检测模型的训练方法、装置、检测方法和装置与流程

本申请涉及计算机，特别是涉及一种检测模型的训练方法、装置、检测方法和装置。

背景技术：

1、目标检测是计算机视觉领域中的一项关键任务，其目标是准确地识别和定位图像中存在的物体。目标检测通常包括两个方面，一方面是物体的分类，另一方面是物体的定位。目标检测在许多应用领域中均有实际应用，例如，自动驾驶领域、视频监控领域和医学图像分析领域等。

2、传统技术中，通常使用训练样本对深度学习网络进行训练，得到目标检测模型。然而，传统的目标检测模型存在检测结果不稳定的问题。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高目标检测模型的检测结果的稳定性的检测模型的训练方法、装置、检测方法和装置。

2、第一方面，本申请提供了一种检测模型的训练，该方法包括：

3、将相邻时刻采集到的样本检测区域的训练数据输入至初始检测模型，得到样本检测区域中目标物体在各时刻的目标检测结果；

4、获取各时刻的目标检测结果与标准结果之间的第一误差，以及各时刻的目标检测结果之间的第二误差；

5、根据第一误差和第二误差对初始检测模型进行训练，得到目标检测模型。

6、第二方面，本申请提供一种检测方法，该方法包括：

7、获取相邻时刻采集到的目标检测区域的待检测数据；

8、将相邻时刻的待检测数据输入至目标检测模型中，得到检测结果；目标检测模型为根据第一误差和第二误差进行训练得到的，第一误差为相邻时刻采集到的样本检测区域的训练数据的目标检测结果与标准结果之间的误差，第二误差为各时刻的目标检测结果之间的误差。

9、第三方面，本申请提供一种检测模型的训练装置，该装置包括：

10、输入模块，用于将相邻时刻采集的到样本检测区域的训练数据输入至初始检测模型，得到样本检测区域中目标物体在各时刻的目标检测结果；

11、获取模块，用于获取各时刻的目标检测结果与标准结果之间的第一误差，以及各时刻的目标检测结果之间的第二误差；

12、训练模块，用于根据第一误差和第二误差对初始检测模型进行训练，得到目标检测模型。

13、第四方面，本申请提供一种检测装置，该装置包括：

14、获取模块，用于获取相邻时刻采集到的目标检测区域的待检测数据；

15、输入模块，用于将相邻时刻的待检测数据输入至目标检测模型中，得到检测结果；目标检测模型为根据第一误差和第二误差进行训练得到的，第一误差为相邻时刻采集到的样本检测区域的训练数据的目标检测结果与标准结果之间的误差，第二误差为相邻时刻的目标检测结果之间的误差。

16、第五方面，本申请提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述第一方面提供的方法的步骤。

17、第六方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述第一方面提供的方法的步骤。

18、第七方面，本申请还提供一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现上述第一方面提供的方法的步骤。

19、上述检测模型的训练方法、装置、检测方法和装置，通过将相邻时刻采集到的样本检测区域的训练数据输入至初始检测模型，得到样本检测区域中目标物体在各时刻的目标检测结果；获取各时刻的目标检测结果与标准结果之间的第一误差，以及各时刻的目标检测结果之间的第二误差；根据第一误差和第二误差对初始检测模型进行训练，得到目标检测模型。在本实施例中，在对初始检测模型进行训练(对初始检测模型中的网络参数进行调整)时，使用的误差不仅包括各时刻的目标检测结果与标准检测结果之间的第一误差，还包括各时刻的目标检测结果之间的第二误差，即不仅考虑的各时刻的目标检测结果与标准结果之间的误差，还考虑到了相邻时刻的目标检测结果之间的误差，这样能够抑制训练得到的目标检测模型在时序上存在的不稳定性，从而能够提高目标检测模型的鲁棒性，以及使用目标检测模型得到的目标检测结果的准确性。

技术特征：

1.一种检测模型的训练方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述将相邻时刻采集到的样本检测区域的训练数据输入至初始检测模型，得到所述样本检测区域中目标物体在各时刻的目标检测结果，包括：

3.根据权利要求2所述的方法，其特征在于，所述各时刻的初始检测结果包括第一初始检测结果和第二初始检测结果，所述将所述各时刻的初始检测结果与所述标准结果进行匹配，得到所述各时刻的目标检测结果，包括：

4.根据权利要求1所述的方法，其特征在于，所述获取所述各时刻的目标检测结果与标准结果之间的第一误差，以及所述各时刻的目标检测结果之间的第二误差，包括：

5.根据权利要求1-4中任一项所述的方法，其特征在于，所述方法还包括：

6.根据权利要求5所述的方法，其特征在于，在获取所述各时刻的目标检测结果与标准结果之间的第一误差之前，所述方法还包括：

7.根据权利要求1所述的方法，其特征在于，所述各时刻的目标检测结果包括置信度和所述目标物体对应的检测框，所述第一误差包括置信度误差，以及所述检测框的位置误差、大小误差和偏转角误差。

8.一种检测方法，其特征在于，所述方法包括：

9.根据权利要求8所述的方法，其特征在于，训练所述目标检测模型的方法包括：

10.一种检测模型的训练装置，其特征在于，所述装置包括：

11.一种检测装置，其特征在于，所述装置包括：

12.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的方法的步骤。

13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。

14.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。

技术总结
本申请涉及一种检测模型的训练方法、装置、检测方法和装置，该检测模型的训练方法包括将相邻时刻采集到的样本检测区域的训练数据输入至初始检测模型，得到样本检测区域中目标物体在各时刻的目标检测结果；获取各时刻的目标检测结果与标准结果之间的第一误差，以及各时刻的目标检测结果之间的第二误差；根据第一误差和第二误差对初始检测模型进行训练，得到目标检测模型。使用本申请提供的检测模型的训练方法得到的目标检测模型的稳定性更强，使用该目标检测模型进行检测的检测结果更加准确。

技术研发人员：孟强,王家宝
受保护的技术使用者：广州卡尔动力科技有限公司
技术研发日：
技术公布日：2024/3/21