目标检测模型的训练方法、目标检测方法及相关设备与流程

本公开涉及目标检测，且更具体地，涉及目标检测模型的训练方法、目标检测方法及相关设备。

背景技术：

1、目标检测作为计算机视觉领域的研究热点之一，在智能驾驶、微观组织识别、路障检测等众多领域发挥了重要作用。在进行目标检测模型训练时，需要使用精准的像素级标签，而像素级标签耗费时间长、标注成本高等因素导致获得的有标签数据数量有限，无标签数据数量较多。相关技术中，在有标签数据较少的情况下训练目标检测模型时，在训练时会使用伪标签，但伪标签会放大边缘的噪声，导致训练出的目标检测模型的检测结果准确性较低。

技术实现思路

1、本公开提供了一种目标检测模型的训练方法、目标检测方法及相关设备，以解决现有技术中目标检测模型的检测结果准确性较低的技术问题。

2、根据本公开的第一方面，提供了一种目标检测模型的训练方法，包括：

3、获取训练数据，所述训练数据包括标注样本数据和非标注样本数据；

4、获取第一检测模型对所述训练数据的第一检测结果，并获取至少两个第二检测模型分别对所述训练数据的第三检测结果；其中，所述第一检测结果中包含所述标注样本数据对应的第二检测结果；所述第一检测模型和所述至少两个第二检测模型的模型结构相同；

5、基于所述第一检测结果和所述第三检测结果，确定第一损失值；并基于所述第二检测结果和所述标注样本数据，确定第二损失值；

6、基于所述第一损失值和所述第二损失值，对所述第一检测模型的模型参数进行调整，并基于所述第一检测模型调整后的模型参数对所述至少两个第二检测模型的模型参数进行调整，直至符合预设训练结束条件，将所述第一检测模型作为后续用于进行检测的目标检测模型。

7、可选地，所述获取第一检测模型对所述训练数据的第一检测结果，包括：

8、获取第一检测模型对所述训练数据的第四检测结果；

9、基于第一扰动系数对所述第四检测结果进行扰动处理，得到第一检测结果；

10、所述并基于所述第二检测结果和所述标注样本数据，确定第二损失值，包括：

11、基于所述第一扰动系数对所述标注样本数据中的标注数据进行扰动处理，得到扰动标注数据；

12、基于所述第一检测结果中的第二检测结果和所述扰动标注数据，确定第二损失值。

13、可选地，所述获取至少两个第二检测模型分别对所述训练数据的第三检测结果，包括：

14、基于第二扰动系数对所述训练数据进行扰动处理，得到扰动训练数据；其中，所述第一扰动系数对应的扰动幅度大于所述第二扰动系数对应的扰动幅度；

15、获取至少两个第二检测模型分别对所述扰动训练数据的第三检测结果。

16、可选地，基于所述第一检测结果和所述第三检测结果，确定第一损失值，包括：

17、基于预先设定的阈值对所述第三检测结果进行截断处理，确定处理后的第三检测结果；

18、确定处理后的第三检测结果对应的平均值；

19、基于所述第一检测结果和所述平均值，确定第一损失值。

20、可选地，所述基于所述第一损失值和所述第二损失值，对所述第一检测模型的模型参数进行调整，包括：

21、确定第一损失值与预设时间函数的计算结果，所述预设时间函数的函数值与训练时间呈正相关；

22、基于所述计算结果和所述第二损失值，确定第三损失值；

23、基于所述第三损失值，对所述第一检测模型的模型参数进行调整，确定所述第一检测模型调整后的模型参数。

24、可选地，利用如下公式对所述至少两个第二检测模型的模型参数进行调整：

25、θ′t＝αθ′t-1+(1-α)θt

26、其中，θ′t表征所述第二检测模型调整后的模型参数，θ′t-1表征所述第二检测模型调整前的模型参数，θt表征所述第一检测模型调整后的模型参数，α表征平衡系数。

27、根据本公开的第二方面，提供了一种目标检测方法，包括：

28、获取待检测数据；

29、将所述待检测数据输入目标检测模型中进行检测，确定目标检测结果；

30、其中，所述目标检测模型根据第一方面所述的目标检测模型的训练方法得到。

31、根据本公开的第三方面，提供了一种目标检测模型的训练装置，包括：

32、第一数据获取模块，用于获取训练数据，所述训练数据包括标注样本数据和非标注样本数据；

33、结果获取模块，用于获取第一检测模型对所述训练数据的第一检测结果，并获取至少两个第二检测模型分别对所述训练数据的第三检测结果；其中，所述第一检测结果中包含所述标注样本数据对应的第二检测结果；所述第一检测模型和所述至少两个第二检测模型的模型结构相同；

34、损失值确定模块，用于基于所述第一检测结果和所述第三检测结果，确定第一损失值；并基于所述第二检测结果和所述标注样本数据，确定第二损失值；

35、参数调整模块，用于基于所述第一损失值和所述第二损失值，对所述第一检测模型的模型参数进行调整，并基于所述第一检测模型调整后的模型参数对所述至少两个第二检测模型的模型参数进行调整，直至符合预设训练结束条件，将所述第一检测模型作为后续用于进行检测的目标检测模型。

36、根据本公开的第四方面，提供了一种目标检测装置，包括：

37、第二数据获取模块，用于获取待检测数据；

38、检测处理模块，用于将所述待检测数据输入目标检测模型中进行检测，确定目标检测结果；

39、其中，所述目标检测模型根据第一方面述的目标检测模型的训练方法得到。

40、根据本公开的第五方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述目标检测模型的训练方法或目标检测方法。

41、根据本公开的第六方面，提供了一种电子设备，所述电子设备包括：

42、处理器；

43、用于存储所述处理器可执行指令的存储器；

44、所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述的目标检测模型的训练方法或目标检测方法。

45、与现有技术相比，本公开提供的目标检测模型的训练方法、目标检测方法、装置、计算机可读存储介质及电子设备，至少包括以下有益效果：

46、本公开的技术方案在获取到训练数据后，将训练数据输入第一检测模型和至少两个第二检测模型，第一检测模型和至少两个第二检测模型的模型结构相同。获取第一检测模型对训练数据的第一检测结果，其中，第一检测结果中包含标注样本数据对应的第二检测结果；并获取至少两个第二检测模型对训练数据的第三检测结果。基于第二检测结果和标注样本数据，确定第二损失值，该第二损失值可以准确地评价第二检测结果和标注样本数据中的标注数据的差异，为后续进行模型参数的调整提供指示。对于标注样本数据和非标注样本数据，确定第一检测模型和至少两个第二检测模型的一致性损失，即根据第一检测结果和第三检测结果，确定第一损失值，该第一损失值可以准确地评价第一检测模型和至少两个第二检测模型对同一样本数据的检测差异性，同样也可以为后续进行模型参数的调整提供指示。进一步根据第一损失值和第二损失值，对第一检测模型的模型参数进行调整，并利用第一检测模型调整后的模型参数对至少两个第二检测模型的模型参数进行调整，直至符合预设训练结束条件，将第一检测模型作为后续用于进行检测的目标检测模型。在本公开提供的技术方案中，利用第一检测结果和第三检测结果准确地确定出第一损失值，从而有效的利用非标注样本数据对模型参数进行调整，即使在标注样本数据的数量较少的情况下，也可以获取到性能较好的目标检测模型，该目标检测模型的检测结果准确性较高。