【技术实现步骤摘要】
目标检测方法和模型训练方法、装置、电子设备和介质
本申请涉及人工智能领域,尤其涉及计算机视觉和深度学习技术,更具体地,涉及目标检测方法和模型训练方法、装置、电子设备和介质。
技术介绍
随着人工智能领域的快速发展,自动驾驶和智能机器人等技术应用也得到了极大的推进。其中,在技术实现过程中涉及对三维物体的检测任务,相关技术中,三维物体检测方法主要基于车载双目或雷达数据,或者基于二维图像直接通过网络预测三维信息。但是依赖双目的方法对深度估计的精度要求较高,计算复杂度高,无法满足实时性需求,依赖雷达的方法成本较高,且不能满足各种应用场景需求,检测精度也较低,现有的基于二维图像的预测方法不够准确。
技术实现思路
本申请提供了目标检测方法和模型训练方法、装置、电子设备和介质。根据第一方面,本申请提供了一种目标检测模型的训练方法,包括:获取样本数据,上述样本数据包括样本图像、上述样本图像中的对象在3D空间中的3D标定信息以及上述对象的高斯热力图;使用上述目标检测模型,根据上述样本图像产生上述对象在3D空间中的3D标定信息以及上述对象的高斯热力图;以及根据所产生的3D标定信息与上述样本数据中的3D标定信息之间的差异、以及所产生的高斯热力图与上述样本数据中的高斯热力图之间的差异,调整上述目标检测模型的参数。根据第二方面,本申请提供了一种目标检测方法,包括:使用目标检测模型来根据输入图像确定输入图像中的对象在3D空间中的3D包围框的尺寸、上述对象在3D空间中的朝向以及上述对象的高斯热力图,上述目标检测模 ...
【技术保护点】
1.一种目标检测模型的训练方法,包括:/n获取样本数据,所述样本数据包括样本图像、所述样本图像中的对象在3D空间中的3D标定信息以及所述对象的高斯热力图;/n使用所述目标检测模型,根据所述样本图像产生所述对象在3D空间中的3D标定信息以及所述对象的高斯热力图;以及/n根据所产生的3D标定信息与所述样本数据中的3D标定信息之间的差异、以及所产生的高斯热力图与所述样本数据中的高斯热力图之间的差异,调整所述目标检测模型的参数。/n
【技术特征摘要】
1.一种目标检测模型的训练方法,包括:
获取样本数据,所述样本数据包括样本图像、所述样本图像中的对象在3D空间中的3D标定信息以及所述对象的高斯热力图;
使用所述目标检测模型,根据所述样本图像产生所述对象在3D空间中的3D标定信息以及所述对象的高斯热力图;以及
根据所产生的3D标定信息与所述样本数据中的3D标定信息之间的差异、以及所产生的高斯热力图与所述样本数据中的高斯热力图之间的差异,调整所述目标检测模型的参数。
2.根据权利要求1所述的方法,其中,所述目标检测模型包括特征提取网络、预测全连接模块以及高斯热力图学习模块,所述样本数据中的3D标定信息包括3D包围框的尺寸和所述对象的朝向,所述使用所述目标检测模型,根据所述样本图像产生所述对象在3D空间中的3D标定信息以及所述对象的高斯热力图包括:
利用所述特征提取网络对所述样本图像进行特征提取,得到样本图像的特征图;
利用所述预测全连接模块对得到的特征图施加全连接层,得到3D包围框的尺寸和所述对象的朝向;
利用所述高斯热力图学习模块来基于所述样本图像的特征图产生所述对象的高斯热力图。
3.根据权利要求2所述的方法,其中,所述特征提取网络包括第一子网络和第二子网络,所述利用所述特征提取网络对所述样本图像进行特征提取包括:
利用第一子网络对所述样本图像进行第一特征提取并对所述样本图像中的对象进行分类,得到第一特征图、所述样本图像中包围所述对象的2D包围框和对象的类别信息;
利用第二子网络对所述第一特征图进行第二特征提取,得到第二特征图作为所述样本图像的特征图。
4.根据权利要求2所述的方法,其中,所述样本数据还包括所述3D空间中3D包围框的位置,所述获取样本数据包括:
获取所述样本图像和所述3D包围框的位置;以及
根据所获取的样本图像和所述3D包围框的位置,生成所述对象的高斯热力图。
5.根据权利要求4所述的方法,其中,所述根据所获取的样本图像和所述3D包围框的位置,生成所述对象的高斯热力图包括:
将所述3D包围框的位置投影到所述样本图像中,得到所述3D包围框在所述样本图像中的投影点;
获取所述样本图像中包围所述对象的2D包围框的位置,并以所述2D包围框的位置为中心从所述样本图像中提取第一尺寸的图像块;
根据所述样本图像中的所述投影点的位置以及所述2D包围框的位置,将所述第一尺寸的图像块转换成第二尺寸的图像块;以及
在所述第二尺寸的图像块中,以所述投影点在所述第二尺寸的图像块中的位置为中心计算所述对象的热力分布,得到所述对象的高斯热力图。
6.根据权利要求5中所述的方法,其中,所述样本图像中2D包围框的位置是预先标定的,或者是根据所述样本数据计算得到的。
7.根据权利要求3所述的方法,其中,所述样本数据还包括2D包围框和对象的类别信息,所述调整所述目标检测模型的参数包括:根据以下信息来调整所述目标检测模型的的参数:
利用所述第一子...
【专利技术属性】
技术研发人员:叶晓青,谭啸,孙昊,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。