CN110490058A - 行人检测模型的训练方法、装置、***和计算机可读介质 - Google Patents

Abstract

本发明提供了一种行人检测模型的训练方法、装置、***和计算机可读介质，该训练方法包括：将训练图像输入至神经网络，以生成关于所述训练图像中的目标对象的预测信息，所述预测信息包括检测框位置、检测框权重和检测框分数，其中，所述检测框权重表示所述检测框中目标对象与背景的相似性，相似性越高，则检测框权重越低；计算所述检测框分数与分数真值之间的第一分类误差，并根据所述检测框权重和所述第一分类误差计算加权分类误差；至少基于所述加权分类误差更新所述神经网络的网络参数。本发明在行人检测模型的训练过程中自动降低与背景相似的行人样本的检测框权重，从而降低了易混淆样本对网络参数的不利影响，极大地提高了行人检测的精度。

Description

行人检测模型的训练方法、装置、***和计算机可读介质

技术领域

本发明涉及行人检测技术领域，更具体地涉及一种行人检测模型的训练方法、装置、***和计算机可读介质。

背景技术

行人检测在安防和自动驾驶等领域有着广泛的应用，其目的是从图像或视频中把行人的位置寻找出来。行人检测是很多其他视觉任务的基础，例如行人重识别、行人跟踪和行人动作识别等。由于行人场景中存在许多和行人外观十分相似的背景异物，导致行人检测***在这些场景中会出现错误检测的状况，降低了行人检测的精确度。在安防或者自动驾驶场景中，错误的检测结果会导致严重的后果，因而需要更加精确的检测***，以降低与行人相似的异物对行人检测所造成的干扰。

发明内容

为了解决上述问题，本发明提出了一种基于权重自调节的行人检测模型的训练方案。下面简要描述本发明提出的关于行人检测模型的训练方案，更多细节将在后续结合附图在具体实施方式中加以描述。

根据本发明实施例一方面，提供了一种行人检测模型的训练方法，所述方法包括：

将训练图像输入至神经网络，以生成关于所述训练图像中的目标对象的预测信息，所述预测信息包括检测框位置、检测框权重和检测框分数，其中，所述检测框权重表示所述检测框中目标对象与背景的相似性，所述相似性越高，则所述检测框权重越低；

计算所述检测框分数与分数真值之间的第一分类误差，并根据所述检测框权重和所述第一分类误差计算加权分类误差；

至少基于所述加权分类误差更新所述神经网络的网络参数。

在一个实施例中，所述加权分类误差为所述检测框权重与所述第一分类误差的乘积。

在一个实施例中，所述方法还包括：计算所述检测框权重与权重真值之间的第二分类误差；以及基于所述第二分类误差更新所述网络参数。

在一个实施例中，所述方法还包括：计算所述检测框位置与位置真值之间的位置误差；以及基于所述位置误差更新所述网络参数。

在一个实施例中，所述生成所述训练图像中的训练目标的预测信息包括：基于所述神经网络对所述训练图像进行特征提取，以生成所述训练图像的特征图；根据所述特征图生成所述预测信息。

根据本发明实施例另一方面，提供了一种行人检测模型的训练装置，所述行人检测模型的训练装置包括：

预测模块，用于将训练图像输入至神经网络，以生成关于所述训练图像中的目标对象的预测信息，所述预测信息包括检测框位置、检测框权重和检测框分数，其中，所述检测框权重表示所述检测框中目标对象与背景的相似性，所述相似性越高，则所述检测框权重越低；

误差计算模块，用于计算所述检测框分数与分数真值之间的第一分类误差，并根据所述检测框权重和所述第一分类误差计算加权分类误差；以及

训练模块，用于至少基于所述加权分类误差更新网络参数。

在一个实施例中，所述加权分类误差为所述检测框权重与所述第一分类误差的乘积。

在一个实施例中，所述装置还包括：特征提取模块，用于基于所述神经网络对所述训练图像进行特征提取，以生成所述训练图像的特征图；并且，所述预测模块根据所述特征图生成所述预测信息。

根据本发明实施例再一方面，提供了一种行人检测模型的训练***，所述行人检测模型的训练***包括存储装置和处理器，所述存储装置上存储有由所述处理器运行的计算机程序，所述计算机程序在被所述处理器运行时执行上述任一项所述的行人检测模型的训练方法。

根据本发明实施例又一方面，提供了一种计算机可读介质，所述计算机可读介质上存储有计算机程序，所述计算机程序在运行时执行上述任一项所述的行人检测模型的训练方法。

本发明实施例的行人检测模型的训练方法、装置、***和计算机可读介质在行人检测模型的训练过程中自动降低与背景相似的行人样本的检测框权重，从而避免了易混淆样本对网络参数的不利影响，极大地提高了行人检测的精度。

