(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210583646.1 (22)申请日 2022.05.25 (71)申请人 北京达佳互联信息技 术有限公司 地址 100085 北京市海淀区上地西路6号1 幢1层101D1-7 (72)发明人 戴宇荣　范琦　 (74)专利代理 机构 北京中博世 达专利商标代理 有限公司 1 1274 专利代理师 申健 (51)Int.Cl. G06V 10/774(2022.01) G06V 10/764(2022.01) G06V 10/74(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种目标检测模 型的训练方法、 目标检测方 法及装置 (57)摘要 本公开关于一种目标检测模 型的训练方法、 目标检测方法及装置， 涉及计算机技术领域。 该 方法包括： 确定已检测图片 包括的多个检测框中 每一个检测框的初始特征以及该每一个检测框 的初始特征对应的至少一个权重特征； 基于该每 一个检测框的初始特征以及该至少一个权重特 征， 生成该每一个检测框的目标特征； 基于该每 一个检测框的目标特征， 对第一目标检测模型训 练， 以生成第二目标检测模型。 本公开中， 电子设 备可以实现从分类图片到检测图片上的类别的 迁移， 无需对目标检测模型的训练样本进行大量 的人工标注， 可以准确地生 成能够表征该每一个 检测框的类别的真实数据分布的目标特征， 并且 能够提升目标检测模型的训练效率。 权利要求书2页 说明书19页 附图6页 CN 114898183 A 2022.08.12 CN 114898183 A 1.一种目标检测模型的训练方法， 其特 征在于， 包括： 确定已检测图片包括的多个检测框中每一个检测框的初始特征以及所述每一个检测 框的初始特征对应的至少一个权重特征， 其中， 一个检测框的初始特征对应的至少一个权 重特征中每一个权重特征与所述检测框的初始特征之 间的相似度大于或等于相似度阈值， 所述每一个检测框的初始特征对应的至少一个权重特征为第一分类器中包括的权重的特 征， 一个权 重对应所述第一分类 器中的一个 类别； 基于所述多个检测框中每一个检测框的初始特征以及所述每一个检测框的初始特征 对应的至少一个权 重特征， 生成所述每一个 检测框的目标 特征； 基于所述每一个检测框的目标特征， 对第一目标检测模型训练， 以生成第二目标检测 模型。 2.根据权利要求1所述的目标检测模型的训练方法， 其特征在于， 所述第 一目标检测模 型中包括第一子网络模型和第二子网络模型， 所述确定已检测图片包括的多个检测框中每 一个检测框的初始特 征， 包括： 获取所述已检测图片； 将所述已检测图片输入所述第一子网络模型， 进行特征识别， 得到所述已检测图片的 初始特征； 将所述已检测图片的初始特征输入所述第 二子网络模型， 得到所述多个检测框 中每一 个检测框的位置以及所述每一个 检测框的大小； 基于所述每一个检测框的位置以及所述每一个检测框的大小， 从所述已检测图片的初 始特征中提取 所述每一个 检测框的初始特 征。 3.根据权利要求2所述的目标检测模型的训练方法， 其特征在于， 所述第 一分类器为第 一图片分类模型中包括的分类器， 所述第一图片分类模型中包括第三子网络模型， 所述第 三子网络模型中的参数与所述第一子网络模型中的参数相同， 所述方法还 包括： 获取多个分类图片； 将所述多个分类图片输入所述第 三子网络模型， 得到所述多个分类图片中每个分类图 片的初始特 征； 将所述每个分类图片的初始特征输入所述第 一分类器， 得到所述每个分类图片在所述 第一分类 器中的预测分类结果。 4.