目标检测方法、目标检测模型的训练方法、装置及设备制造方法及图纸

本申请公开了一种目标检测方法、目标检测模型的训练方法、装置及设备，属于计算机技术领域。所述方法包括：获取查询图像；将查询图像输入训练好的目标检测模型进行目标检测，得到查询图像对应的对象检测结果。本申请实施例可应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景。本申请实施例提供的技术方案，通过聚合类别相互独立的样本查询图像和样本辅助图像各自的特征，可以建立不同类别间的关联关系，提升样本聚合多样性和全面性；基于聚合后的特征和样本差异信息训练目标检测模型，可以使得目标检测模型学习跨类别的通用特征，提升了目标检测模型提取特征的稳定性和准确性，从而整体提升目标检测模型在应用侧进行目标检测的准确性。测的准确性。测的准确性。

【技术实现步骤摘要】
目标检测方法、目标检测模型的训练方法、装置及设备


[0001]本申请涉及计算机
，特别涉及一种目标检测方法、目标检测模型的训练方法、装置及设备。

技术介绍

[0002]随着计算机技术和人工智能的发展，人工智能主要技术之一的目标检测(Object Detection)技术在各领域都得到广泛应用。目标检测技术用于将图片中的物体都定位出来并给出其类别信息。
[0003]相关技术中，通常基于具有大量标注数据的训练数据集训练目标检测模型。训练过程中，将训练数据集中对应相同标注类别的样本图像聚合在一起，使得模型分别学习不同类别各自对应的特征，进而参考不同类别的特征实现目标检测。
[0004]相关技术中，样本聚合方式单一，目标检测模型提取特征的稳定性较差，目标检测的准确性较低。

