物体检测网络的训练方法和装置与流程

本申请实施例涉及计算机技术领域，具体涉及图像处理技术领域，尤其涉及物体检测网络的训练方法和装置。

背景技术：

物体检测是计算机视觉领域中一个基础性的研究课题，其在人脸识别、安全监控以及动态追踪等很多方面都有广泛的应用前景。物体检测是指对于任意一幅给定的图像，检测和识别其中包括的每一个物体，并返回图像中各物体的类别信息和位置信息，上述位置信息可以包括位于原图像中的预测边界框。

基于深度卷积物体检测网络(cnn)的物体检测方法是当前较为先进的物体检测方法。现有的使用物体检测网络的过程通常包括生成候选范围、确定物体范围、识别物体以及后续处理。在后续处理中，需要基于物体候选框的打分和分类结果对候选范围进行最终的总结和筛选。

在使用物体检测网络识别物体类别以及确定物体位置信息之前，需要对物体检测网络进行训练。

技术实现要素：

本申请实施例提出了一种物体检测网络的训练方法和装置。

第一方面，本申请实施例提供了一种物体检测网络的训练方法，该方法包括：获取从训练样本图像提取的多个区域候选框以及所述多个区域候选框各自对应的第一预测置信度，其中，每一个所述区域候选框对应的第一预测置信度基于经过上一次训练调整网络参数后的物体检测网络对该区域候选框内的图像分析得到，所述训练样本图像包括至少一个目标物体，一个目标物体对应至少一个区域候选框；根据所述第一预测置信度从所述多个区域候选框中选取至少一个预测候选框，形成预测候选框组；并根据所述预测候选框组中的各预测候选框与所述训练样本图像中的各目标物体标注框的重叠度确定所述物体检测网络的评估数据；确定反映训练样本图像中各像素点的第一预测置信度与训练样本图像标注的真实置信度之间差异的第一损失函数，并基于所述第一损失函数的梯度与所述评估数据的乘积，生成策略梯度；基于所述策略梯度，反向逐层调整所述物体检测网络的参数，以实现对所述物体检测网络的本次训练。

在一些实施例中，所述获取从训练样本图像提取的多个区域候选框，包括：获取训练样本图像中目标物体对应的多个第一区域候选框，以及多个第一区域候选框各自对应的第二预测置信度；根据对所述第二预测置信度采用非极大值抑制算法，从多个第一区域候选框中选取出所述多个区域候选框。

在一些实施例中，训练样本图像中标注了各目标物体的分别对应的标注框的位置信息，以及方法还包括：确定反映每一区域候选框的位置与该区域候选框对应的目标物体的标注框的位置差异的第二损失函数以及第二损失函数的梯度；以及基于策略梯度，反向逐层调整物体检测网络的参数，以实现对物体检测网络的本次训练，包括：基于策略梯度与第二损失函数的梯度之和，反向逐层调整物体检测网络的参数。

在一些实施例中，获取训练样本图像中目标物体对应的多个第一区域候选框，以及多个第一区域候选框各自对应的第二预测置信度，包括：获取训练样本图像的特征图；将特征图输入到经过上一次训练调整网络参数后的物体检测网络的第二子网络，得到多个第一区域候选框以及每一个第一区域候选框对应的第二预测置信度；其中物体检测网络包括第一子网络、第二子网络；第一子网络用于对输入的训练样本图像执行卷积操作，提取训练样本图像的特征图；第二子网络用于根据特征图生成训练样本图像的多个第一区域候选框以及对各第一区域候选框生成第二预测置信度。

在一些实施例中，该方法还包括：响应于确定评估数据满足预设条件，停止对物体检测网络的训练。

第二方面，本申请实施例提供了一种物体检测网络的训练装置，该装置包括：获取单元，被配置成获取从训练样本图像提取的多个区域候选框以及所述多个区域候选框各自对应的第一预测置信度，其中，每一个所述区域候选框对应的第一预测置信度基于经过上一次训练调整网络参数后的物体检测网络对该区域候选框内的图像分析得到，所述训练样本图像包括至少一个目标物体，一个目标物体对应至少一个区域候选框；第一确定单元，被配置成根据所述第一预测置信度从所述多个区域候选框中选取至少一个预测候选框，形成预测候选框组；并根据所述预测候选框组中的各预测候选框与所述训练样本图像中的各目标物体标注框的重叠度确定所述物体检测网络的评估数据；生成单元，被配置成确定反映训练样本图像中各像素点的第一预测置信度与训练样本图像标注的真实置信度之间差异的第一损失函数，并基于所述第一损失函数的梯度与所述评估数据的乘积，生成策略梯度；调整单元，被配置成基于所述策略梯度，反向逐层调整所述物体检测网络的参数，以实现对所述物体检测网络的本次训练。

