目标检测网络的训练方法和车辆检测方法.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CN113947188A(43)申请公布日2022.01.18(21)申请号202111198178.8(22)申请日2021.10.14(71)申请人北京百度网讯科技有限公司地址100085北京市海淀区上地十街10号百度大厦2层(72)发明人龚琛婷谭啸孙昊(74)专利代理机构北京清亦华知识产权代理事务所(普通合伙)11201代理人罗岚(51)Int.Cl.G06N3/04(2006.01)G06N3/08(2006.01)G06V20/54(2022.01)权利要求书3页说明书13页附图5页(54)发明名称目标检测网络的训练方法和车辆检测方法(57)摘要本公开提供了一种目标检测网络的训练方法和车辆检测方法，涉及人工智能领域，具体涉及计算机视觉和深度学习技术，具体可用于智慧城市和智能交通场景下。方案为：获取样本图像，并通过目标检测网络对样本图像进行目标检测，以获取目标检测网络的第一损失函数；将目标检测网络提取的特征图输入热力图生成网络中，以获取样本图像的预测热力图，并基于样本图像的真值热力图和预测热力图，获取热力图生成网络的第二损失函数；基于第一损失函数和第二损失函数调整目标检测网络和热力图生成网络的模块参数，并返回使用下一样本图像继续训练直至生成最终的目标检测网络。由此，能够获取检测精度更高的目标检测网络，提高目标的召回率。CN113947188ACN113947188A权利要求书1/3页1.一种目标检测网络的训练方法，包括：获取样本图像，并通过目标检测网络对所述样本图像进行目标检测，以获取所述目标检测网络的第一损失函数；将所述目标检测网络提取的特征图输入热力图生成网络中，以获取所述样本图像的预测热力图，并基于所述样本图像的真值热力图和所述预测热力图，获取所述热力图生成网络的第二损失函数；基于所述第一损失函数和所述第二损失函数调整所述目标检测网络和所述热力图生成网络的模块参数，并返回使用下一样本图像继续训练直至生成最终的目标检测网络。2.根据权利要求1所述的方法，其中，所述基于所述样本图像的真值热力图和所述预测热力图，获取所述热力图生成网络的第二损失函数之前，还包括：从所述样本图像中提取标记检测框的位置信息；基于所述位置信息，生成所述样本图像的真值热力图。3.根据权利要求2所述的方法，其中，所述基于所述位置信息，生成所述样本图像的真值热力图，包括：根据所述标记检测框的位置信息，确定所述标记检测框的中心点；基于所述标记检测框的中心点和设定尺寸，获取所述标记检测框对应的响应区域；基于响应区域内像素点与所述中心点的距离，生成所述像素点的热力值，并基于所述像素点的热力值生成所述真值热力图。4.根据权利要求3所述的方法，其中，所述像素点的热力值与所述像素点到所述中心点的距离负相关。5.根据权利要求1‑4任一项所述的方法，其中，所述基于所述样本图像的真值热力图和所述预测热力图，获取所述热力图生成网络的第二损失函数，包括：根据所述样本图像中检测目标的所述标记检测框，获取所述检测目标对应的响应权重矩阵；获取所述真值热力图和所述预测热力图的差异矩阵；根据所述差异矩阵和所述响应权重矩阵，获取所述第二损失函数。6.根据权利要求5所述的方法，其中，所述根据所述样本图像中检测目标的所述标记检测框，获取所述检测目标对应的响应权重矩阵，包括：获取所述检测目标的标记检测框的面积，并基于所述面积确定所述检测目标所在响应区域的权重值；基于所述样本图像中所述响应区域的权重值和非响应区域的权重值，生成所述响应权重矩阵。7.根据权利要求6所述的方法，其中，所述标记检测框的面积与所述响应区域的权重值负相关。8.根据权利要求1所述的方法，其中，所述目标检测网络包括N个目标检测分支，其中，N为大于或者等于1的整数，所述通过目标检测网络对所述样本图像进行目标检测，以获取所述目标检测网络的第一损失函数，包括：通过所述目标检测网络中的每个目标检测分支对所述样本图像进行目标检测，以获取每个所述目标检测分支的回归损失函数和分类损失函数；2CN113947188A权利要求书2/3页基于每个所述目标检测分支的所述回归损失函数和所述分类损失函数，确定所述目标检测网络的第一损失函数。9.根据权利要求1所述的方法，其中，所述目标检测网络包括特征金字塔，其中，所述特征金字塔包括N层，所述N为大于或者等于1的整数，所述将所述目标检测网络提取的特征图输入热力图生成网络中，包括：将所述特征金字塔中最后一个层特征图输入所述热力图生成网络中。10.一种车辆检测方法，包括：获取待检测图像，其中，所述待检测图像中包括至少一个待检测车辆；将所述待检测图像输入训练好的目标检测网络中进行车辆检测，以从所述待检测图像中检测出所述待检测车辆；其