技术实现思路

[0005]本申请实施例提供了一种目标检测方法、目标检测模型的训练方法、装置及设备，不仅能够提升样本聚合的多样性和全面性，还能提升目标检测模型提取特征的稳定性和准确性，从而整体提升目标检测的准确性。
[0006]根据本申请实施例的一个方面，提供了一种目标检测方法，所述方法包括：
[0007]获取查询图像；
[0008]将所述查询图像输入训练好的目标检测模型进行目标检测，得到所述查询图像对应的对象检测结果；
[0009]其中，所述目标检测模型是基于样本图像之间的第一聚合特征以及样本差异信息进行训练得到的机器学习模型，所述样本图像包括样本查询图像和样本辅助图像，所述第一聚合特征是将所述样本查询图像与所述样本辅助图像各自对应的特征进行聚合后得到的，所述样本差异信息表征所述样本查询图像与所述样本辅助图像之间的标签类别差异，所述样本查询图像与所述样本辅助图像各自对应的对象类别相互独立。
[0010]根据本申请实施例的一个方面，提供了一种目标检测模型的训练方法，所述方法包括：
[0011]获取样本查询图像、样本辅助图像和样本差异信息，所述样本差异信息表征所述样本查询图像与所述样本辅助图像之间的标签类别差异，所述样本查询图像与所述样本辅助图像各自对应的对象类别相互独立；
[0012]将所述样本查询图像和所述样本辅助图像输入初始目标检测模型，得到所述样本查询图像对应的对象检测结果；其中，所述对象检测结果是根据第一聚合特征检测出的结果，所述第一聚合特征是将所述样本查询图像与所述样本辅助图像各自对应的特征进行聚合后得到的；
[0013]将所述对象检测结果和所述样本差异信息进行对比，得到第一模型损失信息；
[0014]基于所述第一模型损失信息对所述初始目标检测模型进行参数调整处理，得到训练好的目标检测模型。
[0015]根据本申请实施例的一个方面，提供了一种目标检测装置，所述装置包括：
[0016]图像获取模块，用于获取查询图像；
[0017]目标检测模块，用于将所述查询图像输入训练好的目标检测模型进行目标检测，得到所述查询图像对应的对象检测结果；
[0018]其中，所述目标检测模型是基于样本图像之间的第一聚合特征以及样本差异信息进行训练得到的机器学习模型，所述样本图像包括样本查询图像和样本辅助图像，所述第一聚合特征是将所述样本查询图像与所述样本辅助图像各自对应的特征进行聚合后得到的，所述样本差异信息表征所述样本查询图像与所述样本辅助图像之间的标签类别差异，所述样本查询图像与所述样本辅助图像各自对应的对象类别相互独立。
[0019]在一些可能的设计中，所述目标检测模型包括特征提取器、特征聚合模块和检测网络，所述目标检测模块，包括：
[0020]特征提取子模块，用于将所述查询图像输入所述特征提取器进行特征提取处理，得到查询图像特征；
[0021]辅助特征获取子模块，用于获取预设对象类别对应的辅助图像特征；
[0022]特征聚合子模块，用于将所述查询图像特征与所述辅助图像特征输入所述特征聚合模块进行特征聚合处理，得到第二聚合特征；
[0023]对象检测子模块，用于将所述第二聚合特征输入所述检测网络进行检测处理，得到所述对象检测结果。
[0024]在一些可能的设计中，所述特征聚合模块包括特征编码器，所述特征聚合子模块，包括：
[0025]特征分布确定单元，用于将所述辅助图像特征输入所述特征编码器进行特征分布预测处理，得到所述预设对象类别对应的特征分布信息；
[0026]变分特征采样单元，用于对所述特征分布信息进行采样处理，得到变分特征；
[0027]特征聚合单元，用于将所述查询图像特征与所述变分特征进行聚合，得到所述第二聚合特征。
[0028]在一些可能的设计中，所述图像获取模块，还用于获取预设对象类别对应的多个辅助图像；
[0029]所述特征提取子模块，还用于将多个所述辅助图像输入所述特征提取器进行特征提取处理，得到多个所述辅助图像各自对应的图像特征；
[0030]所述辅助特征获取子模块，具体用于对多个所述辅助图像各自对应的图像特征进行融合处理，得到所述辅助图像特征。
[0031]根据本申请实施例的一个方面，提供了一种目标检测模型的训练装置，所述装置包括：
[0032]样本获取模块，用于获取样本查询图像、样本辅助图像和样本差异信息，所述样本差异信息表征所述样本查询图像与所述样本辅助图像之间的标签类别差异，所述样本查询图像与所述样本辅助图像各自对应的对象类别相互独立；
[0033]样本检测模块，用于将所述样本查询图像和所述样本辅助图像输入初始目标检测模型，得到所述样本查询图像对应的对象检测结果；其中，所述对象检测结果是根据第一聚合特征检测出的结果，所述第一聚合特征是将所述样本查询图像与所述样本辅助图像各自对应的特征进行聚合后得到的；
[0034]损失信息确定模块，用于将所述对象检测结果和所述样本差异信息进行对比，得到第一模型损失信息；
[0035]参数调整模块，用于基于所述第一模型损失信息对所述初始目标检测模型进行参数调整处理，得到训练好的目标检测模型。
[0036]在一些可能的设计中，所述初始目标检测模型包括特征提取器、特征聚合模块和检测网络，所述样本检测模块，包括：
[0037]样本特征提取子模块，用于将所述样本查询图像和所述样本辅助图像输入所述特征提取器进行特征提取处理，得到所述样本查询图像对应的查询样本特征和所述样本辅助图像对应的辅助样本特征；
[0038]样本特征聚合子模块，用于将所述查询样本特征和所述辅助样本特征输入所述特征聚合模块进行特征聚合处理，得到所述第一聚合特征；
[0039]样本对象检测子模块，用于将所述第一聚合特征输入所述检测网络进行检测处理，得到所述对象检测结果。
[0040]在一些可能的设计中，所述特征聚合模块包括特征编码器，所述样本特征聚合子模块，包括：
[0041]样本特征分布确定单元，用于将所述辅助样本特征输入所述特征编码器进行特征分布预测处理，得本文档来自技高网...

