模型训练方法、目标检测方法、装置、设备及存储介质.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CN112733864A(43)申请公布日2021.04.30(21)申请号202110051303.6G06N3/08(2006.01)(22)申请日2019.09.16(62)分案原申请数据201910871404.02019.09.16(71)申请人北京迈格威科技有限公司地址100086北京市海淀区科学院南路2号融科资讯中心A座316-318(72)发明人李昂杨学张志强俞刚(74)专利代理机构北京润泽恒知识产权代理有限公司11319代理人莎日娜(51)Int.Cl.G06K9/46(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)权利要求书2页说明书13页附图4页(54)发明名称模型训练方法、目标检测方法、装置、设备及存储介质(57)摘要本申请实施例涉及一种检测模型训练方法、装置、设备及存储介质，旨在提高模型的泛化能力。所述方法包括：获得多个源域样本图像和多个目标域样本图像，其中，每张源域样本图像包括预先标记的源域对象的标注框信息；将源域样本图像和目标域样本图像成对输入特征提取模型，获得该源域样本图像的第一特征图和第一检测框、该目标域样本图像的第二特征图和第二检测框；判断各特征图中的每个像素点的领域类别，得到多个第一判断结果；判断每个检测框的领域类别，得到多个第二判断结果；根据第一检测框和标注框信息，以及根据多个第一判断结果和多个第二判断结果，更新所述特征提取模型。CN112733864ACN112733864A权利要求书1/2页1.一种检测模型训练方法，其特征在于，所述方法包括：获得多个源域样本图像和多个目标域样本图像，其中，每张源域样本图像包括预先标记的源域对象的标注框信息；将每张源域样本图像和每张目标域样本图像成对输入特征提取模型，得到所述特征提取模型输出的该源域样本图像的第一特征图、该目标域样本图像的第二特征图、该源域样本图像中的源域对象的第一检测框、以及该目标域样本图像中的目标域对象的第二检测框；通过第一判别器判断所述第一特征图和所述第二特征图中的每个像素点的领域类别，得到多个第一判断结果；通过第二判别器判断所述第一检测框和所述第二检测框中每个检测框的领域类别，得到多个第二判断结果；根据所述第一检测框和所述标注框信息，更新所述特征提取模型；根据所述多个第一判断结果和所述多个第二判断结果，更新所述特征提取模型。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据所述多个第一判断结果，以及所述特征提取模型输出的每张特征图中的每个像素点来自于源域样本图像还是目标域样本图像，更新所述第一判别器；根据所述多个第二判断结果，以及所述特征提取模型输出的每个检测框来自于源域样本图像还是目标域样本图像，更新所述第二判别器。3.根据权利要求1所述的方法，其特征在于，所述第一判别器和所述特征提取模型之间设置有第一梯度反转层，所述第二判别器和所述特征提取模型之间设置有第二梯度反转层；所述方法还包括：通过所述第一梯度反转层和所述第二反转层，对所述第一判别器、所述第二判别器和所述特征提取模型进行多次对抗训练和更新，直到更新后的第一判别器判别更新后的特征提取模型输出的特征图中像素点的领域类别为源域或目标域的概率之差小于第一预设阈值，更新后的第二判别器判别更新特征提取模型输出的每个检测框的领域类别为源域或目标域的概率之差小于第二预设阈值，结束对抗训练；其中，对所述第一判别器和所述第二判别器的更新是以梯度下降的方式进行的，对所述特征提取模型的更新是以梯度下降的负方向进行的。4.根据权利要求1所述的方法，其特征在于，在根据所述第一检测框和所述标注框信息，更新所述特征提取模型之前，所述方法还包括：对所述多个第一判断结果和所述多个第二判断结果中对应同一图像区域的两个判断结果进行正则化处理，使得正则化处理后的两个判断结果表征的领域类别一致；根据所述多个第一判断结果和所述多个第二判断结果，更新所述特征提取模型，包括：根据正则化处理后的多个第一判断结果和多个第二判断结果，更新所述特征提取模型。5.根据权利要求1至4任一所述的方法，其特征在于，所述特征提取模型包括图像金字塔子网络；将每张源域样本图像和每张目标域样本图像成对输入特征提取模型，得到所述特征提取模型输出的该源域样本图像的第一特征图、该目标域样本图像的第二特征图、该源域样2CN112733864A权利要求书2/2页本图像中的源域对象的第一检测框、以及该目标域样本图像中的目标域对象的第二检测框，包括：将每张源域样本图像和每张目标域样本图像成对输入特征提取模型，将所述图像金字塔子网络的特征预测层的输出确定为该源域样本图像的第一特征图、以及该目标域样本图像的第二特征图，将所述图像金字塔子