[发明专利]交通目标检测模型训练和目标检测方法及边缘计算设备

权利要求书

1.一种交通目标检测模型的训练方法，包括：

提取交通样本图像在不同尺度下的目标特征图；

针对每个所述目标特征图，对所述目标特征图进行多种感受野的目标检测，获取每种所述感受野对应的至少一种目标检测框；

根据每个所述目标特征图的所述目标检测框和真值检测框，获取交通目标检测模型的损失函数；

基于所述损失函数对所述交通目标检测模型进行调整，以生成训练好的交通目标检测模型。

2.根据权利要求1所述的方法，其中，所述根据每个所述目标特征图的目标检测框和真值检测框，获取交通目标检测模型的损失函数，包括：

针对任一目标特征图，获取属于同一感受野的所述目标检测框与所述真值检测框，并获取所述目标检测框和所述真值检测框之间的误差值；

根据所述多种感受野的误差值，得到所述任一目标特征图对应的子损失函数；

根据每个所述目标特征图的子损失函数，得到所述交通目标检测模型的损失函数。

3.根据权利要求1所述的方法，其中，所述提取交通样本图像在不同尺度下的目标特征图，包括：

对所述交通样本图像进行特征提取，获取不同尺度下的候选特征图；

获取与所述任一尺度的候选特征图在尺度上相邻且大于所述任一尺度的相邻候选特征图；

响应于所述任一尺度的候选特征图存在所述相邻候选特征图，则将所述任一尺度的候选特征图与所述相邻候选特征图进行特征融合，生成所述任一尺度的所述目标特征图。

4.根据权利要求1-3任一项所述的方法，其中，所述交通目标检测模型包括多感受野检测网络，每个尺度对应一个多感受野网络，所述获取每种所述感受野对应的至少一种目标检测框，包括：

将不同尺度下的所述目标特征图输入各自的多感受野检测网络中，其中，所述多感受野检测网络包括多个感受野检测分支，每个所述感受野检测分支对应有一种感受野；

由每个所述感受野检测分支分别对所述目标特征图进行特征提取，以得到所述感受野检测分支对应的感受野特征图，并对所述感受野特征图进行目标检测，以输出每种所述感受野检测分支对应的至少一种所述目标检测框。

5.根据权利要求4所述的方法，其中，所述感受野检测分支包括两个卷积层，不同的所述感受野检测分支中第一个卷积层的卷积核大小不同，用于确定所述感受野检测分支的感受野大小。

6.一种交通目标检测方法，包括：

获取待检测交通目标图像；

将所述交通目标图像输入到训练好的交通目标检测模型中，以对所述交通目标图像进行多种感受野的目标检测，获取每种所述感受野对应的至少一种目标检测框；

其中，所述交通目标检测模型采用如权利要求1-5任一项所述的方法进行训练。

7.一种交通目标检测方法，包括：

获取待检测交通目标图像，并提取所述交通目标图像在不同尺度下的目标特征图；

针对每个目标特征图，对所述目标特征图进行多种感受野的目标检测，获取每种所述感受野对应的一种目标检测框。

8.根据权利要求7所述的方法，其中，所述提取所述交通目标图像在不同尺度下的目标特征图，包括：

对所述交通目标图像进行特征提取，获取不同尺度下的候选特征图；

获取与所述任一尺度的候选特征图在尺度上相邻且大于所述任一尺度的相邻候选特征图；

响应于所述任一尺度的候选特征图存在所述相邻候选特征图，则将所述任一尺度的候选特征图与所述相邻候选特征图进行特征融合，生成所述任一尺度的所述目标特征图。

9.根据权利要求8所述的方法，其中，所述对所述目标特征图进行多种感受野的目标检测，获取每种所述感受野对应的一种的目标检测框，包括：

针对每个所述目标特征图，对所述目标特征图进行多组卷积处理，以输出每种感受野对应的一种所述目标检测框；

其中，每组卷积处理包括两次卷积处理，不同组中的第一次卷积操作的卷积核大小不同。