在一些实施例中，获取单元进一步被配置成：获取训练样本图像中目标物体对应的多个第一区域候选框，以及多个第一区域候选框各自对应的第二预测置信度；根据对第二预测置信度采用非极大值抑制算法，从多个第一区域候选框中选取出多个区域候选框。

在一些实施例中，训练样本图像中标注了各目标物体的分别对应的标注框的位置信息，以及该装置还包括：第二确定单元，第二确定单元被配置成：确定反映每一区域候选框的位置与该区域候选框对应的目标物体的标注框的位置差异的第二损失函数和第二损失函数的梯度；以及调整单元进一步被配置成：基于策略梯度与第二损失函数的梯度之和，反向逐层调整物体检测网络的参数。

在一些实施例中，获取单元进一步被配置成：获取训练样本图像的特征图；将特征图输入到经过上一次训练调整网络参数后的物体检测网络的第二子网络，得到多个第一区域候选框以及每一个第一区域候选框对应的第二预测置信度；其中物体检测网络包括第一子网络、第二子网络；第一子网络用于对输入的训练样本图像执行卷积操作，提取训练样本图像的特征图；第二子网络用于根据特征图生成训练样本图像的多个第一区域候选框以及对各第一区域候选框生成第二预测置信度。

在一些实施例中，该装置还包括结束单元，结束单元被配置成：响应于确定评估数据满足预设条件，停止对物体检测网络的训练。

第三方面，本申请实施例提供了一种电子设备，电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的物体检测网络的训练方法和装置，通过在对物体检测网络训练过程中，基于评估数据和第一损失函数的梯度而生成的策略梯度，来调整物体检测网络的参数。从而实现了在训练过程中对检测结果进行反馈，并根据反馈数据来调整物体检测检测网络筛选目标物体区域候选框的筛选机制，从而使得经过上述方式训练得到的物体检测网络有较高的召回率以及较高的准确性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例的物体检测网络的训练方法可以应用于其中的示例性系统架构图；

图2是根据本申请的物体检测网络的训练方法的一个实施例的流程图；

图3是根据本申请的物体检测网络的训练方法的一个应用场景的示意图；

图4是根据本申请的物体检测网络的训练方法的又一个实施例的流程图；

图5是根据本申请的物体检测网络的训练装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了本申请的一个实施例的物体检测网络的训练方法可以应用于其中的示例性系统架构图100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

终端设备101、102、103可以通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用，例如图像标注类应用等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。服务器105可以提供各种服务，例如接收对终端设备101、102、103发送的带有标注信息的图片集，并根据所接收到的图片集对设置在服务器105上的物体检测网络进行训练。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的物体检测网络的训练方法一般由服务器105执行，相应地，物体检测网络的训练装置一般设置于服务器105中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，其示出了根据本申请的物体检测网络的训练方法的一个实施例的流程200。该物体检测网络的训练方法，包括以下步骤：

步骤201，获取从训练样本图像提取的多个区域候选框以及多个区域候选框各自对应的第一预测置信度。

在本实施例中，物体检测网络的训练方法的执行主体(例如图1所示的服务器)可以通过各种方法获取从训练样本图像提取的多个区域候选框以及多个区域候选框各自对应的第一预测置信度。

在本实施例中，上述每一个区域候选框对应的第一预测置信度可以基于经过上一次训练调整网络参数后的物体检测网络对该区域候选框内的图像分析得到。

上述训练样本图像用于训练物体检测网络。训练样本图像的数量可以有多个，构成训练样本图像集。训练样本图像中可以包括至少一个目标物体。训练样本图像中可以包括提前做好的标注，例如训练样本图像中的指示有一个目标物体在其中的标注框，以及指示目标物体的位置的标注。通常训练样本图像中的一个目标物体可以对应一个标注框。上述标注框的形状通常可以为矩形。

