(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 202211144966.3 (22)申请日 2022.09.20 (71)申请人 上海高德威智能交通系统有限公司 地址 201821 上海市嘉定区云谷路59 9弄6 号620室J 1452 (72)发明人 张彬彬　 (74)专利代理 机构 深圳市世纪恒程知识产权代 理事务所 4 4287 专利代理师 梁爽 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/774(2022.01) G06V 10/77(2022.01) G06V 10/764(2022.01) G06N 3/08(2006.01) (54)发明名称 目标检测模型优化方法、 装置、 电子设备及 可读存储介质 (57)摘要 本申请公开了一种目标检测模 型优化方法、 装置、 电子设备及可读存储介质， 目标检测模型 包括特征提取单元、 域特征解耦单元和目标检测 单元， 该方法包括： 获取不同数据分布域的训练 图像样本以及训练图像样本所属数据分布域的 域信息特征； 通过共享网络参数的特征提取单元 对训练图像样本进行特征提取， 得到域共享图像 特征； 通过将域信息特征和域共享图像特征共同 输入域特征解耦单元， 对域共享图像特征进行域 解耦， 得到域解耦特征； 通过目标检测单元域解 耦特征进行目标检测， 得到目标检测结果； 根据 目标检测结果对应的目标检测损失， 优化目标检 测模型。 本申请解决了针对于不同数据分布域的 训练图像样 本， 目标检测模型冗余严重的技术问 题。 权利要求书2页 说明书14页 附图2页 CN 115527163 A 2022.12.27 CN 115527163 A 1.一种目标检测模型优化方法， 其特征在于， 所述目标检测模型包括特征提取单元、 域 特征解耦单 元和目标检测单 元， 所述目标检测模型优化方法包括： 获取不同数据分布域的训练图像样本以及所述训练图像样本所属数据分布域的域信 息特征； 通过所述特征提取单元对所述训练图像样本进行特征提取， 得到域共享图像特征， 其 中， 不同数据分布域的训练图像样本共享所述特 征提取单元的网络参数； 通过将所述域信 息特征和所述域共享图像特征共同输入所述域特征解耦单元， 对所述 域共享图像特 征进行域 解耦， 得到域 解耦特征； 通过将所述域解耦特征输入所述目标检测单元， 对所述训练图像样本进行目标检测， 得到目标检测结果； 根据所述目标检测结果得到的目标检测损失， 优化所述目标检测模型。 2.如权利要求1所述目标检测模型优化方法， 其特征在于， 所述对所述域共享图像特征 进行域解耦， 得到域 解耦特征的步骤 包括： 根据所述 域信息特 征和所述 域共享图像特 征， 构建基于域信息的通道 注意力权 重； 根据所述 通道注意力权 重， 对所述 域共享图像特 征进行域 解耦， 得到所述 域解耦特征。 3.如权利要求2所述目标检测模型优化方法， 其特征在于， 所述域特征解耦单元包括第 一编码器和第二编码器， 所述根据 所述域信 息特征和所述域共享图像特征， 构建基于域信 息的通道注意力 权重 的步骤包括： 通过将所述域信息特征输入所述第一编码器， 对所述域信息特征进行编码， 得到域信 息编码特 征； 将所述域信息编码特 征与所述 域共享图像特 征进行聚合， 得到聚合 域信息特 征； 通过将所述聚合域信息特征输入所述第二编码器， 对所述聚合域信息特征进行编码， 得到所述 通道注意力权 重。 4.如权利要求2所述目标检测模型优化方法， 其特征在于， 所述根据所述通道注意力 权 重， 对所述 域共享图像特 征进行域 解耦， 得到域 解耦特征的步骤 包括： 根据预设约束函数， 将所述 通道注意力权 重转换为重加权参数； 根据所述重加权参数， 对所述域共享图像特征的输出通道进行重加权， 得到所述域解 耦特征， 其中， 所述重加权参数用于增强与域信息 关联性强的输出通道的输出特征值， 以及 抑制与域信息关联性弱的输出通道的输出 特征值。 5.如权利要求1所述目标检测模型优化方法， 其特征在于， 所述根据所述目标检测结果 得到的目标检测损失， 优化所述目标检测模型的步骤 包括： 若所述目标检测损失收敛， 则判定所述目标检测模型优化完毕； 若所述目标检测损 失未收敛， 则根据所述目标检测损 失计算的梯度， 对所述特征提取 单元、 所述域特征解耦单 元、 所述目标检测单 元以及所述 域信息特 征进行反向传播更新； 返回执行步骤： 获取不同数据分布域的训练图像样本以及所述训练图像样本所属数据 分布域的域信息特 征， 直至检测到所述目标检测损失收敛。 6.如权利要求1所述目标检测模型优化方法， 其特征在于， 所述根据所述目标检测结果 得到的目标检测损失， 优化所述目标检测模型的步骤 包括：权　利　要　求　书 1/2 页 2 CN 115527163 A 2若所述目标检测损失收敛， 则判定所述目标检测模型优化完毕； 若所述目标检测损 失未收敛， 则根据所述目标检测损 失计算的梯度， 对所述域特征解 耦单元以及所述 域信息特 征进行反向传播更新； 返回执行步骤： 获取不同数据分布域的训练图像样本以及所述训练图像样本所属数据 分布域的域信息特 征， 直至检测到所述目标检测损失收敛。 7.如权利要求1所述目标检测模型优化方法， 其特征在于， 获取所述训练图像样本所属 数据分布域的域信息特 征， 包括： 获取所述训练图像样本所属数据分布域的域信息； 对所述域信息进行域信息特 征提取， 得到所述所属域对应的域信息特 征。 8.一种目标检测模型优化装置， 其特征在于， 所述目标检测模型包括特征提取单元、 域 特征解耦单 元和目标检测单 元， 所述目标检测模型优化装置包括： 获取模块， 用于获取不同数据分布域的训练图像样本以及所述训练图像样本所属数据 分布域的域信息特 征； 域共享特征提取模块， 用于通过所述特征提取单元对所述训练图像样本进行特征提 取， 得到域共享图像特征， 其中， 不同数据分布 域的训练图像样本共享所述特征提取单元的 网络参数； 域特征解耦模块， 用于通过将所述域信 息特征和所述域共享图像特征共同输入所述域 特征解耦单 元， 对所述 域共享图像特 征进行域 解耦， 得到域 解耦特征； 目标检测模块， 用于通过将所述域解耦特征输入所述目标检测单元， 对所述训练图像 样本进行目标检测， 得到目标检测结果； 模型优化模块， 用于根据所述目标检测结果得到的目标检测损 失， 优化所述目标检测 模型。 9.一种电子设备， 其特 征在于， 所述电子设备包括： 至少一个处 理器； 以及， 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的指令， 所述指令被所述至少一个处 理器执行， 以使所述至少一个处理器能够执行权利要求 1至7中任一项 所述的目标检测模型 优化方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有实现目 标检测模型优化方法的程序， 所述实现目标检测模型优化方法的程序被处理器执行以实现 如权利要求1至7中任一项所述目标检测模型优化方法的步骤。权　利　要　求　书 2/2 页 3 CN 115527163 A 3