[发明专利]目标检测模型的训练方法、目标检测方法及相关装置

说明书

本申请提供一种目标检测模型的训练方法、目标检测方法及相关装置，该训练方法包括：对样本图像进行特征提取以获得特征提取图像；对所述特征提取图像进行特征融合以获得特征融合图像；基于无锚框算法对所述特征融合图像进行预测以获得相应的第一损失、以及基于有锚框算法对所述特征融合图像进行预测以获得相应的第二损失；基于所述第一损失以及所述第二损失获得总损失；基于所述总损失调整所述目标检测模型的参数，以使得将待测图像输入至训练后的所述目标检测模型后能够基于无锚框算法获得相应的预测目标框。通过上述方式，本申请能够保证较高检测精度的同时，减少网络参数量以及所需的计算力。

技术领域

本申请属于目标检测技术领域，具体涉及一种目标检测模型的训练方法、目标检测方法及相关装置。

背景技术

近年来，移动机器人行业发展迅速，前沿算法不断更新，基于视觉的目标检测技术逐步成为移动机器人领域的研究热点。

目前绝大部分高精度的目标检测模型过深，参数量过大，对计算设备的算力需要较高，导致在嵌入式平台上部署的难度较高，也会造成实时检测帧率较低。而过于轻量化的目标检测模型可能会出现误检、多噪点等问题，会导致检测准确率低。因此有必要提出一种新的目标检测方法。

发明内容

本申请提供一种目标检测模型的训练方法、目标检测方法及相关装置，以保证较高检测精度的同时，减少网络参数量以及所需的计算力，弥补目前主流深度目标检测方法运行时间长占用资源多的缺点，提高实时目标检测帧率，使得目标检测方法更适用于移动机器人的目标检测任务。

为解决上述技术问题，本申请采用的一个技术方案是：提供一种目标检测模型的训练方法，所述训练方法包括：对样本图像进行特征提取以获得特征提取图像；对所述特征提取图像进行特征融合以获得特征融合图像；基于无锚框算法对所述特征融合图像进行预测以获得相应的第一损失、以及基于有锚框算法对所述特征融合图像进行预测以获得相应的第二损失；基于所述第一损失以及所述第二损失获得总损失；基于所述总损失调整所述目标检测模型的参数，以使得将待测图像输入至训练后的所述目标检测模型后能够基于无锚框算法获得相应的预测目标框。

为解决上述技术问题，本申请采用的另一个技术方案是：提供一种目标检测方法，包括：将待测图像输入至训练后的目标检测模型中以获得所述目标检测模型中基于无锚框算法预测的预测目标框；其中，所述目标检测模型利用上述任一实施例中所述的训练方法训练获得；基于所述预测目标框获得目标检测结果。

为解决上述技术问题，本申请采用的另一个技术方案是：提供一种电子设备，包括相互耦接的存储器和处理器，所述存储器中存储有程序，所述处理器用于执行所述程序以实现上述任一实施例中所述的训练方法或目标检测方法。

为解决上述技术问题，本申请采用的另一个技术方案是：提供一种存储装置，存储有能够被处理器运行的程序，所述程序用于实现上述任一实施例中所述的训练方法或目标检测方法。

一般而言，Anchor(锚)，也称为anchor box(锚框)，是在训练之前，在训练集上利用k means等方法聚类出来的一组矩形框，代表数据集中目标主要分布的长宽尺度。当前主流的目标检测技术可以大致分为有锚框(anchor-based)和无锚框(anchor-free)。其中，anchor-free目标检测技术存在检测精度差、模型可靠性不足的缺点；而anchor-based目标检测技术虽然检测精度高，但由于锚框的尺寸固定，存在普适性较差、参数量过大的缺点。因此，两者均不易于目标检测模型的工程落地。