[发明专利]目标检测模型训练方法和装置、目标检测方法和装置

权利要求书

1.一种目标检测模型训练方法，其中，所述目标检测模型训练方法包括：

获取待训练图像，所述待训练图像包括所述待训练图像的标注信息；

利用所述目标检测模型的骨干网络对所述待训练图像进行特征提取，得到所述待训练图像的多尺度特征图，所述骨干网络包括增强后的可转换空洞卷积，所述增强后的可转换空洞卷积用于提取所述待训练图像中的多尺度特征信息；

利用所述目标检测模型的特征金子塔网络对所述待训练图像的多尺度特征图进行特征融合，得到融合后的多尺度特征图；

利用所述目标检测模型的检测头网络对所述融合后的多尺度特征图进行检测，得到所述待训练图像的目标检测结果；

根据所述待训练图像的目标检测结果和所述待训练图像的标注信息确定损失值，并利用所述损失值更新所述目标检测模型的参数，得到训练后的目标检测模型。

2.如权利要求1所述的目标检测模型训练方法，其中，所述骨干网络还包括第一全局上下文模块和第二全局上下文模块，所述增强后的可转换空洞卷积包括依次级联的多个阶段的可转换空洞卷积，所述多个阶段的可转换空洞卷积至少包括第一阶段的可转换空洞卷积和第二阶段的可转换空洞卷积，

所述利用所述目标检测模型的骨干网络对所述待训练图像进行特征提取，得到所述待训练图像的多尺度特征图包括：

获取所述待训练图像的第一特征图，所述第一特征图由所述第一全局上下文模块对应的上游模块输出；

利用所述第一全局上下文模块对所述第一特征图进行处理，得到所述第二特征图；

利用依次级联的多个阶段的可转换空洞卷积对所述第二特征图进行处理，得到第三特征图；

利用所述第二全局上下文模块对所述第三特征图进行处理，得到所述待训练图像的多尺度特征图。

3.如权利要求2所述的目标检测模型训练方法，其中，所述利用所述第一全局上下文模块对所述第一特征图进行处理，得到所述第二特征图包括：

对所述第一特征图进行全局平均池化处理，得到第一全局平均池化处理结果；

对所述第一全局平均池化处理结果进行1x1卷积处理，得到第一1x1卷积处理结果；

将所述第一特征图和所述第一1x1卷积处理结果进行融合处理，得到所述第二特征图。

4.如权利要求2所述的目标检测模型训练方法，其中，所述第一阶段的可转换空洞卷积包括第一转换函数、第一空洞率对应的可转换空洞卷积和第二空洞率对应的可转换空洞卷积，所述利用依次级联的多个阶段的可转换空洞卷积对所述第二特征图进行处理，得到第三特征图包括：

利用所述第一转换函数对所述第二特征图进行处理，得到所述第一转换函数的处理结果；

利用所述第一空洞率对应的可转换空洞卷积对所述第二特征图进行3x3空洞卷积处理，得到第一空洞卷积处理结果；

利用所述第二空洞率对应的可转换空洞卷积对所述第二特征图进行3x3空洞卷积处理，得到第二空洞卷积处理结果；

根据所述第一转换函数的处理结果，对所述第一空洞卷积处理结果和所述第二空洞卷积处理结果进行融合处理，得到所述第一阶段的可转换空洞卷积输出的第四特征图。

5.如权利要求4所述的目标检测模型训练方法，其中，所述第一转换函数包括5x5平均池化和1x1卷积，所述利用所述第一转换函数对所述第二特征图进行处理，得到所述第一转换函数的处理结果包括：

对所述第二特征图进行5x5平均池化，得到第一平均池化结果；

对所述第一平均池化结果进行1x1卷积，得到所述第一转换函数的处理结果。