[发明专利]一种目标检测方法、装置、设备及介质

权利要求书

1.一种目标检测方法，其特征在于，所述方法包括：

将待处理图像输入训练后的目标基础检测网络，通过所述目标基础检测网络对所述待处理图像进行识别；

确定所述待处理图像中是否包含目标类型的待搜索对象，以及所述待搜索对象在所述待处理图像中的位置区域；

所述目标基础检测网络是通过下述方式训练的：将训练图像输入基础检测网络中采用迭代的方式对所述基础检测网络进行迭代训练，直至根据迭代训练得到的检测损失值确定所述基础检测网络收敛，将收敛的基础检测网络作为所述目标基础检测网络；其中，每轮所述迭代训练包括：

通过训练后的对比学习网络对所述训练图像进行识别，得到所述训练图像的图像特征相似信息，并根据所述图像特征相似信息确定各预测目标框的第一样本类型；所述图像特征相似信息是根据所述训练图像中各第二样本类型的预测目标框内的图像特征和训练图像中标注目标框内的图像特征的相似度确定的；所述第二样本类型是基于所述训练图像中预测目标框与标注目标框间的交并比确定的；所述标注目标框是针对所述训练图像中的待搜索对象进行标注的目标框；

针对各所述第一样本类型的预测目标框，基于本轮迭代训练前的基础检测网络参数确定所述预测目标框与标注目标框间的分类损失值和坐标回归损失值；

根据所述坐标回归损失值从所述各第一样本类型的预测目标框中确定指定目标框；并通过所述对比学习网络，基于所述训练图像中所述指定目标框内的图像特征与所述训练图像在所述标注目标框内的图像特征的相似度，确定对比损失值；

基于所述分类损失值、所述坐标回归损失值和所述对比损失值确定所述检测损失值，并根据所述检测损失值调整所述基础检测网络的参数；其中，所述基础检测网络是基于所述标注目标框和已标注第二样本类型的预测目标框对初始基础检测网络训练得到的。

2.根据权利要求1所述的方法，其特征在于，通过训练后的对比学习网络对训练图像进行识别，得到图像特征相似信息，包括：

将各特征图像输入所述训练后的对比学习网络，其中，各所述特征图像为根据所述训练图像在各所述第二样本类型的预测目标框内的图像特征确定的多张图像；通过所述对比学习网络执行如下过程：

针对每一特征图像，根据所述特征图像和所述标注目标框的图像特征的相似度，确定所述图像特征相似信息；

根据所述图像特征相似信息和相似度阈值的比对结果确定所述特征图像对应预测目标框的第一样本类型。

3.根据权利要求1所述的方法，其特征在于，所述根据所述坐标回归损失值从所述各第一样本类型的预测目标框中确定指定目标框，包括：

将坐标回归损失值最小的预测目标框作为所述指定目标框。

4.根据权利要求3所述的方法，其特征在于，所述训练后的对比学习网络是通过如下方式获得的：

将样本图像对输入基础学习网络中采用迭代的方式对所述基础学习网络进行训练，根据所述基础学习网络每轮迭代得到的学习损失值确定是否满足第二收敛条件，并在满足所述第二收敛条件后将所述基础学习网络作为所述对比学习网络；其中，每一样本图像对包含两幅图像特征不同的样本图像，所述样本图像是根据所述训练图像在所述第二样本类型的预测目标框中的图像特征确定的；每轮迭代过程如下：

针对每一样本图像对，基于本轮迭代前的基础学习网络参数确定所述样本图像对内各样本图像间的特征相似度；

根据各样本图像对应预测目标框的第二样本类型确定对比阈值；

根据所述特征相似度与对比阈值的比对结果确定所述学习损失值，并根据所述学习损失值调整所述基础学习网络参数。

5.根据权利要求4所述的方法，其特征在于，所述根据各样本图像对应预测目标框的第二样本类型确定对比阈值，包括：

若各所述样本图像对应预测目标框的第二样本类型相同，则将第一阈值作为所述对比阈值；

若各所述样本图像对应预测目标框的第二样本类型不同，则将第二阈值作为所述对比阈值；其中，所述第二阈值小于所述第一阈值。