本申请实施例提供了目标检测网络训练方法、装置，该方法包括：接收待检测图像；用经训练的目标检测网络检测待检测图像中的目标；目标检测网络通过如下方式训练：标注训练图像中各目标的种类和/或位置；基于训练图像对应的各检测点位与各目标的候选匹配关系，计算候选匹配关系下训练图像对应的总损失；确定使总损失取小值的优选匹配关系，优选匹配关系为候选匹配关系中的一种；根据优选匹配关系对应的总损失更新目标检测网络的权重，得到经训练的目标检测网络；其中，匹配关系用于表征某检测点位是否应该用于检测某目标。位是否应该用于检测某目标。位是否应该用于检测某目标。
【技术实现步骤摘要】
目标检测方法、装置、电子设备及存储介质
[0001]本申请涉及神经网络领域，具体涉及目标检测方法、装置、电子设备及存储介质。
技术介绍
[0002]在对Retina Net、RCNN等目标检测网络进行训练时，对正样本和负样本的划分是一个关键环节。
[0003]目前，通常采用的划分方式为根据锚点框与单个标注框的IOU，确定哪些锚点框可以作为正样本，哪些锚点框可以作为负样本。对正样本的损失的权重、负样本的权重进行加权，得到总损失。
[0004]然而，正样本和负样本的划分在全局上的准确性实际是与正样本和负样本计算出的总损失相关的，通过正样本和负样本计算出的总损失越小，可以反映出正样本和负样本越适合参与训练，正样本和负样本的划分在全局上的准确性越高，相应的，目标检测网络分别从正样本、负样本学习到的相关特征越准确。
[0005]仅根据锚点框与单个标注框的IOU而确定锚点框是否可以作为正样本或负样本，并没有考虑当锚点框被作为正样本或负样本时正样本的损失或负样本的损失对总损失的影响，可能导致正样本和负样本的划分在全局上的准确性较低，目标检测网络分别从正样本、负样本学习的相关特征的准确性较低，可能对训练之后目标检测网络的性能产生不利的影响。
技术实现思路
[0006]本申请实施例提供一种目标检测方法、装置、电子设备及存储介质。
[0007]本申请实施例提供一种目标检测方法，包括：
[0008]接收待检测图像；
[0009]用经训练的目标检测网络检测所述待检测图像中的目标；
[0010]其中，所述目标检测网络通过如下方式训练：
[0011]标注训练图像中各目标的种类和/或位置；
[0012]基于所述训练图像对应的各检测点位与各目标的候选匹配关系，计算所述候选匹配关系下所述训练图像对应的总损失；
[0013]确定使所述总损失取小值的优选匹配关系，所述优选匹配关系为所述候选匹配关系中的一种；
[0014]根据所述优选匹配关系对应的总损失更新目标检测网络的权重，得到经训练的目标检测网络；
[0015]其中，匹配关系用于表征某检测点位是否应该用于检测某目标。
[0016]本申请实施例提供一种目标检测装置，包括：
[0017]接收单元，被配置为接收待检测图像；
[0018]检测单元，被配置为用经训练的目标检测网络检测待检测图像中的目标；其中，目
标检测网络通过如下方式训练：标注训练图像中各目标的种类和/或位置；基于所述训练图像对应的各检测点位与各目标的候选匹配关系，计算候选匹配关系下训练图像对应的总损失；确定使总损失取小值的优选匹配关系，所述优选匹配关系为所述候选匹配关系中的一种；根据所述优选匹配关系对应的总损失更新目标检测网络的权重，得到经训练的目标检测网络；其中，匹配关系用于表征某检测点位是否应该用于检测某目标。
[0019]本申请实施例提供的目标检测方法、装置，在对目标检测网络进行训练时，在确定使总损失取小值的优选匹配关系的同时，可以使得总损失最小的正样本与负样本也相应的确定，从而，对正样本和负样本在全局上进行较为准确地划分。进一步地，目标检测网络学习从通过在全局上较为准确地划分得到的正样本、负样本学习到相关的特征较为准确，进而使得经训练的目标检测网络具有较高的性能，用经训练的目标检测网络检测待检测图像中的目标，可以得到较为精确的检测结果。
附图说明
[0020]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0021]图1示出了本申请实施例提供的目标检测方法的流程图；
[0022]图2示出了本申请实施例提供的目标检测装置的结构框图；
[0023]图3示出了本申请实施例提供的电子设备的结构框图。
具体实施方式
[0024]下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。
[0025]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0026]图1示出了本申请实施例提供的目标检测方法的流程图，该方法包括：
[0027]步骤101，接收待检测图像。
[0028]步骤102，用经训练的目标检测网络检测待检测图像中的目标，经训练的目标检测网络被预先训练时根据优选匹配关系对应的总损失更新目标检测网络的权重。
