。

4.根据权利要求3所述的方法，其特征在于，所述从所述至少两类原始训练集的至少两类原始负样本中，确定第p类目标冲突样本，包括：

从所述至少两类原始负样本中，将第p类原始负样本以外的其他类负样本作为所述第p类目标冲突样本。

5.根据权利要求3所述的方法，其特征在于，所述从所述至少两类原始训练集的至少两类原始负样本中，确定第p类目标冲突样本，还包括：

根据第p类目标在所述至少两类原始训练集中出现的概率，从所述至少两类原始负样本中，确定所述第p类目标冲突样本。

6.根据权利要求5所述的方法，其特征在于，所述根据第p类目标在所述至少两类原始训练集中出现的概率，从所述至少两类原始负样本中，确定所述第p类目标冲突样本，包括：

若所述至少两类目标中的第p类目标在所述至少两类原始训练集中出现的概率大于概率阈值，则将所述至少两类负样本中所述第p类原始负样本以外的其他类负样本，确定为所述第p类目标冲突样本；

若所述第p类目标在所述至少两类原始训练集中出现的概率小于或者等于所述概率阈值，则确定所述至少两类原始负样本中不存在所述第p类目标冲突样本。

7.根据权利要求2-6任一项所述的方法，其特征在于，所述目标检测网络包括特征提取网络和至少两类分类网络；其中，所述特征提取网络用于从待检测图像中提取特征；所述至少两类分类网络中的每一类分类网络用于根据所述特征进行一类目标检测，从而得到至少两类目标的检测结果。

8.根据权利要求7所述的方法，其特征在于，所述采用所述至少两类目标训练集，训练原始目标检测网络，得到所述目标检测网络，包括：

采用所述至少两类目标训练集中的n批目标样本，在当前轮次内，对所述原始目标检测网络依次进行n次更新，得到n次至少两类焦点损失中的每一类焦点损失和当前轮次内更新完成的原始目标检测网络；所述至少两类焦点损失与所述至少两类分类网络对应；n为正整数；

基于所述n次至少两类焦点损失中的每一类焦点损失，确定当前轮次内的焦点损失均值；

若所述当前轮次内的焦点损失均值和/或当前轮次的轮次数满足终止条件，则终止训练，将所述当前轮次内更新完成的原始目标检测网络作为所述目标检测网络。