【技术实现步骤摘要】
目标检测模型的训练方法、目标检测方法及相关装置
[0001]本申请涉及图像处理
，特别是涉及一种目标检测模型的训练方法、目标检测方法及相关装置。
技术介绍
[0002]近年来，随着神经网络技术的发展和计算机算力的飞速提升，越来越多的视觉任务比如行人检测、人脸识别、垃圾检测、缺陷检测、车牌检测、商品检测、遥感目标检测等都可以通过计算机实现智能化处理。
[0003]目标检测任务通过准确定位目标位置和识别目标类别在人民生活、工业生产、城市建设、军事侦查以及环境保护等许多领域都有着广泛的应用价值。现有的多尺度卷积网络大多是基于特征金字塔的结构，由自上而下连接和横向连接组成，该方案的不足之处在于低层特征图的位置信息无法向上传递，导致部分目标定位效果差。
技术实现思路
[0004]本申请主要解决的技术问题是提供一种目标检测模型的训练方法、目标检测方法及相关装置，能够为目标检测任务中的分类分支和回归分支提供更具有判别性的特征，对总体的目标检测任务选择了合适的优化方向。
[0005]为了解决上述问题，本...
【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，其特征在于，所述目标检测模型的训练方法包括：获取样本图像，所述样本图像具有真实标签框；对所述样本图像进行不同尺度的特征提取，获得所述样本图像的特征图集，所述特征图集中包含至少两个特征图，且不同特征图的尺度不同；对于每个尺度的特征图，利用与其相邻层级的特征图进行特征融合，得到所述样本图像的多个目标特征图；在所述多个目标特征图上设置样本检测框，并根据所述真实标签框从所述样本检测框中确定出候选框；利用所述候选框对所述目标检测模型进行训练，得到训练后的目标检测模型。2.根据权利要求1所述的目标检测模型的训练方法，其特征在于，所述对于每个尺度的特征图，利用与其相邻层级的特征图进行特征融合，得到所述样本图像的多个目标特征图，包括：针对第一尺度的特征图，获取与所述第一尺度的特征图具有相邻层级的第二尺度的特征图和第三尺度的特征图；其中，所述第一尺度小于所述第二尺度，所述第一尺度与所述第二尺度之间具有第一预设倍数关系，且所述第一尺度大于所述第三尺度，所述第一尺度与所述第三尺度之间具有第二预设倍数关系；对所述第二尺度的的特征图进行所述第一预设倍数的下采样，对所述第三尺度的的特征图进行所述第二预设倍数的上采样，得到与所述第一尺度相同的两个特征图；将所述第一尺度的特征图和所述与所述第一尺度相同的两个特征图进行特征融合，得到所述第一尺度的特征图对应的目标特征图。3.根据权利要求1所述的目标检测模型的训练方法，其特征在于，所述在所述多个目标特征图上设置样本检测框，并根据所述真实标签框从所述样本检测框中确定出候选框，包括：根据所有目标特征图之间的采样倍数关系，在每个目标特征图上设置若干个样本检测框；其中，同一目标特征图上的不同样本检测框的尺度相同、且比例不同；根据每个样本检测框与所述真实标签框之间的交并比，将所有样本检测框划分为正样本框和负样本框，将所述正样本框和所述负样本框作为所述候选框。4.根据权利要求3所述的目标检测模型的训练方法，其特征在于，在所述根据每个样本检测框与所述真实标签框之间的交并比，将所有样本检测框划分为正样本框和负样本框，将所述正样本框和所述负样本框作为所述候选框的步骤之后，所述方法还包括：对所述正样本框进行预设比例的缩放，得到新的样本检测框；根据每个新的样本检测框与所述真实标签框之间的交并比，将所有新的样本检测框划分为正样本框和负样本框，将所述正样本框和所述负样本框作为所述候选框。5.根据权利要求4所述的目标检测模型的训练方法，其特征在于，所述预设比例为0.9至1.1之间。6.根据权利要求1所述的目标检测模型的训练方法，其特征在于，所述利用所述候选框对所述目标检测模型进行训练，得到训练后的目标检测模型，包括：根据所有真实目标与所述样本图像的相对比例，计算所有真...
【专利技术属性】
技术研发人员：司永洁，潘华东，殷俊，
申请(专利权)人：浙江大华技术股份有限公司，
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。