【技术实现步骤摘要】
一种目标检测方法、装置、电子设备以及可读存储介质
[0001]本公开涉及人工智能领域,具体涉及计算机视觉和图像处理技术,具体可用于智慧城市和智能交通场景。
技术介绍
[0002]目标检测模型作为一种用于对图像中的目标对象进行分类和/或定位的网络模型,在计算视觉领域中起到了至关重要的作用。在使用目标检测模型对图像进行目标检测的过程中,往往需要先利用样本图像来进行模型训练以获得目标检测模型。
[0003]在利用样本图像来进行模型训练以获得目标检测模型的过程中,由于图像采集困难等原因,样本图像中往往会存在某些类别的小样本图像,所谓小样本图像为仅具有较少数量的图像。由于小样本图像的数量较少,会导致通过模型训练获得的目标检测模型,对小样本图像的检测能力以及整体的检测能力较差,从而降低了针对待检测图像的检测结果的准确度。
技术实现思路
[0004]本公开提供了提供一种目标检测方法、一种目标检测装置、一种电子设备、一种可读存储介质以及一种计算机程序产品,以提升针对待检测图像的检测结果的准确度。
[0005]根据本公开的一方面,提供了一种目标检测方法,该方法可以包括以下步骤:
[0006]获取第一目标检测模型,所述第一目标检测模型为预先利用目标对比损失函数和样本图像,对第二目标检测模型进行对比学习训练获得的模型;所述目标对比损失函数用于表示所述样本图像中对应相同对象预测类别的不同候选框区域之间图像特征的差异程度;
[0007]将待检测图像输入到所述第一目标检测模型,获得针对所述待检测图 ...
【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,包括:获取第一目标检测模型,所述第一目标检测模型为预先利用目标对比损失函数和样本图像,对第二目标检测模型进行对比学习训练获得的模型;所述目标对比损失函数用于表示所述样本图像中对应相同对象预测类别的不同候选框区域之间图像特征的差异程度;将待检测图像输入到所述第一目标检测模型,获得针对所述待检测图像的检测结果。2.根据权利要求1所述的方法,其特征在于,所述第一目标检测模型采用如下方式获得:获得所述样本图像中的多个候选框区域对应的对象类别标注数据;将所述样本图像输入到所述第二目标检测模型,获得所述多个候选框区域各自对应的图像特征,以及所述多个候选框区域各自对应的对象预测类别;根据所述多个候选框区域各自对应的图像特征、所述多个候选框区域各自对应的对象预测类别以及所述多个候选框区域的对象类别标注数据,确定所述目标对比学习损失函数的函数值;根据所述目标对比学习损失函数的函数值,调整所述第二目标检测模型的模型参数,以对第二目标检测模型进行训练;在达到预定的训练结束条件的情况下,得到所述第一目标检测模型。3.根据权利要求1或2所述的方法,其特征在于,所述获取第一目标检测模型,包括:利用对所述第二目标检测模型进行分类训练的分类损失函数,对所述第二目标检测模型进行定位训练的定位损失函数,以及所述目标对比学习损失函数,对所述第二目标检测模型进行训练;在达到预定的训练结束条件的情况下,得到所述第一目标检测模型。4.根据权利要求3所述的方法,其特征在于,所述根据所述多个候选框区域各自对应的图像特征、所述多个候选框区域各自对应的对象预测类别以及所述多个候选框区域的对象类别标注数据,确定所述目标对比学习损失函数的函数值,包括:采用如下公式获得所述目标对比学习损失函数的函数值:其中,所述L用于表示所述目标对比学习损失函数的函数值,所述N用于表示所述多个候选框区域的数目,所述i用于表示所述多个候选框区域中的第i个候选框区域,所述l
i
用于表示所述第i个候选框与对应相同对象预测类别的不同候选框区域之间图像特征的差异程度,所述f(u
i
)用于表示所述L
i
的权重。5.根据权利要求4所述的方法,其特征在于,所述f(u
i
)采用如下公式的一种获得:f(u
i
)=u
i
^2;f(u
i
)=u
i
;其中,u
i
用于表示所述第i个候选框区域对应的对象预测类别与所述第i个对象对应的对象类别标注数据之间的交并比。6.根据权利要求5所述的方法,其特征在于,所述L
i
采用如下公式获得:
其中,所述y
i
用于表示所述第i个候选框区域对应的对象预测类别,所述N
yi
用于表示在所述不同对象中所述对象预测类别与所述第i个候选框区域对应的对象预测类别相同的候选框的数目,所述用于表示所述第i个候选框区域对应的图像特征的归一化图像特征,所述j用于表示所述多个候选框区域中除所述第i个候选框区域之外的第j个候选框区域,所述用于表示所述第j个候选框区域对应的图像特征的归一化图像特征,所述τ为预先设定的超参数,所述用于表示所述与所述之间的特征相似性,所述k用于表示所述不同对象中除所述第j个候选框区域之外的第k个候选框区域,所述用于表示所述第k个候选框区域对应的图像特征的归一化图像特征,所述用于表示所述与所述之间的特征相似性。7.根据权利要求1所述的方法,其特征在于,所述将待检测图像输入到所述第一目标检测模型,获得针对所述待检测图像的检测结果,包括:将所述待检测图像输入到所述第一目标检测模型,获得针对所述待检测图像中的目标对象的分类结果,和/或获得针对所述待检测图像中的目标对象的定位结果;将所述分类结果和/或所述定位结果作为所述针对所述待检测图像的检测结果。8.一种目标检测装置,其特征在于,包括:模型获得模块,用于获取第一目标检测模型,所述第一目标检测模型为预先利用目标对比损失函数和样本图像,对第二目标检测模型进行对比学习训练获得的模型;所述目标对比损失函数用于表示所述样本图像中对应相同对象预测类别的不同候选框区域之间图...
【专利技术属性】
技术研发人员:陈松,张滨,王云浩,辛颖,冯原,王晓迪,龙翔,贾壮,彭岩,郑弘晖,李超,谷祎,韩树民,
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:
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。