[0029]在本申请中，目标检测网络预先通过如下方式训练：标注训练图像中各目标的种类和/或位置；基于训练图像对应的各检测点位与各目标的候选匹配关系，计算候选匹配关系下训练图像对应的总损失；确定使总损失取小值的优选匹配关系，优选匹配关系为候选匹配关系中的一种；根据优选匹配关系对应的总损失更新目标检测网络的权重，得到经训练的目标检测网络；其中，匹配关系用于表征某检测点位是否应该用于检测某目标。
[0030]对于训练图像中的每一个目标，可以标注该目标的种类和/或位置，得到该目标的标注数据。
[0031]在本申请中，总损失取小值可以为较小值、最小值、局部最小值等。后文以总损失取最小值为例说明。
[0032]在本申请中，检测点位可以为锚点框(anchor)或点位。点位可以为图像中的用于
定位目标的位置的关键点。检测点位为锚点框时，目标检测网络为基于锚点框的检测网络；检测点位为点位时，目标检测网络为非基于锚点框的检测网络如FCOS。
[0033]若检测点位为锚点框，目标的标注数据可以包括一个包围该目标的标注框和/或标注类型，标注类型为该目标的实际类型。若检测点位为点位，目标的标注数据可以包括该目标的一个标注点位。
[0034]在本申请中，可以基于训练图像对应的各检测点位与各目标的候选匹配关系，计算候选匹配关系下训练图像对应的总损失。
[0035]在本申请中，匹配关系用于表征某检测点位是否应该用于检测某目标。
[0036]在本申请中，若检测点位为点位，对于每一个目标，均可以由目标检测网络预测出多个与该目标相关的点位。
[0037]若检测点位为点位，在一个候选匹配关系下，对于任意一个点位，该点位至多应该用于检测一个目标，换言之，在一个候选匹配关系下，该点位应该用于检测一个目标或者该点位不应用于检测任意一个目标。而一个目标可被一个或多个点位检测到。
[0038]若检测点位为点位，对于一个点位，若候选匹配关系表征该点位应该用于检测某个目标，则该候选匹配关系下，该点位作为一个正样本。若对于任意一个目标，候选匹配关系表征该点位不应该用于检测该目标，即候选匹配关系表征该点位不应该用于检测任意一个目标，则该候选匹配关系下，该点位作为一个负样本。
[0039]若检测点位为点位，对于目标检测网本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种目标检测方法，其特征在于，所述方法包括：接收待检测图像；用经训练的目标检测网络检测所述待检测图像中的目标；其中，所述目标检测网络通过如下方式训练：标注训练图像中各目标的种类和/或位置；基于所述训练图像对应的各检测点位与各目标的候选匹配关系，计算所述候选匹配关系下所述训练图像对应的总损失；确定使所述总损失取小值的优选匹配关系，所述优选匹配关系为所述候选匹配关系中的一种；根据所述优选匹配关系对应的总损失更新目标检测网络的权重，得到经训练的目标检测网络；其中，匹配关系用于表征某检测点位是否应该用于检测某目标。2.根据权利要求1所述的方法，其特征在于，所述匹配关系包括匹配和不匹配，匹配用于表征某检测点位应该用于检测某目标，不匹配用于表征某检测点位不应该用于检测某目标。3.根据权利要求1所述的方法，其特征在于，匹配关系还包括忽略关系，忽略关系用于表征不关心某检测点位是否应该用于检测某目标。4.根据权利要求1
‑
3中任一项所述的方法，其特征在于，所述检测点位为锚点框；以及基于所述训练图像对应的各检测点位与各目标的候选匹配关系，计算所述候选匹配关系下所述训练图像对应的总损失包括：对于每一个候选匹配关系，基于所述候选匹配关系进行总损失计算，得到所述候选匹配关系下所述训练图像对应的总损失，基于所述候选匹配关系进行总损失计算包括：对于每一个锚点框，计算所述候选匹配关系下所述锚点框对应的损失，其中，若所述候选匹配关系表征所述锚点框应该用于检测某个目标，所述候选匹配关系下所述锚点框对应的损失为所述锚点框在所述目标上的损失，若对于每一个目标，所述候选匹配关系表征所述锚点框不应该用于检测所述目标，所述候选匹配关系下所述锚点框对应的损失为所述锚点框在背景上的损失；计算所述候选匹配关系下每一个锚点框对应的损失的加权和，得到所述候选匹配关系下所述训练图像对应的总损失，其中，锚点框在目标上的损失的权重为第一预设权重，锚点框在背景上的损失的权重为第二预设权重。5.根据权利要求4所述的方法，其特征在于，第一预设权重和第二预设权重相同。6.根据权利要求4所述的方...
【专利技术属性】
技术研发人员：刘松涛，葛政，
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：
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。