通常需要使用训练样本图像根据预设的损失函数对物体检测网络进行多次训练，才能得到物体检测网络的较优网络参数。在得到较优的网络参数之后，可以对物体检测网络的网络参数进行保存，以完成对物体检测网络的训练。在对物体检测网络完成一次训练之后，可以从物体检测网络中获取该次训练生成的各区域候选框对应的第一预测置信度。这里的一个区域候选框的第一预测置信度是指示区域候选框内的图像为一个目标物体的图像的概率，第一预测置信度小于等于1。

在一些应用场景中，上述多个区域候选框可以按照如下步骤生成：

首先，获取训练样本图像中目标物体对应的多个第一区域候选框，以及多个第一区域候选框各自对应的第二预测置信度。

实践中，可以将训练样本图像输入到物体检测网络来提取训练样本图像的特征图。然后将特征图的每一个像素点映射到原训练样本图像中。以特征图的每一个像素点所映射到的原训练样本图像的区域的中心点为中心，按照不同的比例、尺寸生成多个第一区域候选框。此外，物体检测网络还可以确定每一个第一区域候选框对应的第二预测置信度。这里的第二预测置信度为预测第一区域候选框内的图像是背景还是目标的置信度。

其次，根据对第二预测置信度采用非极大值抑制算法，从多个第一区域候选框中选取出多个区域候选框。

在这些应用场景中，采用非极大值抑制算法(non-maximumsuppression，nms)，首先抛弃所对应的第二预测置信度小于第一预设置信度阈值的第一区域候选框。这里的第一预设置信度阈值例如可以是0.6。第一预设置信度阈值可以根据具体应用场景进行设定，此处不进行限定。然后，对剩下的第一区域候选框，选取出第二预测置信度最大的一个第一区域候选框，作为参照候选框。抛弃与参照候选框的重叠度大于第一预设重叠度阈值的第一区域候选框，从而得到多个区域候选框。这里的第一预设重叠度阈值例如可以为0.8。第一预设重叠度阈值可以根据具体的应用场景进行设定，此处不进行限定。

需要说明的是，上述nms算法是目前广泛研究和应用的公知技术，此处不赘述。

在一些应用场景中，上述物体检测网络可以是fasterrcnn网络。在这些可选的实现方式中，上述物体检测网络可以包括第一子网络、第二子网络和第三子网络。其中，第一子网络可以包括多个卷积层以及多个下采样层。第一子网络通过上述卷积层以及下采样层来对对输入的训练样本图像执行卷积操作，提取训练样本图像的特征图。第二子网络可以为区域建议网络(regionproposalnetwork，rpn)。第二子网络用于根据训练样本图像的特征图生成训练样本图像的多个第一区域候选框以及各第一区域候选框对应的第二预测置信度，这里的第二预测置信度用于指示区域候选框内的图像为目标图像还是为背景图像，第二预测置信度小于等于1。当一个区域候选框对应的第二预测置信度大于第一预设置信度阈值时，认为该区域候选框内的区域包括目标图像。当一个第一区域候选框的第二预测置信度小于第二预设置信度阈值时，认为该第一区域候选框的区域为背景。上述第二预设置信度阈值可以小于第一预设置信度阈值。通常第一预设置信度阈值可以为0.6，第二预设置信度阈值可以为0.3。上述第一预设置信度阈值和第二预设置信度阈值的数值可以根据具体的应用场景进行设定，此处不限定。第三子网络可以对第一区域候选框进行筛选，得到区域候选框。对于每一个区域候选框，上述第三子网络可以根据第一子网络生成的特征图和以及该区域候选框对应的第二预测置信度确定该区域候选框所包括的目标物体的第一预测置信度以及目标物体的位置。

在这些应用场景中，上述获取训练样本图像对应的多个区域候选框以及多个区域候选框各自对应的第二预测置信度，可以包括如下步骤：

首先，获取训练样本图像的特征图。

例如可以将上述训练样本图像输入到上述第一子网络中，从而得到训练样本图像的特征图。

其次，将上述特征图输入到经过上一次训练调整网络参数后的物体检测网络的第二子网络，得到多个第一区域候选框以及每一个第一区域候选框对应的第二预测置信度。

需要说明的是，上述物体检测网络还可以是现有的其他各种类型的物体检测网络，例如rcnn、fastrcnn、yolo、ssd等物体检测网络等，上述rcnn、fastrcnn、yolo、ssd等物体检测网络的结构是目标广泛研究、应用的公知技术，此处不赘述。