【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：获取查询图像；将所述查询图像输入训练好的目标检测模型进行目标检测，得到所述查询图像对应的对象检测结果；其中，所述目标检测模型是基于样本图像之间的第一聚合特征以及样本差异信息进行训练得到的机器学习模型，所述样本图像包括样本查询图像和样本辅助图像，所述第一聚合特征是将所述样本查询图像与所述样本辅助图像各自对应的特征进行聚合后得到的，所述样本差异信息表征所述样本查询图像与所述样本辅助图像之间的标签类别差异，所述样本查询图像与所述样本辅助图像各自对应的对象类别相互独立。2.根据权利要求1所述的方法，其特征在于，所述目标检测模型包括特征提取器、特征聚合模块和检测网络，所述将所述查询图像输入训练好的目标检测模型进行目标检测，得到所述查询图像对应的对象检测结果，包括：将所述查询图像输入所述特征提取器进行特征提取处理，得到查询图像特征；获取预设对象类别对应的辅助图像特征；将所述查询图像特征与所述辅助图像特征输入所述特征聚合模块进行特征聚合处理，得到第二聚合特征；将所述第二聚合特征输入所述检测网络进行检测处理，得到所述对象检测结果。3.根据权利要求2所述的方法，其特征在于，所述特征聚合模块包括特征编码器，所述将所述查询图像特征与所述辅助图像特征输入所述特征聚合模块进行特征聚合处理，得到第二聚合特征，包括：将所述辅助图像特征输入所述特征编码器进行特征分布预测处理，得到所述预设对象类别对应的特征分布信息；对所述特征分布信息进行采样处理，得到变分特征；将所述查询图像特征与所述变分特征进行聚合，得到所述第二聚合特征。4.根据权利要求2所述的方法，其特征在于，所述获取预设对象类别对应的辅助图像特征，包括：获取预设对象类别对应的多个辅助图像；将多个所述辅助图像输入所述特征提取器进行特征提取处理，得到多个所述辅助图像各自对应的图像特征；对多个所述辅助图像各自对应的图像特征进行融合处理，得到所述辅助图像特征。5.一种目标检测模型的训练方法，其特征在于，所述方法包括：获取样本查询图像、样本辅助图像和样本差异信息，所述样本差异信息表征所述样本查询图像与所述样本辅助图像之间的标签类别差异，所述样本查询图像与所述样本辅助图像各自对应的对象类别相互独立；将所述样本查询图像和所述样本辅助图像输入初始目标检测模型，得到所述样本查询图像对应的对象检测结果；其中，所述对象检测结果是根据第一聚合特征检测出的结果，所述第一聚合特征是将所述样本查询图像与所述样本辅助图像各自对应的特征进行聚合后得到的；将所述对象检测结果和所述样本差异信息进行对比，得到第一模型损失信息；
基于所述第一模型损失信息对所述初始目标检测模型进行参数调整处理，得到训练好的目标检测模型。6.根据权利要求5所述的方法，其特征在于，所述初始目标检测模型包括特征提取器、特征聚合模块和检测网络，所述将所述样本查询图像和所述样本辅助图像输入初始目标检测模型，得到所述样本查询图像对应的对象检测结果，包括：将所述样本查询图像和所述样本辅助图像输入所述特征提取器进行特征提取处理，得到所述样本查询图像对应的查询样本特征和所述样本辅助图像对应的辅助样本特征；将所述查询样本特征和所述辅助样本特征输入所述特征聚合模块进行特征聚合处理，得到所述第一聚合特征；将所述第一聚合特征输入所述检测网络进行检测处理，得到所述对象检测结果。7.根据权利要求6所述的方法，其特征在于，所述特征聚合模块包括特征编码器，所述将所述查询样本特征和所述辅助样本特征输入所述特征聚合模块进行特征聚合处理，得到所述第一聚合特征，包括：将所述辅助样本特征输入所述特征编码器进行特征分布预测处理，得到所述辅助样本特征对应的第一特征分布信息；对所述第一特征分布信息进行采样处理，得到辅助样本变分特征；将所述查询样本特征与所述辅助样本变分特征进行聚合，得到所述第一聚合特征。8.根据权利要求7所述的方法，其特征在于，所述方法还包括：获取第二特征分布信息，所述第二特征分布信息表征所述辅助样本变分特征对应的第二特征分布；将所述第二特征分布信息与所述第一特征分布信息进...

【专利技术属性】
技术研发人员：韩佳明，任玉强，鄢科，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：