【技术实现步骤摘要】
本申请涉及目标检测领域，尤其涉及一种模型训练方法、目标检测方法及装置。
技术介绍
1、目前，随着人工智能技术的快速发展，通过预先训练的目标检测模型对某一图像中进行目标检测，从而预测得到图像中包含的各个目标所在边界框的坐标信息和分类信息的需求越来越高。
2、然而，相关技术中的目标检测模型的训练过程中，主要学习预测边界框与真实边界框中的图像特征相似程度，从而导致对于样本图像数据集而言，训练得到的目标检测模型的模型参数的准确度比较高，但对于待目标检测图像而言，训练得到的目标检测模型的模型参数的准确度会有所降低，导致目标检测模型的泛化性差，进而导致模型应用阶段的目标检测准确度比较低。
技术实现思路
1、本申请实施例的目的是提供一种模型训练方法、目标检测方法及装置，能够使得预测得到的第一预测边界框更加接近于对应的实际边界框，从而提高训练后的目标检测模型的边界框预测准确度、模型泛化性和数据迁移性；并且使得基于第一比对结果和第二比对结果得到的边界框回归损失值的准确度更高，从而能够进一步提高基...
【技术保护点】
1.一种模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一参考边界框对应的实际边界框和所述第一参考边界框对应的第一预测边界框，生成边界框比对结果集合，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一边界框子集中的所述第一参考边界框分别对应的第一比对结果和第二比对结果，确定边界框回归损失值，包括：
4.根据权利要求2所述的方法，其特征在于，所述基于所述第一参考边界框对应的实际边界框和第一预测边界框，计算相对熵KL散度，得到第一比对结果，包括：
5.根据权利...
【技术特征摘要】
1.一种模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一参考边界框对应的实际边界框和所述第一参考边界框对应的第一预测边界框，生成边界框比对结果集合，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一边界框子集中的所述第一参考边界框分别对应的第一比对结果和第二比对结果，确定边界框回归损失值，包括：
4.根据权利要求2所述的方法，其特征在于，所述基于所述第一参考边界框对应的实际边界框和第一预测边界框，计算相对熵kl散度，得到第一比对结果，包括：
5.根据权利要求2所述的方法，其特征在于，所述基于所述第一参考边界框对应的实际边界框和第一预测边界框，计算边界框交并比损失，得到第二比对结果，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述第一交并比损失，确定所述第一参考边界框对应的第二比对结果，...
【专利技术属性】
技术研发人员：吕永春，朱徽，王钰，周迅溢，曾定衡，蒋宁，
申请(专利权)人：马上消费金融股份有限公司，
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。