(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 202210205615.2 (22)申请日 2022.03.03 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 杨黔生　 (74)专利代理 机构 中科专利商标代理有限责任 公司 11021 专利代理师 鄢功军 (51)Int.Cl. G06V 10/774(2022.01) G06V 10/25(2022.01) G06V 10/80(2022.01) G06K 9/62(2022.01) (54)发明名称 检测模型的训练方法、 目标检测方法、 装置、 设备和介质 (57)摘要 本公开提供了一种检测模型的训练方法， 涉 及人工智能技术领域， 尤其涉及计算机视觉、 图 像识别、 深度学习和增强现实技术领域， 可应用 于智慧城市和智 能交通场景。 具体实现方案为： 将样本图像输入检测模型， 得到输出结果， 其中， 输出结果包括样本图像的关系图， 关系图中的边 用于表征样本图像中多个关键点之间的关系信 息； 根据样本图像的标签与输出结果， 得到差异 值； 以及根据差异值， 训练检测模型。 本公开还提 供了一种目标检测方法、 装置、 电子设备和存储 介质。 权利要求书3页 说明书10页 附图6页 CN 114581730 A 2022.06.03 CN 114581730 A 1.一种检测模型的训练方法， 包括： 将样本图像输入检测模型， 得到输出结果， 其中， 所述输出结果包括所述样本图像的关 系图， 所述关系图中的边用于表征样本图像中多个关键点之间的关系信息； 根据所述样本图像的标签与所述输出 结果， 得到 差异值； 以及 根据所述差异值， 训练所述检测模型。 2.根据权利要求1所述的方法， 其中， 所述输出结果还包括所述样本图像的热图和所述 样本图像的深度图， 所述标签包括热图子标签、 深度图子标签和关系图子标签， 所述根据所述样本图像的标签与所述输出 结果， 得到 差异值包括： 根据所述热图和所述热图子标签， 得到第一损失值； 根据所述深度图和所述深度图子标签， 得到第二损失值； 根据所述关系图和所述关系图子标签， 得到第三损失值； 以及 根据所述第一损失值、 所述第二损失值和所述第三损失值， 得到所述差异值。 3.根据权利要求2所述的方法， 其中， 所述根据所述深度图和所述深度图子标签， 得到 第二损失值包括： 针对所述深度图中的至少一个关键点， 根据与 所述至少一个关键点中每个关键点对应 的局部深度图和局部深度图子标签， 得到至少一个第二子损失值， 其中， 所述局部深度图子 标签是根据所述每 个关键点和所述深度图子标签确定的； 以及 根据所述至少一个第二子损失值， 得到所述第二损失值。 4.根据权利要求2所述的方法， 其中， 所述根据所述关系图和所述关系图子标签， 得到 第三损失值包括： 针对所述关系图中的至少一个关键点， 根据与 所述至少一个关键点中每个关键点对应 的局部关系图和局部 关系图子标签， 得到至少一个第三子损失值， 其中， 所述局部 关系图子 标签是根据所述每 个关键点和所述关系图子标签确定的； 以及 根据所述至少一个第三子损失值， 得到所述第三损失值。 5.根据权利要求2所述的方法， 其中， 所述根据所述第一损 失值、 所述第二损 失值和所 述第三损失值， 得到所述差异值包括： 根据所述第一损失值、 所述第 二损失值和所述第 三损失值， 进行加权求和， 得到所述差 异值。 6.一种目标检测方法， 包括： 对目标图像进行目标检测， 得到目标检测结果， 其中， 所述目标检测结果包括所述目标 图像的关系图， 所述关系图中的边用于表征所述 目标图像中多个关键点之间的关系信息； 以及 根据所述目标检测结果， 确定所述目标图像中的多个关键点的目标信息 。 7.根据权利要求6所述的方法， 其中， 所述目标检测结果包括所述目标图像的热图和所 述样本图像的深度图， 所述根据所述目标检测结果， 确定所述目标图像中的多个关键点的目标信息包括： 将所述多个关键点中K个关键点的位置信 息和所述K个关键点的深度信息 融合， 得到第 一融合信息， 其中， 所述K个 关键点的位置信息是根据所述热图确定的， 所述K个关键点的深 度信息是根据所述深度图确定的， K为大于或等于1的整数； 以及权　利　要　求　书 1/3 页 2 CN 114581730 A 2将所述第一融合信息和所述K个关键点的偏移信息融合， 得到所述目标信息， 其中， 所 述K个关键点的偏移信息是根据所述关系图确定的， 每个关键点的偏移信息用于表征所述 每个关键点与所述多个关键点之间的偏移量。 8.根据权利要求7所述的方法， 其中， 所述将所述第一融合信息和所述K个关键点的偏 移信息融合， 得到所述目标信息包括： 对所述第一融合信息进行升维处 理， 得到升维后的第一融合信息； 将所述升维后的第一融合信息和所述K个关键点的偏移信息进行融合， 得到第二融合 信息； 以及 基于所述K个关键点中每个关键点的置信度， 对所述第 二融合信 息进行降维处理， 得到 所述目标信息 。 9.一种检测模型的训练装置， 包括： 第一获得模块， 用于将样本图像输入检测模型， 得到输出结果， 其中， 所述输出结果包 括所述样本图像的关系图， 所述关系图中的边用于表征样本图像中多个关键点之 间的关系 信息； 第二获得模块， 用于根据所述样本图像的标签与所述输出 结果， 得到 差异值； 以及 训练模块， 用于根据所述差异值， 训练所述检测模型。 10.根据权利要求9所述的装置， 其中， 所述输出结果还包括所述样本图像的热图和所 述样本图像的深度图， 所述标签包括热图子标签、 深度图子标签和关系图子标签， 所述第二获得模块包括： 第一获得子模块， 用于根据所述热图和所述热图子标签， 得到第一损失值； 第二获得子模块， 用于根据所述深度图和所述深度图子标签， 得到第二损失值； 第三获得子模块， 用于根据所述关系图和所述关系图子标签， 得到第三损失值； 以及 第四获得子模块， 用于根据 所述第一损失值、 所述第 二损失值和所述第 三损失值， 得到 所述差异值。 11.根据权利要求10所述的装置， 其中， 所述第二获得子模块包括： 第一获得单元， 用于针对所述深度图中的至少一个关键点， 根据与所述至少一个关键 点中每个关键点对应的局部深度图和局部深度图子标签， 得到至少一个第二子损失值， 其 中， 所述局部深度图子标签是根据所述每 个关键点和所述深度图子标签确定的； 以及 第二获得 单元， 用于根据所述至少一个第二子损失值， 得到所述第二损失值。 12.根据权利要求10所述的装置， 其中， 所述第三获得子模块包括： 第三获得单元， 用于针对所述关系图中的至少一个关键点， 根据与所述至少一个关键 点中每个关键点对应的局部关系图和局部关系图子标签， 得到至少一个第三子损失值， 其 中， 所述局部关系图子标签是根据所述每 个关键点和所述关系图子标签确定的； 以及 第四获得 单元， 用于根据所述至少一个第三子损失值， 得到所述第三损失值。 13.根据权利要求10所述的装置， 其中， 所述第四获得子模块包括： 第五获得单元， 用于根据 所述第一损失值、 所述第 二损失值和所述第 三损失值， 进行加 权求和， 得到所述差异值。 14.一种目标检测装置， 包括： 目标检测模块， 用于对目标图像进行目标检测， 得到目标检测结果， 其中， 所述目标检权　利　要　求　书 2/3 页 3 CN 114581730 A 3