根据权利要求3所述的目标检测模型的训练方法， 其特 征在于， 所述方法还 包括： 确定第一损失和第 二损失， 所述第 一损失用于表征多个分类图片中每个分类图片的真 实分类结果与所述每个分类图片在所述第一分类器中的预测分类结果之间的不一致程度， 所述第二损失用于表征所述多个检测框中每一个检测框的空间不一致程度， 其中， 一个检 测框的空间不一致程度包括所述检测框的真实位置与所述检测框在所述第一目标检测模 型中的预测位置之 间的不一致程度， 以及所述检测框的真实大小与所述检测框在所述第一 目标检测模型中的预测大小之间的不 一致程度； 所述基于所述每一个检测框的目标特征， 对第一目标检测模型训练， 以生成第二目标 检测模型， 包括： 将所述每一个检测框的目标特征输入第 二分类器， 得到所述每一个检测框在所述第 二 分类器中的预测分类结果， 所述第二分类 器为所述第一目标检测模型中包括的分类 器；权　利　要　求　书 1/2 页 2 CN 114898183 A 2确定第三损失和第四损失， 所述第 三损失用于表征所述每一个检测框的真实分类结果 与所述每一个检测框在所述第二分类器中的预测分类结果之间的不一致程度， 所述第四损 失用于表征所述每一个检测框中是否包括物体的真实结果与所述每一个检测框在所述第 二分类器中被预测为是否包括物体的结果之间的不 一致程度； 根据所述第一损失、 所述第二损失、 所述第三损失以及所述第四损失， 确定目标损失； 基于所述目标损 失， 更新所述第一目标检测模型中的参数， 以生成所述第二目标检测 模型。 5.一种目标检测方法， 其特 征在于， 包括： 获取待检测图片； 将所述待检测图片输入第 二目标检测模型， 得到所述待检测图片包括的至少一个检测 框各自的类别， 所述第二目标检测模型是基于权利要求1 ‑4中任一项所述的目标检测模型 的训练方法训练得到的。 6.一种目标检测模型的训练装置， 其特 征在于， 包括： 确定模块和处 理模块； 所述确定模块， 被配置为确定已检测图片包括的多个检测框 中每一个检测框的初始特 征以及所述每一个检测框的初始特征对应的至少一个权重特征， 其中， 一个检测框的初始 特征对应的至少一个权重特征中每一个权重特征与所述检测框的初始特征之间的相似度 大于或等于相似度阈值， 所述每一个检测框的初始特征对应的至少一个权重特征为第一分 类器中包括的权 重的特征， 一个权 重对应所述第一分类 器中的一个 类别； 所述处理模块， 被配置为基于所述多个检测框 中每一个检测框的初始特征以及所述每 一个检测框的初始特 征对应的至少一个权 重特征， 生成所述每一个 检测框的目标 特征； 所述处理模块， 还被配置为基于所述每一个检测框的目标特征， 对第一目标检测模型 训练， 以生成第二目标检测模型。 7.一种目标检测装置， 其特 征在于， 包括： 获取模块和处 理模块； 所述获取模块， 被 配置为获取待检测图片； 所述处理模块， 被配置为将所述待检测图片输入第二目标检测模型， 得到所述待检测 图片包括的至少一个检测框各自的类别， 所述第二 目标检测模型是基于权利要求1 ‑4中任 一项所述的目标检测模型的训练方法训练得到的。 8.一种电子设备， 其特 征在于， 所述电子设备包括： 处理器； 被配置为存 储所述处 理器可执行指令的存 储器； 其中， 所述处理器被配置为执行所述指令， 以实现如权利要求1 ‑4中任一项所述的目标 检测模型的训练方法， 或者实现如权利要求5所述的目标检测方法。 9.一种计算机可读存储介质， 所述计算机可读存储介质上存储有指令， 其特征在于， 当 所述计算机可读存储介质中的指令由电子 设备的处理器执行时， 使得所述电子 设备能够执 行如权利要求 1‑4中任一项 所述的目标检测模 型的训练方法， 或者执行如权利要求5所述的 目标检测方法。 10.一种计算机程序产品， 其特征在于， 所述计算机程序产品包括计算机指令， 当所述 计算机指令在电子设备的处理器上运行时， 使得所述电子设备执行如权利要求1 ‑4中任一 项所述的目标检测模型的训练方法， 或者执 行如权利要求5所述的目标检测方法。权　利　要　求　书 2/2 页 3 CN 114898183 A 3