(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 202210999180.3 (22)申请日 2022.08.19 (65)同一申请的已公布的文献号 申请公布号 CN 115082758 A (43)申请公布日 2022.09.20 (73)专利权人 深圳比特微电子科技有限公司 地址 518051 广东省深圳市南 山区粤海街 道高新南六道航盛科技大厦801 (72)发明人 涂鹏　凌明　杨作兴　杨敏　艾国　 (74)专利代理 机构 北京润泽恒知识产权代理有 限公司 1 1319 专利代理师 刘祥景 (51)Int.Cl. G06V 10/774(2022.01) G06V 10/80(2022.01) (56)对比文件 CN 113870254 A,2021.12.31 CN 114882314 A,202 2.08.09 CN 114913094 A,202 2.08.16 CN 111951172 A,2020.1 1.17 CN 114758136 A,2022.07.15CN 113569814 A,2021.10.2 9 CN 113989577 A,2022.01.28 CN 114677565 A,2022.06.28 CN 114565631 A,202 2.05.31 CN 110826457 A,2020.02.21 WO 2020173 654 A1,2020.09.0 3 US 2021089 922 A1,2021.0 3.25 US 2022147749 A1,202 2.05.12 US 2022051467 A1,202 2.02.17 US 2020098096 A1,2020.0 3.26 王康豪.“基于Siamese网络的单目标跟踪算 法研究”. 《中国优秀硕士学位 论文全文数据库 (信息科技 辑)》 .202 2,(第 （202 2） 03期), 李宇.“基于深度学习的工业 零件分割与位 姿测量算法研究 ”. 《中国优秀硕士学位 论文全文 数据库 (工程科技 Ⅱ辑)》 .202 2,(第 （202 2） 03 期), Xiaolong Wang 等. “A-Fast-RCN N: Hard Positive Generati on via Adversary for Object Detecti on”. 《arXiv:1704.0 3414v1 [cs]》 .2017, (续) 审查员 张楠霞 (54)发明名称 目标检测模型的训练方法、 目标检测方法、 装置和介质 (57)摘要 本申请实施例提供了一种目标检测模型的 训练方法、 目标检测方法、 装置和介质， 其中的训 练方法具体包括： 利用特征提取单元， 对图像样 本进行特征提取； 利用特征融合单元， 对图像特 征进行融合处理； 分别对融合图像特征进行第一 随机掩码处理和第二随机掩码处理， 以得到第一 掩码融合图像特征和第二掩码融合图像特征； 利 用第一检测单元， 对第一掩码融合图像特征进行 目标检测， 得到第一检测结果， 利用第二检测单 元， 对第二掩码融合图像特征进行目标检测， 得 到第二检测结果； 根据第一检测结果和第二检测结果之间的匹配信息， 确定损失信息， 并根据损 失信息， 对目标检测模型的参数进行更新。 本申 请实施例可以使目标检测模型在环境发生变化 的情况下更加鲁棒。 [转续页] 权利要求书3页 说明书17页 附图3页 CN 115082758 B 2022.11.11 CN 115082758 B (56)对比文件 Min Yang 等. “Detecting interchanges in road netw orks usi ng a graph convolutional netw ork approach”. 《Geographical I nformati on Science》 .202 2, 王志等.基 于深度学习的复杂背景 下目标检测. 《重庆理工大 学学报(自然科 学)》 .2018,(第 04期),17 7-182. 杜鹏飞 等. “多模态视觉语言表征 学习研究 综述”. 《软件学报》 .2021,第32卷(第02期), 解天舒.“基于卷积神经网络的Dropout方法 研究”. 《中国优秀硕士学位 论文全文数据库 (信 息科技辑)》 .2021,(第 （202 2） 01期),2/2 页 2[接上页] CN 115082758 B1.一种目标检测模型的训练方法， 其特征在于， 所述目标检测模型包括： 特征提取单 元、 特征融合单元和检测单元， 所述检测单元包括： 第一检测单元和第二检测单元， 所述方 法包括： 利用特征提取单元， 对图像样本进行 特征提取， 以得到图像特 征； 利用特征融合单 元， 对所述图像特 征进行融合处 理， 以得到融合图像特 征； 分别对所述融合图像特征进行第 一随机掩码处理和第 二随机掩码处理， 以得到第 一掩 码融合图像特 征和第二掩码融合图像特 征； 利用第一检测单元， 对所述第一掩码融合图像特征进行目标检测， 以得到第一检测结 果， 以及， 利用第二检测单元， 对所述第二掩码 融合图像特征进行目标检测， 以得到第二检 测结果； 根据所述第一检测结果和第二检测结果之间的匹配信息， 确定损 失信息， 并根据所述 损失信息， 对所述目标检测模型的参数进行 更新； 其中， 所述第 一检测结果或第 二检测结果对应的检测结果信 息包括如下概率信 息中的 至少一种： 所述图像样本中像素点属于预设目标的像素概率信息； 所述图像样本中位置区 域属于预设目标的区域概率信息； 以及所述图像样本中像素点属于图像前景的前景概率信 息； 所述第一检测结果包括： 第一概率信息， 所述第二检测结果包括： 第二概率信息； 所述 根据所述第一检测结果和 第二检测结果之间的匹配信息， 确定损失信息， 包括： 确定第一概 率信息与第二概率信息之 间的度量信息； 确定第一概率信息与所述图像样本的标注信息之 间的第一损失信息； 确定第二概率信息与所述图像样本的标注信息之间的第二损失信息； 根据所述度量信息、 所述第一损失信息和所述第二损失信息， 确定损失信息 。 2.根据权利要求1所述的方法， 其特征在于， 所述第一随机掩码处理、 所述第二随机掩 码处理， 包括： 随机确定概 率值； 在概率值大于概 率阈值的情况 下， 对所述融合图像特 征执行随机掩码 操作。 3.根据权利要求2所述的方法， 其特征在于， 所述对所述融合图像特征执行随机掩码操 作， 包括： 根据所述图像样本对应的图像尺寸， 随机确定位置点； 根据所述 位置点和掩码尺寸， 确定掩码区域； 将所述掩码区域中 融合图像特 征的特征值替换为预设特 征值。 4.根据权利要求1所述的方法， 其特 征在于， 所述度量信息为对称性度量信息； 所述确定第一 概率信息与第二 概率信息之间的度量信息， 包括： 确定第一概率信 息的对数与第 二概率信 息的对数的第 一差值， 并确定第 一概率信 息的 对数与第一差值之间的第一乘积； 确定第二概率信 息的对数与第 一概率信 息的对数的第 二差值， 并确定第 二概率信 息的 对数与第二差值之间的第二乘积； 根据所述第 一乘积和第 二乘积的和， 确定第 一概率信 息与第二概率信 息之间的对称性 度量信息 。 5.一种目标检测方法， 其特 征在于， 所述方法包括：权　利　要　求　书 1/3 页 2 CN 115082758 B 3