【技术实现步骤摘要】
本专利技术涉及视觉识别，具体而言，涉及一种目标检测模型的训练方法、目标检测方法和车辆。
技术介绍
1、相关技术中，车辆自动驾驶过程中，通过目标检测网络对车辆的行驶路径中的障碍物进行检测，以实现自动驾驶过程中对障碍物进行躲避。然而，现有的目标检测网络由于在模型训练的标注阶段采用有选择性的标注，导致训练得到的目标检测网络在实际运行过程中存在无法准确地检出车辆需要躲避的障碍物，也就是障碍物的召回率较低，无法达到车辆自动驾驶的需求。
技术实现思路
1、本专利技术旨在至少解决现有技术或相关技术中存在的目标检测模型无法准确地检出车辆需要躲避的障碍物，障碍物的检出率较低，无法达到车辆自动驾驶的需求的问题。
2、为此，本专利技术的第一方面提出了一种目标检测模型的训练方法。
3、本专利技术的第二方面提出了一种目标检测方法。
4、本专利技术的第三方面提出了一种目标检测模型的训练装置。
5、本专利技术的第四方面提出了一种目标检测装置。
6、本专利技术的第五方面提出了一种车辆。
7、本专利技术的第五方面提出了一种电子设备。
8、本专利技术的第七方面提出了一种可读存储介质。
9、有鉴于此，本专利技术的第一方面提出了一种目标检测模型的训练方法，包括：获取训练图像；对训练图像进行预处理，生成第一图像；其中，第一图像中包括至少一个第一区域和至少一个第二区域，第一区域为对训练图像中的第一目标进行标记的区域，第二区域为对训
10、本专利技术提供的目标检测模型的训练方法，可以用于对目标检测模型进行训练，以得到训练成熟的目标检测网络，其中，目标检测网络用于车辆在自动驾驶的过程中对车辆周围的障碍物进行检测，以保证车辆在自动行驶的过程中能够对周围的障碍物进行躲避。具体地，车辆在自动驾驶的过程中，能够通过自动驾驶系统获取车辆的行驶路径上的图像，进一步将所获取到的图像输入目标检测网络中，通过目标检测网络对图像中的每个障碍物的类别以及在图像当中的具体位置坐标信息进行确定，以对图像中所包含的障碍物进行标记，然后反馈给自动驾驶系统，自动驾驶系统根据障碍物的位置进行行驶路径的调整，以实现躲避障碍物。
11、可以理解的是，在应用目标检测网络之前，需要通过训练图像对目标检测模型进行训练，以得到训练成熟的目标检测网络，以提高目标检测网络在对图像中的障碍物的识别的准确性，以保证车辆无人驾驶过程中的稳定性。
12、具体地，在目标检测模型进行训练的过程中，首先，获取训练图像，训练图像作为目标检测模型的训练数据，训练图像中包含有待检测的障碍物。在将训练图像输入到目标检测模型进行训练之前，首先需要对训练图像进行预处理，以生成第一图像。
13、所生成的第一图像中包括至少一个第一区域和至少一个第二区域。其中，第一区域为对训练图像中的第一目标进行标记的区域。也就是，对训练图像进行预处理之后，在所得到的第一图像中，对第一目标进行标记，第一目标也就是训练图像中目标检测模型所需要识别的障碍物，通过将第一目标进行标记，以在训练过程中使得目标检测模型能够准确地识别出训练图像中的障碍物，进而提高训练后所得到的目标检测网络对障碍物的识别的准确性。
14、进一步地，第一图像中的第二区域为对训练图像中的第二目标进行去除的区域，也就是，在对训练图像进行处理之后，在所得到的第一图像中，第二区域为将训练图像中的第二目标去除的区域。这样，在目标检测模型训练的过程中，使得第二目标不参与训练，避免了第二目标在训练过程中对第一目标的识别造成影响，进而提高了目标检测网络对第一目标的识别的准确性。
15、可以理解的是，在训练图像中，除了包括对车辆行驶过程造成影响的障碍物之外，还可能包括不会对车辆行驶造成影响的物体，这些物体并不会被标记为第一目标，然而，这些物体有可能与障碍物的形状、颜色或者为至相接近，在训练过程中受到这些物体的影响，会导致目标监测模型将需要识别的障碍物识别为不会对行驶造成影响的物体，导致训练后的目标检测网络在实际运行中对障碍物漏检，降低障碍物的检出率。
16、本专利技术提供的目标检测模型的训练方法，通过在训练之前，对训练图像进行预处理，以将训练图像中的需要关注的第一目标进行标记，同时将不需要关注的第二目标进行去除，从而在目标检测模型训练的过程中，使得不需要关注的第二目标不参与训练，避免了第二目标在训练过程中对第一目标的识别造成影响，进而提高了所得到的目标检测网络对第一目标的识别的准确性，提高障碍物的检出率。
17、另外，根据本专利技术提供的上述技术方案中的目标检测模型的训练方法，还可以具有如下附加技术特征：
