[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

说明书

本公开提供了一种交通目标检测模型训练目标检测方法及边缘计算设备，涉及智能交通领域，具体涉及路侧设备感知技术。交通目标检测模型的训练方法的具体实现方案为：提取交通样本图像在不同尺度下的目标特征图；针对每个目标特征图，对目标特征图进行多种感受野的目标检测，获取每种感受野对应的至少一种目标检测框；根据每个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；基于损失函数对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。该训练好的交通目标检测模型能够实现不同尺度下的多感受野的交通目标检测，从而能够实现细粒度尺度的交通目标检测，并提升了交通目标检测的效果。

技术领域

本公开涉及智能交通领域，具体涉及路侧设备感知技术，尤其涉及一种交通目标检测模型训练和目标检测方法及边缘计算设备。

背景技术

目标检测是计算机视觉中一个重要的基础研究领域，其主要工作是对图像中感兴趣对象在位置定位，以及对该对象所属类别的分类。在卷积神经网络模型出现之前，目标检测的主要研究方法是通过手动方式提取图像中目标对象检测所需要的特征信息，而基于深度学习的目标检测器凭借其出色的特征提取能力，迅速成为了目标检测领域新的研究方向。目标检测是人脸识别、行人识别、异常行为监控、无人驾驶以及智能机器人等人工智能相关领域研究和应用的基础。

发明内容

本公开提供了一种交通目标检测模型训练和目标检测方法及边缘计算设备。

根据本公开的一方面，提供了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。

根据本公开的另一方面，提供了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所述交通目标检测模型的训练方法进行训练。

根据本公开的另一方面，提供了另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至少一种目标检测框。

根据本公开的另一方面，提供了一种交通目标检测模型的训练装置，包括：

特征提取模块，用于提取交通样本图像在不同尺度下的目标特征图；

第一获取模块，用于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，获取每个所述感受野对应的至少一种目标检测框；

第二获取模块，用于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；

训练模块，用于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。

根据本公开的另一方面，提供了一种交通目标检测装置，包括：

获取模块，用于获取待检测交通目标图像；