【技术实现步骤摘要】
目标检测模型的训练、目标检测方法、装置、设备和介质
[0001]本公开涉及人工智能领域,具体涉及计算机视觉和深度学习技术,可应用于3D视觉场景下,尤其涉及目标检测模型的训练、目标检测方法、装置、设备和介质。
技术介绍
[0002]计算机视觉技术正是想要赋予计算机人类的视觉识别和定位的功能。通过复杂的图像计算,计算机能够识别和定位出目标对象。
[0003]3D目标检测主要是检测3D物体,其中,3D物体通常以空间坐标(x,y,z)、尺寸大小(长,宽,高)和朝向角等参数表示。
技术实现思路
[0004]本公开提供了一种目标检测模型的训练、目标检测方法、装置、设备和介质。
[0005]根据本公开的一方面,提供了一种目标检测模型的训练方法,包括:
[0006]获取样本图像,所述样本图像标注有困难区域;
[0007]将所述样本图像输入至第一目标检测模型中,计算所述困难区域对应的第一损失;
[0008]增大所述第一损失,并根据增大的第一损失训练所述第一目标检测模型。
[0009]根据本公开的一方面,还提供了一种目标检测方法,包括:
[0010]将图像输入至目标检测模型中,在所述图像中识别3D目标空间,以及所述3D目标空间的目标类别;
[0011]其中,所述目标检测模型是根据如本公开任一项实施例所述的目标检测模型的训练方法训练得到。
[0012]根据本公开的一方面,提供了一种目标检测模型的训练装置,包括:
[0013]样本图像获取模块,用 ...
【技术保护点】
【技术特征摘要】
1.一种目标检测模型的训练方法,包括:获取样本图像,所述样本图像标注有困难区域;将所述样本图像输入至第一目标检测模型中,计算所述困难区域对应的第一损失;增大所述第一损失,并根据增大的第一损失训练所述第一目标检测模型。2.根据权利要求1所述的方法,其中,所述获取样本图像,包括:获取初始图像,所述初始图像标注有标准区域;将所述初始图像输入至所述第一目标检测模型,得到第一检测区域;根据各所述标准区域和各所述第一检测区域,对各所述标准区域进行分类,确定困难区域;根据所述困难区域和所述初始图像,确定样本图像。3.根据权利要求2所述的方法,还包括:将所述初始图像输入至第二目标检测模型,得到第二检测区域;所述根据各所述标准区域和各所述第一检测区域,对各所述标准区域进行分类,确定困难区域,包括:根据各所述标准区域、各所述第一检测区域和各所述第二检测区域,对各所述标准区域进行分类,确定困难区域。4.根据权利要求3所述的方法,其中,所述根据各所述标准区域、各所述第一检测区域和各所述第二检测区域,对各所述标准区域进行分类,确定困难区域,包括:计算各所述标准区域与各所述第一检测区域之间的相似值,并进行区域筛选,得到第一筛选区域集合;计算各所述标准区域与各所述第二检测区域之间的相似值,并进行区域筛选,得到第二筛选区域集合;计算各所述第一检测区域与各所述第二检测区域之间的相似值,并进行区域筛选,得到第三筛选区域集合;根据所述第二筛选区域集合和所述第三筛选区域集合,确定相同区域集合;获取属于所述相同区域集合且不属于所述第一筛选区域集合的标准区域,并确定为困难区域。5.根据权利要求1所述的方法,还包括:将所述样本图像输入至所述第一目标检测模型中,计算所述困难区域对应的第一置信度;将所述样本图像输入至第二目标检测模型中,计算所述困难区域对应的第二置信度;根据所述第一置信度和所述第二置信度,计算置信度一致性损失;所述根据增大的第一损失,训练所述第一目标检测模型,包括:根据增大的第一损失和所述置信度一致性损失,训练所述第一目标检测模型。6.根据权利要求1所述的方法,其中,所述样本图像标注有简单区域;所述方法,包括:将所述样本图像输入至第一目标检测模型中,计算所述简单区域的第二损失;所述根据增大的第一损失训练所述第一目标检测模型,包括:根据增大的第一损失和所述第二损失,训练所述第一目标检测模型。
7.一种目标检测方法,包括:将图像输入至目标检测模型中,在所述图像中识别3D目标空间,以及所述3D目标空间的目标类别;其中,所述目标检测模型是根据如权利要求1至6中任一项所述的目标检测模型的训练方法训练得到。8.一种目标检测模型的训练装置,包括:样本图像获取模块,用于获取样本图像,所述样本图像标注有困难区域;空间损失计算模块,用于将所述样本图像输入至第一目标检测模型中,计算所述困难区域对应的第一损失;空间损失调整模块,用于增大所述第一损失,并根据增大的第一损失训练所述第一目标检测模型。9.根据权利要求8所述的装置,其中,所述样本图像获取模块,包括:初始图像获取单元,用于获取初始图像,所述初始图像标注有标准区域;第一检测区域获取单元,用于将所述初始图像输入至所述第一目标检测模型,得到第一检测区域;标准区域分类单元,用于根据各所...
【专利技术属性】
技术研发人员:叶晓青,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:
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。