(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 20221084726 0.7 (22)申请日 2022.07.19 (65)同一申请的已公布的文献号 申请公布号 CN 114937086 A (43)申请公布日 2022.08.23 (73)专利权人 北京鹰瞳科技发展股份有限公司 地址 100081 北京市海淀区北理工国防科 技园2号楼4层21室 (72)发明人 史晓宇　和超　张大磊　 (74)专利代理 机构 北京维昊知识产权代理事务 所(普通合伙) 11804 专利代理师 陈姗姗 (51)Int.Cl. G06T 7/73(2017.01) G06V 10/764(2022.01)G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (56)对比文件 CN 114399629 A,2022.04.26 CN 110991283 A,2020.04.10 CN 113688675 A,2021.1 1.23 US 10990852 B1,2021.04.27 审查员 赵晓春 (54)发明名称 多图像目标检测的训练方法、 检测方法及相 关产品 (57)摘要 本申请公开了一种目标检测模型的训练方 法、 多图像中检测固定位置目标的方法及相关产 品。 目标检测模 型用于对多个图像中固定位置目 标进行检测， 所述训练方法包括： 在训练过程的 每次迭代中， 接收多个训练图像作为所述目标检 测模型的输入； 利用所述目标检测模 型从所述多 个训练图像中提取特征图并输出响应点； 在标签 分配中， 联合所述多个训练图像中固定位置目标 的先验信息为所述响应点赋予标签； 以及基于赋 予的所述标签， 计算损失函数。 本申请的目标检 测模型在训练时以多图像为输入， 使得模型能够 学习多个图像 之间的一致性关系， 从而提高检测 性能。 权利要求书2页 说明书11页 附图4页 CN 114937086 B 2022.11.01 CN 114937086 B 1.一种目标检测模型的训练方法， 所述目标检测模型用于对多个图像中固定位置目标 进行检测， 其特 征在于， 所述训练方法包括： 在训练过程的每次迭代中， 接收多个训练图像作为所述目标检测模型的输入； 利用所述目标检测模型从所述多个训练图像中提取 特征图并输出响应点； 在标签分配中， 联合所述多个训练图像中固定位置目标的先验信 息为所述响应点赋予 标签； 以及 基于赋予的所述标签， 计算损失函数。 2.根据权利要求1所述的训练方法， 其特征在于， 联合所述多个训练图像中固定位置目 标的先验信息为所述响应点赋予标签包括： 对于特征图上的每个响应点， 根据 所述多个训练图像中的固定位置目标类别的标注真 值与所述响应点的映射关系， 为所述响应点确定分类标签； 以及 根据所述响应点所映射到的与确定的所述分类标签对应的所有标注真值， 确定所述响 应点的目标回归位置 。 3.根据权利要求2所述的训练方法， 其特征在于， 根据所述多个训练图像中的固定位置 目标类别的标注真值与所述响应点的映射关系， 为所述响应点确定分类标签包括： 根据所述目标检测模型的检测算法中标注真值的表达方式， 使用对应的方式计算所述 响应点与所述多个训练图像中的固定位置目标类别的标注真值之间的多个映射关系； 以及 响应于所述多个映射关系满足预定条件， 将所述响应点赋予固定位置目标类别标签。 4.根据权利要求2所述的训练方法， 其特征在于， 根据所述响应点所映射到的与确定的 所述分类标签对应的所有标注真值， 确定所述响应点的目标回归位置包括： 将所述响应点的目标回归位置设置为所述响应点映射到的所有固定位置目标类别的 标注真值的函数。 5.根据权利要求3所述的训练方法， 其特征在于， 当所述训练图像中还包括非固定位置 目标时， 所述 目标检测模型 的头部网络中还包括图层分支， 用于指示所预测的固定位置目 标所在图像的图层信息， 并且在所述标签分配中， 还 包括： 根据为所述响应点分配的分类标签和所述多个训练图像中图层信 息的先验信 息， 为所 述响应点赋予图层信息 。 6.根据权利要求5所述的训练方法， 其特征在于， 所述头部网络中还包括分类分支和回 归分支， 并且所述分类分支采用单个目标多分类识别方式， 所述回归分支采用单个位置多 目标同时 回归， 并且每 个目标独立 地进行回归。 7.根据权利要求5所述的训练方法， 其特征在于， 响应于所述多个映射关系满足预定条 件， 将所述响应点赋予固定位置目标类别标签包括： 根据所述映射关系确定所述响应点所映射到的所有标注真值， 其中所述标注真值包括 固定位置目标的标注真值和非固定位置目标的标注真值； 以及 响应于所映射到的固定位置目标的标注真值个数与所映射到的所有标注真值之间的 比例超过 预定阈值， 将所述响应点赋予固定位置目标类别标签。 8.根据权利要求7所述的训练方法， 其特征在于， 所述损 失函数包括分类损 失函数、 回 归损失函数和图层损失函数的叠加。 9.根据权利要求8所述的训练方法， 其特 征在于， 所述计算损失函数还 包括：权　利　要　求　书 1/2 页 2 CN 114937086 B 2根据所述比例， 对所述损失函数整体进行加权调整。 10.一种多图像中检测固定位置目标的方法， 其特 征在于， 所述方法包括： 目标检测模型接收多个输入图像， 其中所述目标检测模型已按照权利要求1 ‑9任一所 述的训练方法进行训练； 以及 所述目标检测模型对所述多个输入图像进行检测并输出预测结果， 所述预测结果至少 包括所预测目标为固定位置目标的类别输出和位置 输出。 11.根据权利要求10所述的方法， 其特征在于， 所述目标检测模型的头部网络中还包括 图层分支， 并且所述预测结果还包括指示所预测目标所在图像的图层输出， 所述方法还包 括： 根据所述类别 输出和所述图层输出， 识别所述多个图像中的固定位置目标及其所在的 图层。 12.根据权利要求10 ‑11任一所述的方法， 其特 征在于， 所述方法还 包括： 在图像层面对所述预测结果进行非极大值抑制处 理。 13.一种计算装置， 包括： 处理器， 其配置用于执 行程序指令； 以及 存储器， 其配置用于存储所述程序指令， 当所述程序指令由所述处理器加载并执行时， 使得所述处理器执行根据权利要求 1‑9任一所述的目标检测模型的训练方法或执行权利要 求10‑12任一所述的多图像中检测固定位置目标的方法。 14.一种计算机可读存储介质， 其中存储有程序指令， 当所述程序指令由处理器加载并 执行时， 使得所述处理器执行根据权利要求1 ‑9任一所述的目标检测模型的训练方法或执 行权利要求10 ‑12任一所述的多图像中检测固定位置目标的方法。权　利　要　求　书 2/2 页 3 CN 114937086 B 3