目标检测模型的训练方法、目标检测方法、设备及介质技术

本申请公开了一种目标检测模型的训练方法、目标检测方法、设备及介质，该目标检测模型的训练方法包括：获取样本图像，样本图像携带有样本标签：基于当前的时间步信息对样本标签进行噪声添加，得到加噪标签；以及，对样本图像进行图像特征提取，得到样本图像对应的特征提取结果；结合加噪标签和特征提取结果，预测样本图像对应的目标检测结果；利用预测得到的目标检测结果和样本标签，计算模型训练损失；基于模型训练损失对目标检测模型进行参数调整，得到训练完成的目标检测模型。相对现有技术，本申请可以加快模型训练的收敛速度，提升模型鲁棒性以及在真实场景中的普适性。

【技术实现步骤摘要】

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、设备及介质。

技术介绍

1、目标检测(object detection)的任务是找出图像中所有感兴趣的目标或区域(region of interest，roi)，确定它们的类别和位置，是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状、姿态等，加上成像时光照、遮挡、目标移动速度等因素，影响了采集图像的质量，降低了目标检测的准确性，使得目标检测一直是计算机视觉领域具有挑战性的问题。

2、在目标检测领域，经常采用的核心模型是基于transformer架构的detr(detection transformers)模型，detr模型使用transformer的编码网络和解码器结构来处理目标检测问题。编码网络用于从输入图像中提取特征，而解码器用于生成每个位置的目标预测。detr的核心思想是将目标检测问题转化为一个集合预测问题，即在每个位置预测目标的类别、边界框坐标位置以及是否存在目标，避免了传统锚框的方法需求。

3、但是，目前的detr模型在目标检测任务中仍然本文档来自技高网...

【技术保护点】

1.一种目标检测模型的训练方法，其特征在于，所述目标检测模型包括特征提取网络、弥散解码网络、输出网络，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述基于当前的时间步信息对所述样本标签进行噪声添加，得到加噪标签，包括：

3.根据权利要求2所述的方法，其特征在于，所述噪声计算函数用于限定不同时间步上对噪声添加量进行依次递减。

4.根据权利要求1所述的方法，其特征在于，所述基于当前的时间步信息对所述样本标签进行噪声添加，得到加噪标签，包括：

5.根据权利要求1所述的方法，其特征在于，所述输出网络包括特征解码网络和检测头，所述输出网...

【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，所述目标检测模型包括特征提取网络、弥散解码网络、输出网络，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述基于当前的时间步信息对所述样本标签进行噪声添加，得到加噪标签，包括：

3.根据权利要求2所述的方法，其特征在于，所述噪声计算函数用于限定不同时间步上对噪声添加量进行依次递减。

4.根据权利要求1所述的方法，其特征在于，所述基于当前的时间步信息对所述样本标签进行噪声添加，得到加噪标签，包括：

5.根据权利要求1所述的方法，其特征在于，所述输出网络包括特征解码网络和检测头，所述输出网络结合所述加噪标签和所述特征提取结果，预测所述样本图像对应的目标检测结果，包括：

6.根据权利要求1所述的方法，其特征在于，所述样本标签包括位置标签和类别标签...

【专利技术属性】
技术研发人员：张树钺，张诚成，马子昂，
申请(专利权)人：杭州华橙软件技术有限公司，
类型：发明
国别省市：