[发明专利]网络训练及目标检测方法、装置、电子设备和存储介质

权利要求书

1.一种网络训练方法，其特征在于，包括：

获取无标签标注的样本图像以及待训练的目标检测网络；

通过所述目标检测网络对所述样本图像进行处理，得到所述样本图像的检测结果，所述检测结果包括所述样本图像中目标所在的预测区域；

根据所述检测结果，确定所述样本图像对应的伪标签信息，所述伪标签信息包括所述样本图像中目标所在的伪标注区域；

根据所述伪标签信息以及所述目标检测网络中预置的锚框信息，确定所述伪标注区域与所述锚框信息表征的锚框区域之间的匹配损失；

根据所述匹配损失，确定所述目标检测网络的网络损失，并基于所述网络损失，训练所述目标检测网络。

2.根据权利要求1所述的方法，其特征在于，所述伪标签信息中包括多个伪标注区域，其中，所述根据所述匹配损失，确定所述目标检测网络的网络损失，包括：

针对所述多个伪标注区域中的每个伪标注区域，根据所述伪标注区域与多个锚框区域之间的匹配损失，确定所述多个锚框区域各自对应的第一权重，同一锚框区域的所述第一权重与所述匹配损失负相关；

根据所述多个锚框区域各自对应的第一权重以及所述多个锚框区域各自对应的匹配损失，确定所述伪标注区域对应的区域损失；

根据得到的所述多个伪标注区域对应的区域损失，确定所述目标检测网络的网络损失。

3.根据权利要求2所述的方法，其特征在于，所述伪标签信息中包括所述伪标注区域对应的置信度，所述置信度表征所述伪标注区域的可靠程度，其中，所述根据得到的所述多个伪标注区域对应的区域损失，确定所述目标检测网络的网络损失，包括：

根据所述多个伪标注区域各自对应的置信度，确定所述多个伪标注区域各自对应的第二权重，所述第二权重与所述置信度正相关；

根据多个伪标注区域各自对应的第二权重以及所述多个伪标注区域各自对应的区域损失，确定所述目标检测网络的网络损失。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述匹配损失包括以下至少一种：

所述伪标注区域与所述锚框区域之间的分类损失；

所述伪标注区域与所述锚框区域对应的预测区域之间的第一位置损失；

所述伪标注区域与所述锚框区域之间的第二位置损失。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述锚框信息中包括所述目标检测网络针对锚框区域所预测的分类分数，所述伪标签信息中包括所述伪标注区域对应的伪标注值，所述伪标注值用于指示所述伪标注区域内是否包含所述目标，所述分类分数表征所述锚框区域内包括所述目标的概率；

其中，所述根据所述伪标签信息以及所述目标检测网络中预置的锚框信息，确定所述伪标注区域与所述锚框信息表征的锚框区域之间的匹配损失，包括：

根据所述锚框区域对应的分类分数以及所述伪标注区域对应的伪标注值，确定所述伪标注区域与所述锚框区域之间的分类损失；和/或，

根据所述锚框区域对应的预测区域的位置信息以及所述伪标注区域对应的位置信息，确定所述伪标注区域与所述锚框区域对应的预测区域之间的第一位置损失；和/或，

根据所述锚框区域对应的位置信息以及所述伪标注区域对应的位置信息，确定所述伪标注区域与所述锚框区域之间的第二位置损失；

根据所述分类损失、所述第一位置损失与所述第二位置损失中的至少一种，确定所述伪标注区域与所述锚框区域之间的匹配损失。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述检测结果中包括多个预测区域各自对应的预测分数，所述预测分数表征预测区域内包含所述目标的概率；

其中，所述根据所述检测结果，确定所述样本图像对应的伪标签信息，包括：

根据所述多个预测区域各自对应的预测分数，对所述多个预测区域进行聚类，得到所述多个预测区域的聚类结果；

根据所述多个预测区域的聚类结果，确定筛选阈值，并基于所述筛选阈值，从所述多个预测区域中筛选出伪标注区域；

根据所述伪标注区域对应的检测结果，确定所述伪标注区域对应的伪标签信息。