一种目标检测模型的训练方法、目标检测方法及相关装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114266945A(43)申请公布日2022.04.01(21)申请号202210188209.XG06V10/774(2022.01)(22)申请日2022.02.28(71)申请人粤港澳大湾区数字经济研究院（福田）地址518045广东省深圳市福田区福保街道市花路长富金茂大厦1号楼39楼3901单元(72)发明人李峰张浩刘世隆张磊(74)专利代理机构深圳市君胜知识产权代理事务所(普通合伙)44268代理人温宏梅(51)Int.Cl.G06V10/778(2022.01)G06V10/764(2022.01)G06V10/30(2022.01)权利要求书3页说明书13页附图6页(54)发明名称一种目标检测模型的训练方法、目标检测方法及相关装置(57)摘要本申请公开了一种目标检测模型的训练方法、目标检测方法及相关装置，所述训练方法包括对训练图片的标注信息执行预设次数的添加噪声操作，以得到预设数量的噪声标注信息；根据噪声标注信息生成的去噪组，以得到预设数量的去噪组；基于预设数量的去噪组、初始化生成的匹配组以及所述训练图片，对目标检测模型进行训练。本申请通过对标注信息添加噪声来增加形成噪声标注信息，并将基于噪声标注信息生成去噪组作为目标检测模型的输入项，以增加目标检测模型对标注信息的学习，从而可以提高目标检测模型对标注信息的学习速度，进而提高目标检测模型的训练速度。CN114266945ACN114266945A权利要求书1/3页1.一种目标检测模型的训练方法，其特征在于，所述的训练方法包括：对训练图片的标注信息执行预设次数的添加噪声操作，以得到预设数量的噪声标注信息，其中，所述标注信息包括目标框和所述目标框对应的目标类别；根据噪声标注信息生成的去噪组，以得到预设数量的去噪组；基于预设数量的去噪组、初始化生成的匹配组以及所述训练图片，对目标检测模型进行训练。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，所述预设数量的噪声标注信息中的各噪声标注信息互不相同。3.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，所述添加噪声操作包括对目标框的添加框噪声操作和/或对目标类别添加类别噪声操作。4.根据权利要求3所述的目标检测模型的训练方法，其特征在于，所述标注信息包括多个目标框，所述添加噪声操作为分别对多个目标框中的每个目标框执行添加框噪声操作，以及分别对每个目标框对应的目标类别执行添加类别噪声操作。5.根据权利要求3所述的目标检测模型的训练方法，其特征在于，所述目标框包括目标框中心点坐标、目标框宽度和目标框高度；所述对目标框添加框噪声操作具体包括：为所述目标框随机生成目标框噪声，其中，目标框噪声包括目标框中心点坐标噪声、目标框宽度噪声和目标框高度噪声中的一种或者多种；基于所述目标框噪声对所述目标框进行调整，以得到噪声目标框。6.根据权利要求5所述的目标检测模型的训练方法，其特征在于，所述目标框中心点坐标噪声中的x轴坐标的绝对值小于，目标框中心点坐标噪声中的y轴坐标的绝对值小于；目标框宽度噪声的绝对值小于，目标框高度噪声的绝对值小于，其中，和均为0‑1间的数值，表示目标框宽度，表示目标框高度。7.根据权利要求3所述的目标检测模型的训练方法，其特征在于，所述对目标类别添加类别噪声操作具体包括：按照预设概率将所述目标类别替换为噪声类别，其中，所述噪声类别包含于所述训练图片所属的训练样本集对应的类别集合内，并且所述噪声类别所述目标类别不同。8.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，所述根据噪声标注信息生成去噪组，以得到预设数量的去噪组具体包括：将所述噪声标注信息中的噪声目标框转换为噪声目标框向量，并将所述噪声目标框对应的噪声类别转换为噪声类别向量；将所述噪声目标框向量与所述噪声类别向量连接生成去噪query，根据生成的去噪query形成去噪组。9.根据权利要求1‑8任意一项所述的目标检测模型的训练方法，其特征在于，所述基于预设数量的去噪组、初始化生成的匹配组以及所述训练图片，对目标检测模型进行训练具体包括：基于所述训练图片及所述目标检测模型的编码模块生成若干特征图块；基于所述若干特征图块、预设数量的去噪组、初始化生成的匹配组及所述目标检测模2CN114266945A权利要求书2/3页型的解码模块，生成预测信息；基于所述预测信息和所述标注信息对目标检测模型的训练进行调整。10.根据权利要求9所述的目标检测模型的训练方法，其特征在于，所述预测信息包括各去噪组各自对应的第一预测信息和所述匹配组对应的第二预测信息，其中，所述第二预测信息为通过匈牙利匹配所得到的。11.根据权利要求10所述的目标检测模型的训练方法，其特征在于，所述基于所述若