[发明专利]目标检测方法、目标检测模型的训练方法及其装置

说明书

本公开提出了目标检测方法、目标检测模型的训练方法及其装置，涉及人工智能技术领域，具体涉及计算机视觉和深度学习技术领域，可应用于智慧城市和智能交通场景下。具体实现方案为：提取待处理的图像中的图像特征；基于图像特征，预测图像中的各个部位属性组，其中，部位属性组中包括至少两个部位的属性信息，至少两个部位属于同一个目标；根据各个部位属性组，生成图像的目标检测结果。由此，根据图像中的图像特征预测得到的各个部位的属性组，可将图像中的多个部位进行目标关联，进而，根据图像中各个部位的属性组，生成图像的目标检测结果，可将图像中具有目标关联的多个部位同时进行检测，提高了目标检测效率，降低了目标检测成本。

技术领域

本公开涉及人工智能技术领域，具体涉及计算机视觉和深度学习技术领域，可应用于智慧城市和智能交通场景下，尤其涉及目标检测方法、目标检测模型的训练方法及其装置。

背景技术

随着计算机技术的发展，利用计算机技术对图像进行有效地分析和处理，识别出图像中的目标是计算机视觉任务中的重要问题，被广泛应用于军事、农林业、海事、防灾救灾、交通等领域。

发明内容

本公开提供了一种用于目标检测方法、目标检测模型的训练方法及其装置。

根据本公开的一方面，提供了一种目标检测方法，包括：获取待处理的图像，并提取所述图像中的图像特征；基于所述图像特征，预测所述图像中的各个部位属性组，其中，所述部位属性组中包括至少两个部位的属性信息，所述至少两个部位属于同一个目标；根据各个所述部位属性组，生成所述图像的目标检测结果。

根据本公开的另一方面，提供了一种目标检测模型的训练方法，包括：获取初始的目标检测模型，其中，所述目标检测模型包括：用于提取图像中图像特征的主干网络层+融合网络层、以及各个分支；其中，每个分支用于结合所述图像特征预测所述图像中的一个部位属性组；所述部位属性组中包括至少两个部位的属性信息，所述至少两个部位属于同一个目标；获取训练数据，其中，所述训练数据包括：样本图像、所述样本图像中各个样本目标上各个部位的属性信息；以所述样本图像为输入，结合所述目标检测模型输出的各个预测目标上各个部位的预测属性信息以及所述样本图像中各个样本目标上各个部位的属性信息构建损失函数，对所述初始的目标检测模型进行训练。

根据本公开的另一方面，提供了一种目标检测装置，包括：第一获取模块，用于获取待处理的图像，并提取所述图像中的图像特征；预测模块，用于基于所述图像特征，预测所述图像中的各个部位属性组，其中，所述部位属性组中包括至少两个部位的属性信息，所述至少两个部位属于同一个目标；生成模块，用于根据各个所述部位属性组，生成所述图像的目标检测结果。

根据本公开的另一方面，提供了一种目标检测模型的训练装置。包括：第二获取模块，用于获取初始的目标检测模型，其中，所述目标检测模型包括：用于提取图像中图像特征的主干网络层+融合网络层、以及各个分支；其中，每个分支用于结合所述图像特征预测所述图像中的一个部位属性组；所述部位属性组中包括至少两个部位的属性信息，所述至少两个部位属于同一个目标；所述第二获取模块，还用于获取训练数据，其中，所述训练数据包括：样本图像、所述样本图像中各个样本目标上各个部位的属性信息；训练模块，用于以所述样本图像为输入，结合所述目标检测模型输出的各个预测目标上各个部位的预测属性信息以及所述样本图像中各个样本目标上各个部位的属性信息构建损失函数，对所述初始的目标检测模型进行训练。

根据本公开的另一方面，提供了一种电子设备，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公开第一方面实施例所述的方法，或者，执行本公开第二方面实施例所述的方法。

根据本公开的另一方面，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所述计算机执行本公开第一方面实施例所述的方法，或者，执行本公开第二方面实施例所述的方法。