步骤202，根据第一预测置信度从多个区域候选框中选取至少一个预测候选框，形成预测候选框组；并根据预测候选框组中的各预测候选框与训练样本图像中的各目标物体标注框的重叠度确定物体检测网络的评估数据。

在本实施例中，基于步骤201中得到的多个区域候选框，上述执行主体(例如图1所示的服务器)可以首先根据各区域候选框对应的第一预测置信度的大小，从多个区域候选框中选取至少一个预测候选框。上述至少一个预测候选框形成预测候选框组。例如对于训练样本图像中的每一个目标物体，上述执行主体可以选取与该目标物体对应的多个区域候选框中的、第一预测置信度最大的一个区域候选框，作为该目标物体的预测候选框。又例如，上述执行主体可以从多个区域候选框中选取所对应的第一预测置信度大于预设阈值的至少一个区域候选框，作为预测候选框。从上述多个区域候选框中选取的至少一个预测候选框，形成预测候选框组。在一些应用场景中，可以确定预测候选框组中的预测候选框的数量，例如10个。

接着，上述执行主体可以根据该预测候选框组中各预测候选框与训练样本图像中的各目标物体标注框的重叠度来确定物体检测网络的评估数据。这里的评估数据例如可以是均值平均精度(meanaverageprecision，map)。这里的均值平均精度是对训练样本图像中的各目标物体的平均预测精度的均值。

具体地，对于训练样本图像中的每一个目标物体，可以确定出预测候选框组中该目标物体对应的预测候选框与该目标物体的标注框之间的重叠度。上述重叠度又称交并比(intersection-over-union，iou)。具体地，一个目标物体n1的iou可以根据如下公式计算：

其中，in1为目标物体n1的上述预测候选框内的区域与该目标物体n1的标注框内的区域之间重叠的部分的面积，un1为目标物体n1的上述预测候选框与该目标物体n1的标注框共同圈出的区域的面积。需要说明的是，上述iou是物体检测领域广泛研究和应用的公知技术，此处不赘述。

对于训练样本图像中的一个目标物体n1，可以根据iou的值来确定该目标物体n1对应的预测候选框是否做出了真实的检测。假设例如当一个预测候选框的iou值大于预设重叠度阈值时，可以认为该预测候选框做出了真实的检测。

预测候选框组中的各预测候选框通过物体检测网络之后，可以得到各预测候选框对应的目标物体的预测结果。也就是，对每一个预测候选框，物体检测网络可以根据预测候选框中的图像的特征来预测该预测候选框内的图像为一个目标物体的图像的置信度。也即物体检测网络预测的该预测候选框内的图像所对应的目标物体的标识以及相应的第一预测置信度。这里的目标物体的标识用来区分训练样本图像中的不同目标物体。上述标识可以是字符或数字，还可以是字符和数字的组合等。

对于物体检测网络的预测结果，包括原本不是目标物体n1对应的预测候选框却被识别成了目标物体n1的预测候选框，以及原本是目标物体n1对应的预测候选框被识别成了目标物体n1的预测候选框。若在上述预测候选框组中原本包括m1个目标物体n1对应的预测候选框。上述m1个目标物n1对应的预测候选框中，有m2个预测候选框的iou值大于上述预设重叠度阈值(例如0.9)。上述预测候选框组中有m3个非目标物体n1的预测候选框内的图像被识别为目标物体n1，且iou值大于上述预设重叠度阈值。则对于目标物体n1，该目标物体n1的检测精确度(precesion)为：pn1＝m2/(m2+m3)；召回率(recall)为rn1＝m2/m1。若改变上述预设重叠度阈值，上述目标物体n1的检测精确度和召回率将会发生改变。因此对应不同的预设重叠度阈值，可以得到多组目标物体n1的检测精确度和召回率。按照目标物体n1的多组检测精确度和召回率，绘制检测精确度和召回率曲线。根据上述曲线计算物体检测网络识别目标物体n1的平均精度(average-precision，ap)。ap的值等于上述曲线所围成的图形的面积。按照上述方法可以根据该预测候选框组，得到物体检测网络识别的训练样本图像中其他目标物体的平均精度。将物体检测网络识别预测候选框组中的多个目标物体的平均精度之和按照训练样本图像中的目标物体的数量取均值，就得到了物体检测网络的均值平均精度(map)。

