【技术实现步骤摘要】
分类网络及物体检测模型构建方法、装置、设备及介质
本专利技术涉及计算机处理
，特别是涉及一种分类网络及物体检测模型构建方法、装置、设备及介质。
技术介绍
物体检测(ObjectDetection)是计算机视觉的一项核心技术，旨在定位图片中每一个物体的同时给出正确的物体类别，物体检测作为基础的视觉算法有着广泛的应用。目前，一般是基于深度神经网络进行物体检测。但是目前的物体检测都存在一个比较明显的问题，就是当所检测的物体处于不同的环境条件或是在不同风格下拍摄的情况时，例如处于白天/黑夜/雾天等不同的条件，或者，是采用油画、素描等风格所拍摄时，对同一个物体的物体检测会出现较大差距。因此，相关技术中的深度神经网络无法在环境条件多变的情况下，准确地进行物体检测。
技术实现思路
鉴于上述问题，提出了本专利技术实施例的一种分类网络及物体检测模型构建方法、装置、设备及介质，以便克服上述问题或者至少部分地解决上述问题。为了解决上述问题，本专利技术的第一方面，公开了一种分类网络构建方法、所述方法包括：<...
【技术保护点】
1.一种分类网络构建方法，其特征在于，所述方法包括：/n对样本物体的多个图像分别进行特征提取，得到对应的多个特征图像，所述多个图像具有不同的图像分布域；/n将每两个图像分布域不同的图像各自对应的特征图像成对输入预设网络，得到多个第一分类结果和多个第二分类结果；/n根据所述多个第一分类结果与所述多个第二分类结果之间的距离以及所述样本物体的类别标签，对所述预设网络的参数进行更新；/n将经过多次更新后的预设网络确定为分类网络。/n
【技术特征摘要】
1.一种分类网络构建方法，其特征在于，所述方法包括：
对样本物体的多个图像分别进行特征提取，得到对应的多个特征图像，所述多个图像具有不同的图像分布域；
将每两个图像分布域不同的图像各自对应的特征图像成对输入预设网络，得到多个第一分类结果和多个第二分类结果；
根据所述多个第一分类结果与所述多个第二分类结果之间的距离以及所述样本物体的类别标签，对所述预设网络的参数进行更新；
将经过多次更新后的预设网络确定为分类网络。
2.根据权利要求1所述的方法，其特征在于，根据所述多个第一分类结果与所述多个第二分类结果之间的距离以及所述样本物体的类别标签，对所述预设网络的参数进行更新，包括：
根据所述多个第一分类结果与所述多个第二分类结果之间的距离，确定目标损失值；
根据所述多个第一分类结果与所述样本物体的类别标签，确定第一分类损失值，以及，根据所述多个第二分类结果与所述样本物体的类别标签，确定第二分类损失值；
根据所述目标损失值、所述第一分类损失值以及所述第二分类损失值，对所述预设网络的参数进行更新。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
对所述多个第一分类结果进行处理，确定第一结果中心，以及，对所述多个第二分类结果进行处理，确定第二结果中心；
根据所述多个第一分类结果与所述多个第二分类结果之间的距离，确定目标损失值，包括：
根据所述第一结果中心与所述第二结果中心的距离，确定目标损失值。
4.根据权利要求3所述的方法，其特征在于，根据所述第一结果中心与所述第二结果中心的距离，确定目标损失值，包括：
按照以下公式确定目标损失值：
其中，Losscosine为所述目标损失值，为所述第一分类结果中心的向量表示，为所述第二分类结果中心的向量表示。
5.一种物体检测模型构建方法，其特征在于，所述方法包括：
获得原始物体检测模型，所述原始物体检测模型包括原始分类子网络和原始回归子网络；
将所述原始分类子网络替换为权利要求1-4任一所述的分类网络，得到目标物体检测模型。
6.一种物体检测模型构建方法，其特征在于，所述方法包括：
获得样本物体的多个图像，所述多个图像具有不同的图像分布域；
将每两个图像分布域不同的图像输入预设网络，得到多个第一物体检测结果和多个第二物体检测结果；
将所述多个第一物体检测结果和所述多个第二物体检测结果相比较，确定表征相同物体类别的第一目标物体检测结果和第二目标物体检测结果；
根据所述第一物体目标检测结果与所述第二目标物体检测结果之间的距离，以及所述样本物体的位置标签和类别标签，对所述预设网络的参数进行更新；
将经过多次更新后的预设网络确定为物体检测模型。
7.根据权利要求6所述的方法，其特征在于，根据所述第一物体目标检测结果与所述第二目标物体检测结果之间的距离，以及所述样本物体的位置标签和类别标签，对所述预设网络的参数进行更新，包括：...
【专利技术属性】
技术研发人员：李帮怀，袁野，
申请(专利权)人：北京迈格威科技有限公司，
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。