[发明专利]模型训练方法、联合检测方法、联合检测设备及存储介质

说明书

本申请提供一种模型训练方法、联合检测方法、联合检测设备以及计算机可读存储介质。该模型训练方法包括：获取待训练图像，并提取待训练图像的目标特征；将目标特征分别输入待训练模型的第一检测头和第二检测头，获取第一检测头输出的整体检测框，以及第二检测头输出的部件检测框；利用整体检测框与部件检测框的位置关系，获取待训练图像的位置约束损失值；利用整体检测框的整体损失值，与部件检测框的部件损失值，获取待训练图像的检测头互监督约束损失值；基于位置约束损失值和检测头互监督约束损失值，对待训练模型进行训练。通过上述方式，联合检测设备通过增加关键部件检测，将关键部件和整体关联训练，提高模型训练效率，增强模型检测效果。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种模型训练方法、联合检测方法、联合检测设备以及计算机可读存储介质。

背景技术

随着深度学习理论的发展，基于计算机视觉的检测算法被应用在安防、交通、农业等众多领域。虽然目标检测算法表现出较强的泛化能力，但是，在特定应用场景中任然存在误检、漏检等问题。近年来，由于电梯入户引发的火灾事故，造成大量的财产损失与人员伤亡。各地政府均颁布禁令，严禁用户将电动车推入小区住宅等密闭场所。

目前，阻止用户将电动车推入电梯的方案是，将目标检测算法与电梯结合，发现电动车后立即报警。实际应用过程中发现，自行车、儿童玩具车、婴儿车等与国标电动车具有高度相似性，普通算法容易触发误报引起用户投诉；另外，用户故意遮挡电动车等行为，也会导致算法对违规电动车的漏检。

发明内容

本申请提供了一种模型训练方法、联合检测方法、联合检测设备以及计算机可读存储介质。

本申请提供了一种模型训练方法，所述模型训练方法包括：

获取待训练图像，并提取所述待训练图像的目标特征；

将所述目标特征分别输入待训练模型的第一检测头和第二检测头，获取所述第一检测头输出的整体检测框，以及所述第二检测头输出的部件检测框；

利用所述整体检测框与所述部件检测框的位置关系，获取所述待训练图像的位置约束损失值；

利用所述整体检测框的整体损失值，与所述部件检测框的部件损失值，获取所述待训练图像的检测头互监督约束损失值；

基于所述位置约束损失值和所述检测头互监督约束损失值，对所述待训练模型进行训练。

其中，所述利用所述整体检测框的整体损失值，与所述部件检测框的部件损失值，获取所述待训练图像的检测头互监督约束损失值，包括：

按照所述第一检测头和所述第二检测头的关注度，获取互监督权重；

基于所述互监督权重获取所述整体损失值和所述部件损失值的加权和，得到所述检测头互监督约束损失值。

其中，所述位置约束损失值包括检测框包含约束损失值和中心点偏移约束损失值；

所述利用所述整体检测框与所述部件检测框的位置关系，获取所述待训练图像的位置约束损失值，包括：

获取所述整体检测框与所述部件检测框的重合关系，获取所述待训练图像的检测框包含约束损失值；

获取所述部件检测框中心点与所述整体检测框的包含关系，获取所述待训练图像的中心点偏移约束损失值。

其中，所述获取所述整体检测框与所述部件检测框的重合关系，获取所述待训练图像的检测框包含约束损失值，包括：

获取所述整体检测框与所述部件检测框的交集；

按照所述交集与所述部件检测框的比值，确定所述测框包含约束损失值。