需要说明的是，上述目标检测网络的map的计算方法是目前广泛研究和应用的公知技术，在此不再赘述。

步骤203，确定反映训练样本图像中各像素点的第一预测置信度与训练样本图像标注的真实置信度之间差异的第一损失函数，并基于第一损失函数的梯度与评估数据的乘积，生成策略梯度。

在本实施例中，上述执行主体可以首先确定反映训练样本图像中各像素点的第一预测置信度与训练样本图像标注的真实置信度之间差异的第一损失函数。上述真实置信度可以为1，或者0。实践中，上述第一损失函数可以是交叉熵损失函数。上述执行主体可以确定上述交叉熵损失函数的梯度。也就是对交叉熵损失函数求偏导，得到交叉熵损失函数的梯度。上述执行主体基于在步骤202中得到的评估数据与上述第一损失函数的梯度的乘积生成策略梯度。

上述计算第一损失函数的梯度，是为了最小化交叉熵损失函数。上述评估数据可以作为对从多个区域候选框中选取出的多个预测候选框的筛选机制，而生成的对物体检测网络的奖赏或惩罚的反馈信号。将上述反馈信号反馈给物体检测网络，从而使得物体检测网络根据反馈信号调整对预测候选框的筛选机制，以使下一次训练中从训练样本图像的多个区域候选框中选取评估数据高的多个预测候选框。

使用上述策略梯度，在可以实现最小化第一损失函数的同时，可以使用评估数据对物体检测网络进行奖赏和惩罚，以使物体检测网络根据评估数据对筛选机制进行调整。

上述交叉熵损失函数和交叉熵损失函数的梯度是目前广泛研究和应用的公知技术，此处不赘述。

步骤204，基于策略梯度，反向逐层调整物体检测网络的参数，以实现对物体检测网络的本次训练。

在本实施例中，上述执行主体可以基于策略梯度，反向逐层调整物体检测网络的参数，以实现对物体检测网络的本次训练。

上述基于策略梯度反向逐层调整物体检测网络的参数的过程，可以参考现有技术中的基于损失函数的梯度，反向逐层调整神经网络的参数的过程。此处不赘述。

上述步骤201～步骤204是对物体检测网络实施的一次训练的过程。实践中，可以循环执行上述步骤201～步骤204，直至满足预设条件，结束对物体检测网络的训练。例如，当对物体检测网络的训练次数达到预设训练次数阈值，停止对所述物体检测网络的训练。

在循环执行上述步骤201～204的过程中，在将每次训练过程中得到的上述评估数据作为奖励或惩罚的信号，与上述第一损失函数的梯度一起，来指示物体检测网络各参数的调整方向。有利于提高物体检测网络对物体检测的准确度和召回率。

继续参见图3，图3是根据本实施例的物体检测网络的训练方法的应用场景的一个示意图300。在图3的应用场景中，电子设备301首先获取从训练样本图像提取的多个区域候选框以及上述多个区域候选框各自对应的第一预测置信度302。这里的每一个区域候选框对应的第一预测置信度是该区域候选框内的图像被识别为一个目标物体的图像的置信度；上述每一个区域候选框对应的第一预测置信度基于经过上一次训练网络参数后的物体检测网络对该区域候选框内的图像分析得到。训练样本图像包括至少一个目标物体，一个目标物体对应至少一个区域候选框。之后，电子设备301可以根据第一预测置信度从多个区域候选框中选取至少一个预测候选框，形成预测候选框组303。并根据预测候选框组中的各预测候选框与训练样本图像中的各目标物体标注框的重叠度确定物体检测网络的评估数据。接着，上述电子设备确定反映训练样本图像中各像素点的第一预测置信度与训练样本图像标注的真实置信度之间差异的第一损失函数，并基于所述第一损失函数的梯度与所述评估数据的乘积，生成策略梯度。最后，基于策略梯度，反向逐层调整物体检测网络的参数，以实现对物体检测网络的本次训练305。循环执行上述302～305，直到满足预设条件，结束对物体检测网络的训练。

