检测模型的训练方法、目标检测方法、装置、设备和介质制造方法及图纸

本公开提供了一种检测模型的训练方法，涉及人工智能技术领域，尤其涉及计算机视觉、图像识别、深度学习和增强现实技术领域，可应用于智慧城市和智能交通场景。具体实现方案为：将样本图像输入检测模型，得到输出结果，其中，输出结果包括样本图像的关系图，关系图中的边用于表征样本图像中多个关键点之间的关系信息；根据样本图像的标签与输出结果，得到差异值；以及根据差异值，训练检测模型。本公开还提供了一种目标检测方法、装置、电子设备和存储介质。介质。介质。

【技术实现步骤摘要】
检测模型的训练方法、目标检测方法、装置、设备和介质


[0001]本公开涉及人工智能
，尤其涉及计算机视觉、图像识别、深度学习和增强现实等
，可应用于智慧城市和智能交通场景。更具体地，本公开提供了一种检测模型的训练方法、目标检测方法、装置、电子设备和存储介质。

技术介绍

[0002]随着人工智能技术的发展，在例如智慧城市或智能交通等场景中，深度学习模型广泛地应用于图像识别或目标检测。在利用深度学习模型进行目标检测时，可以检测图像中关键点，例如可以检测出对象的各个关节作为关键点。又例如，可以获取图像的热图，以检测图像中关键点。基于检测出的关键点，可以在智慧城市或智能交通等场景中，进行姿态估计。

技术实现思路

[0003]本公开提供了一种检测模型的训练方法、目标检测方法、装置、设备以及存储介质。
[0004]根据本公开的一方面，提供了一种检测模型的训练方法，该方法包括：将样本图像输入检测模型，得到输出结果，其中，所述输出结果包括所述样本图像的关系图，所述关系图中的边用于表征样本图像中多个关键点之间的关系信息；根据所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种检测模型的训练方法，包括：将样本图像输入检测模型，得到输出结果，其中，所述输出结果包括所述样本图像的关系图，所述关系图中的边用于表征样本图像中多个关键点之间的关系信息；根据所述样本图像的标签与所述输出结果，得到差异值；以及根据所述差异值，训练所述检测模型。2.根据权利要求1所述的方法，其中，所述输出结果还包括所述样本图像的热图和所述样本图像的深度图，所述标签包括热图子标签、深度图子标签和关系图子标签，所述根据所述样本图像的标签与所述输出结果，得到差异值包括：根据所述热图和所述热图子标签，得到第一损失值；根据所述深度图和所述深度图子标签，得到第二损失值；根据所述关系图和所述关系图子标签，得到第三损失值；以及根据所述第一损失值、所述第二损失值和所述第三损失值，得到所述差异值。3.根据权利要求2所述的方法，其中，所述根据所述深度图和所述深度图子标签，得到第二损失值包括：针对所述深度图中的至少一个关键点，根据与所述至少一个关键点中每个关键点对应的局部深度图和局部深度图子标签，得到至少一个第二子损失值，其中，所述局部深度图子标签是根据所述每个关键点和所述深度图子标签确定的；以及根据所述至少一个第二子损失值，得到所述第二损失值。4.根据权利要求2所述的方法，其中，所述根据所述关系图和所述关系图子标签，得到第三损失值包括：针对所述关系图中的至少一个关键点，根据与所述至少一个关键点中每个关键点对应的局部关系图和局部关系图子标签，得到至少一个第三子损失值，其中，所述局部关系图子标签是根据所述每个关键点和所述关系图子标签确定的；以及根据所述至少一个第三子损失值，得到所述第三损失值。5.根据权利要求2所述的方法，其中，所述根据所述第一损失值、所述第二损失值和所述第三损失值，得到所述差异值包括：根据所述第一损失值、所述第二损失值和所述第三损失值，进行加权求和，得到所述差异值。6.一种目标检测方法，包括：对目标图像进行目标检测，得到目标检测结果，其中，所述目标检测结果包括所述目标图像的关系图，所述关系图中的边用于表征所述目标图像中多个关键点之间的关系信息；以及根据所述目标检测结果，确定所述目标图像中的多个关键点的目标信息。7.根据权利要求6所述的方法，其中，所述目标检测结果包括所述目标图像的热图和所述样本图像的深度图，所述根据所述目标检测结果，确定所述目标图像中的多个关键点的目标信息包括：将所述多个关键点中K个关键点的位置信息和所述K个关键点的深度信息融合，得到第一融合信息，其中，所述K个关键点的位置信息是根据所述热图确定的，所述K个关键点的深度信息是根据所述深度图确定的，K为大于或等于1的整数；以及
将所述第一融合信息和所述K个关键点的偏移信息融合，得到所述目标信息，其中，所述K个关键点的偏移信息是根据所述关系图确定的，每个关键点的偏移信息用于表征所述每个关键点与所述多个关键点之间的偏移量。8.根据权利要求7所述的方法，其中，所述将所述第一融合信息和所述K个关键点的偏移信息融合，得到所述目标信息包括：对所述第一融合信息进行升维处理，得到升维后的第一融合信息；将所述升维后的第一融合信息和所述K个关键点的偏移信息进行融合，得到第二融合信息；以及基于所述K个关键点中每个关键点的置信度，对所述第二融合信息进行降维处理，得到所述目标信息。9.一种检测模型的训练装置，包括：第一获得模块，用于将样本图像输入检测模型，得到输出结果，其中，所述输出结果包括所述样本图像的关系图，所述关系图中的边用于表征样本图像中多个关键点之间的关系信息；第二获得模块，用于根据所述样本图像的标签与所述输出结果，得到差异值；以及训练模块，用于根据所述差异值，...

【专利技术属性】
技术研发人员：杨黔生，
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：