[发明专利]一种目标检测模型的训练方法、目标检测方法及相关装置

说明书

本申请公开了一种目标检测模型的训练方法、目标检测方法及相关装置，所述训练方法包括对训练图片的标注信息执行预设次数的添加噪声操作，以得到预设数量的噪声标注信息；根据噪声标注信息生成的去噪组，以得到预设数量的去噪组；基于预设数量的去噪组、初始化生成的匹配组以及所述训练图片，对目标检测模型进行训练。本申请通过对标注信息添加噪声来增加形成噪声标注信息，并将基于噪声标注信息生成去噪组作为目标检测模型的输入项，以增加目标检测模型对标注信息的学习，从而可以提高目标检测模型对标注信息的学习速度，进而提高目标检测模型的训练速度。

技术领域

本申请涉及人工智能技术领域，特别涉及一种目标检测模型的训练方法、目标检测方法及相关装置。

背景技术

目标检测是计算机视觉中的基本任务，通过目标检测预测图像中对象的边界框以及所属类别。目前目标检测普遍采用目标检测模型（DEtection TRansformer，DETR）来进行对象的边界框以及所属类别的预测，其中，DETR使用可学习查询query从Transformer编码模块的输出项中探测图像特征，并进行二分图匹配以执行基于集合的检测框预测。DETR虽然可以有效地消除手工设计的锚点和非极大抑制（NMS），并使目标检测可以实现端到端应用。然而，DETR的训练严重受慢收敛概率的影响，需大量的训练才能获得良好的性能，从而使得DETR的训练效率低。

因而现有技术还有待改进和提高。

发明内容

本申请要解决的技术问题在于，针对现有技术的不足，提供一种目标检测模型的训练方法、目标检测方法及相关装置。

为了解决上述技术问题，本其特征在于，所述的训练方法包括：

对训练图片的标注信息执行预设次数的添加噪声操作，以得到预设数量的噪声标注信息，其中，所述标注信息包括目标框和所述目标框对应的目标类别；

根据噪声标注信息生成去噪组，以得到预设数量的去噪组；

基于预设数量的去噪组、初始化生成的匹配组以及所述训练图片，对目标检测模型进行训练。

在一个实现方式中，所述预设数量的噪声标注信息中的各噪声标注信息互不相同。

在一个实现方式中，所述添加噪声操作包括对目标框的添加框噪声操作和/或对目标类别添加类别噪声操作。

在一个实现方式中，所述标注信息包括多个目标框，所述添加噪声操作为分别对多个目标框中的每个目标框执行添加框噪声操作，以及分别对每个目标框对应的目标类别执行添加类别噪声操作。

在一个实现方式中，所述目标框包括目标框中心点坐标、目标框宽度和目标框高度；所述对目标框添加框噪声操作具体包括：

为所述目标框随机生成目标框噪声，其中，目标框噪声包括目标框中心点坐标噪声、目标框宽度噪声和目标框高度噪声中的一种或者多种；

基于所述目标框噪声对所述目标框进行调整，以得到噪声目标框。

在一个实现方式中，所述目标框中心点坐标噪声中的x轴坐标的绝对值小于，目标框中心点坐标噪声中的y轴坐标的绝对值小于；目标框宽度噪声的绝对值小于，目标框高度噪声的绝对值小于，其中，和均为0-1间的数值，表示目标框宽度，表示目标框高度。

在一个实现方式中，所述对目标类别添加类别噪声操作具体包括：

按照预设概率将所述目标类别替换为噪声类别，其中，所述噪声类别包含于所述训练图片所属的训练样本集对应的类别集合内，并且所述噪声类别所述目标类别不同。

在一个实现方式中，所述根据噪声标注信息生成去噪组，以得到预设数量的去噪组具体包括：

将所述噪声标注信息中的噪声目标框转换为噪声目标框向量，并将所述噪声目标框对应的噪声类别转换为噪声类别向量；