本申请的上述实施例提供的方法通过在对物体检测网络训练过程中，基于评估数据和第一损失函数的梯度而生成的策略梯度，来调整物体检测网络，从而实现了在训练过程中根据检测结果进行反馈，并根据反馈数据来调整物体检测检测网络筛选目标物体的预测候选框的筛选机制，从而使得讲过上述方式训练得到的物体检测网络有较高的召回率以及较高的准确性。

进一步参考图4，其示出了物体检测网络的训练方法的又一个实施例的流程400。该物体检测网络的训练方法的流程400，包括以下步骤：

步骤401，获取从训练样本图像提取的多个区域候选框以及多个区域候选框各自对应的第一预测置信度。

在本实施例中，步骤401与图2所示步骤201相同，此处不赘述。

步骤402，根据第一预测置信度从多个区域候选框中选取至少一个预测候选框，形成预测候选框组；并根据预测候选框组中的各预测候选框与训练样本图像中的各目标物体标注框的重叠度确定物体检测网络的评估数据。

在本实施例中，步骤402与图2所示步骤202相同，此处不赘述。

步骤403，确定反映训练样本图像中各像素点的第一预测置信度与训练样本图像标注的真实置信度之间差异的第一损失函数，并基于第一损失函数的梯度与所述评估数据的乘积，生成策略梯度。

在本实施例中，步骤403与图2所示步骤203相同，此处不赘述。

步骤404，确定反映每一区域候选框的位置与该区域候选框对应的目标物体的标注框的位置差异的第二损失函数以及第二损失函数的梯度。

在本实施例中，上述执行主体可以首先确定反映每一区域候选框的位置信息与该区域候选框对应的目标物体的标注框的位置信息之差的第二损失函数。这里的第二损失函数可以是l1损失函数、l2损失函数，还可以是smoothl1损失函数。

然后，上述执行主体可以确定第二损失函数的梯度。

需要说明的是，上述l1损失函数、l2损失函数、smoothl1损失函数，以及确定损失函数的梯度的方法是目标广泛研究和应用的公知技术，此处不进行赘述。

步骤405，基于策略梯度与第二损失函数的梯度之和，反向逐层调整物体检测网络的参数，以实现对物体检测网络的本次训练。

在本实施例中，上述执行主体可以将步骤403中得到的策略梯度与步骤404中得到的第二损失函数的梯度求和，然后根据策略梯度与第二损失函数的梯度之和，反向逐层调整物体检测网络的参数，以实现对物体检测网络的本次训练。

使用第二损失函数的梯度以及策略梯度之和反向逐层调整物体检测网络的参数，可以同时最小化第一损失函数和第二损失函数。在可以提高物体检测网络检测出目标物体的基础上，还可以提高物体检测网络所确定目标物体的位置精确度。

在一些应用场景中，可以利用第二损失函数单独对物体检测网络进行训练，以提高物体检测网确定目标物体位置的精确度。

从图4中可以看出，与图2对应的实施例相比，本实施例中的物体检测网络的训练方法的流程400突出了确定第二损失函数的梯度，以及根据第二损失函数的梯度和策略梯度之和反向逐层调整物体检测网络参数的过程。由此，本实施例描述的方案一方面可以加快物体检测网络的训练过程，另一方面可以提高物体检测网络所确定的物体位置的精确度。

在本申请的物体检测网络的训练方法各实施例的一些可选的实现方式中，图2所示实施例和图4所示实施例的物体检测网络的训练方法可以进一步包括：响应于确定评估数据满足预设条件，停止对物体检测网络的训练。这里的预设条件例如可以为评估数据大于预设评估数据阈值。此外，上述预设条件还可以为在评估数据大于预设评估数据阈值之后，连续多次对物体检测网络进行训练所得到的评估数据的差异小于预设差异阈值。这里的预设评估数据阈值和预设差异阈值可以根据具体的应用场景进行设定，此处不进行限定。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种物体检测网络的训练装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的物体检测网络的训练装置500包括：获取单元501、第一确定单元502、生成单元503和调整单元504。其中，获取单元501，被配置成获取单元，被配置成获取从训练样本图像提取的多个区域候选框以及多个区域候选框各自对应的第一预测置信度，其中，每一个区域候选框对应的第一预测置信度基于经过上一次训练调整网络参数后的物体检测网络对该区域候选框内的图像分析得到，训练样本图像包括至少一个目标物体，一个目标物体对应至少一个区域候选框；第一确定单元502，被配置成根据第一预测置信度从多个区域候选框中选取至少一个预测候选框，形成预测候选框组；并根据预测候选框组中的各预测候选框与训练样本图像中的各目标物体标注框的重叠度确定物体检测网络的评估数据；生成单元503，被配置成确定反映训练样本图像中各像素点的第一预测置信度与训练样本图像标注的真实置信度之间差异的第一损失函数，并基于第一损失函数的梯度与评估数据的乘积，生成策略梯度；调整单元504，被配置成基于策略梯度，反向逐层调整物体检测网络的参数，以实现对物体检测网络的本次训练。

