[发明专利]一种目标检测方法、装置、设备及介质

说明书

本申请实施例公开了一种目标检测方法、装置、设备及介质，涉及计算机视觉技术领域。该方法包括：通过将待处理图像输入目标检测网络以确定待处理图像中是否包含目标类型的待搜索对象，以及待搜索对象在图像中的位置区域。该目标检测网络是基于标注目标框和已标注第一样本类型的预测目标框训练得到的，上述预测目标框的第一样本类型是根据训练图像在预测目标框内的图像特征与该训练图像在标注目标框内的图像特征的相似度确定的。由此在目标检测网络的训练阶段不仅需基于预测目标框与标注目标框间的坐标差异对模型进行修正，还需基于预测目标框与标注目标框的图像特征相似信息对模型进行修正，以此提高模型的检测精度。

技术领域

本申请实施例涉及计算机视觉技术领域，具体涉及一种目标检测方法、装置、设备及介质。

背景技术

目标检测是计算机视觉任务之一。不同于分类、识别任务，目标检测不仅需要确定图像中是否包含待搜索对象，还要确定待搜索对象在图像中的位置区域。对用于目标检测的神经网络模型进行训练时，相关技术中多根据各预设预测目标框（Anchor）与标注目标框（Ground Truth，gt）之间的交并比（Intersection over union，Iou）确定各预设预测目标框的样本类型，并根据确定样本类型后的各预测目标框与标注目标框间的分类损失与坐标回归损失对模型参数进行修正，以使训练后的模型不仅能够识别标注目标框内的待搜索对象，还能够确定待搜索对象在图像中的位置区域。但当预测目标框与标注目标框间的交并比很高但图像特征差异很大时，若采用上述方式进行训练则会对网络模型的检测精度造成影响。

发明内容

本申请实施例提供一种目标检测方法、装置、设备及介质，用于提高目标检测模型的检测精度。

第一方面，本申请实施例提供一种目标检测方法，所述方法包括：

将待处理图像输入训练后的目标检测网络，通过所述目标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；

其中，所述目标检测网络至少基于标注目标框和已标注第一样本类型的预测目标框训练得到，所述预测目标框的第一样本类型是基于图像特征相似信息确定的，所述图像特征相似信息是根据训练图像在各所述第一样本类型的预测目标框内的图像特征和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。

本申请实施例中，过将待处理图像输入目标检测网络以确定待处理图像中是否包含目标类型的待搜索对象，以及待搜索对象在图像中的位置区域。该目标检测网络是基于标注目标框和已标注第一样本类型的预测目标框训练得到的，上述预测目标框的第一样本类型是根据训练图像在预测目标框内的图像特征与该训练图像在标注目标框内的图像特征的相似度确定的。由此在目标检测网络的训练阶段不仅需基于预测目标框与标注目标框间的坐标差异对模型进行修正，还需基于预测目标框与标注目标框的图像特征相似信息对模型进行修正，以此提高模型的检测精度。

在一些可能的实施例中，所述图像特征相似信息是通过训练后的对比学习网络得到的，所述对比学习网络是基于所述训练图像和已标注第二样本类型的预测目标框训练得到的；

其中，所述预测目标框的第二样本类型是根据所述预测目标框与所述标注目标框间的交并比确定的。

本申请实施例中引入对比学习机制，以标注目标框和根据交并比确定样本类型的各预测目标框图像训练对比学习网络，使训练后的对比学习网络具备识别预测目标框与标注目标框内的图像特征相似信息，进而根据上述图像特征相似信息对目标检测网络进行训练，以提高模型检测精度。

在一些可能的实施例中，所述第一样本类型是通过如下方式获得的：

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：