18、在一些技术方案中，可选地，对训练图像进行预处理，生成第一图像，包括：在第一目标的边缘轮廓的外侧，标记第一多边形，并标注第一目标的目标类别；其中，第一多边形所覆盖的区域为第一区域；通过预设颜色，对第二目标进行覆盖，以去除第二目标；其中，预设颜色所覆盖的区域为第二区域。
19、在该技术方案中，对训练图像进行预处理的过程，首先，可在训练图像中的第一目标的边缘轮廓的外侧，标记第一多边形。也就是通过第一多边形，将第一目标进行框选，以提示第一目标所在的区域，该第一多边形所覆盖的区域即为所需要关注的第一区域，同时，对第一目标的目标类别进行标记，也就是标记第一目标为需要保留在训练图像中的目标，进而在目标检测模型进行训练的过程中，能够准确地识别出所需要关注的、障碍物所在的第一区域。
20、其中，第一多边形可以为三角形、四边形或者其他多边形。
21、进一步地，针对不需要关注的第二目标，可以通过预设颜色将第二目标进行覆盖，以实现在训练图像中将第二目标去除。也就是通过预设颜色所在的区域，将第二目标遮挡，以形成第二区域。进而避免在目标检测模型进行训练的过程中，第二目标对目标检测模型的识别造成影响。
22、具体地，预设颜色可以是黑色、蓝色等颜色。
23、在一些技术方案中，可选地，通过预设颜色，对第二目标所在的位置进行覆盖，以去除第二目标，包括：通过第二多边形，在第二目标的边缘轮廓外部对第二目标进行标记；在第二多边形内填充预设颜色，以通过预设颜色覆盖第二目标。
24、在该技术方案中，通过预设颜色对第二目标所在的位置进行覆盖，首先可以通过第二多边形，在第二目标的边缘轮廓的外部对第二目标进行标记。也就是通过第二多边形，对第二目标进行框选，以确定第二目标所在的第二区域。
25、然后，在第二多边形的内部填充预设颜色，也就是将第二多边形所占用的第二区域填充为预设颜色，从而实现通过预设颜色将第二目标进行覆盖，以形成第二区域。进而避免在目标检测模型进行训练的过程中，第二目标对目标检测模型的识别造成影响。
26、具体地，第二多边形可以为三角形、四边形或者其他多边形。另外，第二多边形可以设置为与第一多边形不同的多本文档来自技高网...
【技术保护点】
1.一种目标检测模型的训练方法，其特征在于，包括：
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，所述对所述训练图像进行预处理，生成第一图像，包括：
3.根据权利要求2所述的目标检测模型的训练方法，其特征在于，所述通过预设颜色，对所述第二目标所在的位置进行覆盖，以去除所述第二目标，包括：
4.根据权利要求1至3中任一项所述的目标检测模型的训练方法，其特征在于，所述对所述训练图像进行预处理，生成第一图像之前，所述训练方法还包括：
5.一种目标检测方法，其特征在于，所述检测方法用于在车辆行驶过程中检测所述车辆的行驶路径上的障碍物，所述检测方法包括：
6.一种目标检测模型的训练装置，其特征在于，包括：
7.一种目标检测装置，其特征在于，所述检测装置用于在车辆行驶过程中检测所述车辆的行驶路径上的障碍物，所述检测装置包括：
8.一种车辆，其特征在于，包括：
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执
10.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1至4中任一项所述的目标检测模型的训练方法的步骤和/或如权利要求5所述的目标检测方法的步骤。
...【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，包括：
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，所述对所述训练图像进行预处理，生成第一图像，包括：
3.根据权利要求2所述的目标检测模型的训练方法，其特征在于，所述通过预设颜色，对所述第二目标所在的位置进行覆盖，以去除所述第二目标，包括：
4.根据权利要求1至3中任一项所述的目标检测模型的训练方法，其特征在于，所述对所述训练图像进行预处理，生成第一图像之前，所述训练方法还包括：
5.一种目标检测方法，其特征在于，所述检测方法用于在车辆行驶过程中检测所述车辆的行驶路径上的障碍物，所述检测方法包括：
6.一种目标检测模型的训练装置，其特...
【专利技术属性】
技术研发人员：韩俊龙，谢欣燕，袁丽燕，曹扬，刘美册，
申请(专利权)人：三一智矿科技有限公司，
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。