在本实施例中，物体检测网络的训练装置500的获取单元501、第一确定单元502、生成单元503和调整单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202、步骤203和步骤204的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，获取单元501进一步被配置成：获取训练样本图像中目标物体对应的多个第一区域候选框，以及多个第一区域候选框各自对应的第二预测置信度；根据对第二预测置信度采用非极大值抑制算法，从多个第一区域候选框中选取出多个区域候选框。

在本实施例的一些可选的实现方式中，训练样本图像中标注了各目标物体的分别对应的标注框的位置信息，以及上述物体检测网络的训练装置500还包括：第二确定单元(图中未示出)。第二确定单元被配置成：确定反映每一区域候选框的位置与该区域候选框对应的目标物体的标注框的位置差异的第二损失函数以及第二损失函数的梯度；以及调整单元504进一步被配置成：基于策略梯度与第二损失函数的梯度之和，反向逐层调整物体检测网络的参数。

在本实施例的一些可选的实现方式中，获取单元501进一步被配置成：获取训练样本图像的特征图；将特征图输入到经过上一次训练调整网络参数后的物体检测网络的第二子网络，得到多个第一区域候选框以及每一个第一区域候选框对应的第二预测置信度；其中物体检测网络包括第一子网络、第二子网络；第一子网络用于对输入的训练样本图像执行卷积操作，提取训练样本图像的特征图；第二子网络用于根据特征图生成训练样本图像的多个第一区域候选框以及对各第一区域候选框生成第二预测置信度。

在本实施例的一些可选的实现方式中，上述物体检测网络的训练装置还包括结束单元(图中未示出)，结束单元被配置成：响应于确定评估数据满足预设条件，停止对物体检测网络的训练。

下面参考图6，其示出了适于用来实现本申请实施例的终端设备/服务器的计算机系统600的结构示意图。图6示出的终端设备/服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括处理器601，其可以根据存储在只读存储器(rom，readonlymemory)602中的程序或者从存储部分606加载到随机访问存储器(ram，randomaccessmemory)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有系统600操作所需的各种程序和数据。处理器601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o，input/output)接口605也连接至总线604。

以下部件连接至i/o接口605：包括硬盘等的存储部分606；以及包括诸如lan(局域网，localareanetwork)卡、调制解调器等的网络接口卡的通信部分607。通信部分607经由诸如因特网的网络执行通信处理。驱动器608也根据需要连接至i/o接口605。可拆卸介质609，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器608上，以便于从其上读出的计算机程序根据需要被安装入存储部分606。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分607从网络上被下载和安装，和/或从可拆卸介质609被安装。在该计算机程序被中央处理单元(处理器)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、第一确定单元、生成单元和调整单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取从训练样本图像提取的多个区域候选框以及所述多个区域候选框各自对应的第一预测置信度的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获取从训练样本图像提取的多个区域候选框以及多个区域候选框各自对应的第一预测置信度，其中，每一个区域候选框对应的第一预测置信度基于经过上一次训练调整网络参数后的物体检测网络对该区域候选框内的图像分析得到，训练样本图像包括至少一个目标物体，一个目标物体对应至少一个区域候选框；根据第一预测置信度从多个区域候选框中选取至少一个预测候选框，形成预测候选框组；并根据预测候选框组中的各预测候选框与训练样本图像中的各目标物体标注框的重叠度确定物体检测网络的评估数据；确定反映训练样本图像中各像素点的第一预测置信度与训练样本图像标注的真实置信度之间差异的第一损失函数，并基于第一损失函数的梯度与评估数据的乘积，生成策略梯度；基于策略梯度，反向逐层调整物体检测网络的参数，以实现对物体检测网络的本次训练

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。