(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 202210236681.6 (22)申请日 2022.03.11 (71)申请人 美智纵横科技有限责任公司 地址 215100 江苏省苏州市相城经济开发 区漕湖大道39号 (72)发明人 刘力格　许铭淏　程冉　孙涛　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 尚伟净 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06V 10/774(2022.01) G06V 10/80(2022.01) (54)发明名称 模型训练方法、 检测方法、 机器人和存储介 质 (57)摘要 本申请公开了一种检测镜面物体的模型训 练方法、 检测方法、 机器人和存储介质。 该检测镜 面物体的模型训练方法包括： 获取训练图像， 训 练图像包括具有第一类镜面区域的第一图像和 具有第二类镜面区域的第二图像； 构建预设神经 网络模型； 利用第一图像和第二图像交替训练预 设神经网络模 型； 在预设神经网络模 型满足测试 条件的情况下， 得到训练好的镜面物体检测模 型。 本申请检测镜面物体的模型训练方法、 检测 方法、 机器人和存储介质通过构建共享物体特征 信息的预设神经网络模型， 利用玻璃和镜子具有 较强形似性的特点， 同时玻璃和镜子两类物体的 数据集， 大大扩充了预设神经网络模 型的训练数 据， 使得训练好的预设神经网络模 型具有更好的 精度和泛化 性。 权利要求书2页 说明书10页 附图7页 CN 114626452 A 2022.06.14 CN 114626452 A 1.一种检测镜面物体的模型训练方法， 其特 征在于， 包括： 获取训练图像， 所述训练图像包括具有第 一类镜面 区域的第 一图像和具有第 二类镜面 区域的第二图像； 构建预设神经网络模型； 利用所述第一图像和所述第二图像交替训练所述预设神经网络模型； 在所述预设神经网络模型满足测试 条件的情况 下， 得到训练好的镜面物体 检测模型。 2.根据权利要求1所述的模型训练方法， 其特 征在于， 所述获取训练图像， 包括： 通过相机采集场景中分别带有第一镜面物体和第二镜面物体的待处 理图像； 对所述待处 理图像进行分类得到所述第一图像和所述第二图像； 根据对所述待处理图像的标注信息分别得到所述第一图像和所述第二图像对应的掩 码图像。 3.根据权利要求2所述的模型训练方法， 其特征在于， 所述利用所述第 一图像和所述第 二图像交替训练所述预设神经网络模型， 包括： 通过所述预设神经网络模型对所述第一图像或所述第二图像进行处 理得到预测图像； 根据所述掩码图像和所述预测图像 计算所述预设神经网络模型的误差； 根据所述 误差优化所述预设神经网络模型。 4.根据权利要求3所述的模型训练方法， 其特征在于， 所述通过所述预设神经网络模型 对所述第一图像或所述第二图像进行处 理得到预测图像， 包括： 将所述第一图像或所述第二图像作为所述预设神经网络模型的输入图像； 对所述输入图像进行 特征提取获取多层级特 征图； 将多层级所述特 征图进行融合得到多层级融合特 征图； 对多层级所述融合特 征图进行处 理并合成目标 特征图； 根据所述目标 特征图和第一预测模块进行 预测得到第一预测结果； 根据所述第一预测结果 生成所述预测图像。 5.根据权利要求4所述的模型训练方法， 其特征在于， 所述对所述输入图像进行特征提 取获取多层级特 征图， 包括： 利用ResNe Xt对所述输入图像进行 特征提取得到多层级所述特 征图。 6.根据权利要求4所述的模型训练方法， 其特征在于， 所述将多层级所述特征图进行融 合得到多层融合特 征图， 包括： 依次将各层级所述特 征图上采样得到多个上采样特 征图； 将各层级所述特征图对应的所述上采样特征图与上一层级的所述特征图进行融合得 到所述融合特 征图。 7.根据权利要求6所述的模型训练方法， 其特征在于， 所述将各层级所述特征图对应的 所述上采样特 征图与上一层级的所述特 征图进行融合得到所述融合特 征图， 包括： 根据当前层级的所述上采样特 征图和第二预测模块进行 预测得到第二预测结果； 对所述第二预测结果进行处 理得到注意力图； 将所述注意力图与上一层级的所述特 征图相乘得到中间特 征图； 将所述中间特 征图和当前层级的所述上采样特 征图相加得到所述融合特 征图。 8.根据权利要求7所述的模型训练方法， 其特征在于， 所述根据 所述掩码图像和所述预权　利　要　求　书 1/2 页 2 CN 114626452 A 2测图像计算所述预设神经网络模型的误差的步骤， 通过以下损失函数进行计算： L＝ωpredLpred+ωauxLaux 其中Lpred和和Laux分别为第一预测 模块和第二预测 模块的Lov ász Hinge误差， ωpred和 ωaux为第一预测模块和第二预测模块 误差的权 重。 9.根据权利要求4所述的模型训练方法， 其特征在于， 所述根据 所述目标特征图和第 一 预测模块进行 预测得到第一预测结果， 包括： 利用SPHead模块对所述目标 特征图进行 预测得到所述第一预测结果。 10.一种利用镜面物体检测模型的检测方法， 所述镜面物体检测模型根据权利要求1 ‑9 任一项所述的模型训练方法训练得到， 其特 征在于， 所述检测方法包括： 获取待检测图像； 利用所述镜面物体 检测模型对所述待检测图像进行处 理得到检测结果； 根据所述检测结果 生成检测图像。 11.一种机器人， 其特征在于， 包括处理器和存储器， 所述存储器上存储有计算机程序， 当所述计算机程序被所述处 理器进行 执行时， 实现权利要求10所述的检测方法。 12.一种包含有计算机程序的非易失性计算机可读存储介质， 其特征在于， 当所述计算 机程序被一个或多个处 理器执行时， 实现权利要求10所述的检测方法。权　利　要　求　书 2/2 页 3 CN 114626452 A 3