附图说明

通过结合附图对本发明实施例进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与本发明实施例一起用于解释本发明，并不构成对本发明的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1示出用于实现根据本发明实施例的行人检测模型的训练方法、装置、***和计算机可读介质的示例电子设备的示意性框图；

图2示出根据本发明实施例的行人检测模型的训练方法的示意性流程图；

图3示出根据本发明实施例的行人检测模型的训练方法的神经网络的框架图；

图4示出根据本发明实施例的行人检测模型的训练装置的示意性框图；以及

图5示出根据本发明实施例的行人检测模型的训练***的示意性框图。

具体实施方式

为了使得本发明的目的、技术方案和优点更为明显，下面将参照附图详细描述根据本发明的示例实施例。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例，本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。

首先，参照图1来描述用于实现本发明实施例的行人检测模型的训练方法、装置、***和计算机可读介质的示例电子设备100。

如图1所示，电子设备100包括一个或多个处理器102、一个或多个存储装置104、输入装置106、输出装置108以及图像传感器110，这些组件通过总线***112和/或其它形式的连接机构(未示出)互连。应当注意，图1所示的电子设备100的组件和结构只是示例性的，而非限制性的，根据需要，所述电子设备也可以具有其他组件和结构。

所述处理器102可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元，并且可以控制所述电子设备100中的其它组件以执行期望的功能。

所述存储装置104可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器102可以运行所述程序指令，以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据，例如所述应用程序使用和/或产生的各种数据等。

所述输入装置106可以是用户用来输入指令的装置，并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。

所述输出装置108可以向外部(例如用户)输出各种信息(例如图像或声音)，并且可以包括显示器、扬声器等中的一个或多个。

所述图像传感器110可以拍摄用户期望的图像(例如照片、视频等)，并且将所拍摄的图像存储在所述存储装置104中以供其它组件使用。

当注意，图1所示的电子设备100的组件和结构只是示例性的，尽管图1示出的电子设备100包括多个不同的装置，但是根据需要，其中的一些装置可以不是必须的，其中的一些装置的数量可以更多等等，本发明对此不限定。

示例性地，用于实现根据本发明实施例的行人检测模型的训练方法、识别方法、装置及处理设备的示例电子设备可以被实现为诸如智能手机、平板电脑、计算机等智能终端。

下面，将参考图2描述根据本发明实施例的行人检测模型的训练方法200。

如图2所示，在步骤S210，将训练图像输入至神经网络，得到所述训练图像中的训练目标的预测信息，所述预测信息包括检测框位置、检测框权重和检测框分数，其中，所述检测框权重表示所述检测框中目标对象与背景的相似性，所述相似性越高，则所述检测框权重越低。反之，相似性越低，则所述检测框权重越高。

其中，所述训练图像可以是包含很多行人的任意抓拍图像。可以预先构建训练集，所述训练集中包括多幅训练图像，通常每幅训练图像上都包括一个或多个行人，行人的位置已经事先用边界框进行了标注，称为真实框。基于预先进行的标注，可以获得每个检测框的位置真值、分数真值和权重真值。

所述神经网络包括但不限于卷积神经网络，其可以在现有的各种目标检测神经网络的基础上进行改进，例如Faster R-CNN、RetinaNet、R-CNN、Fast R-CNN等神经网络。

所述神经网络具体包括特征提取网络以行人检测网络。其中，特征提取网络用于提取原始图像中的特征，输出原始图像的特征图。行人检测网络用于基于特征图进行行人检测，输出检测结果。

具体地，首先将训练图像输入神经网络，进行特征提取，以生成多种尺度的特征图。可通过诸如HOG(Histogram of Oriented Gradient，方向梯度直方图)特征提取算法、LBP(Local Binary Pattern，局部二值模式)特征提取算法、Haar-like特征提取算法等算法对目标图像进行特征提取处理，得到目标图像的特征图。在实际中，特征提取网络不一定需要完全重新构建，也可以直接将一些预训练的、用于图像分类任务的卷积神经网络删除最后用于分类输出的全连接层后的部分作为特征提取网络。特征提取网络的结构以及具体的特征提取方式在此不进行限制。

接着，基于所述特征图，确定关于目标对象的预测信息，具体包括目标对象的检测框位置、检测框权重和检测框分数，其中，如果存在行人，检测框位置表示包围这个行人的矩形框，检测框分数代表所述检测框中存在行人的概率。在一个实施例中，检测框权重也可以由检测框分数来表示，具体参见下文。

如图3所示，现有的行人检测模型在训练过程中只输出每个检测框的检测框位置和检测框分数，而本发明实施例在输出每个检测框的检测框位置和检测框分数的同时，还输出检测框权重，用于标识该检测框中存在目标对象的概率，也即表示该检测框中的目标与背景的相似性。

其中，可以采用各种可行的目标检测算法获得目标对象的预测信息，最后分别输出检测框位置、检测框权重和检测框分数。具体地，一般的检测模型采用两个分类器分别预测检测框位置和检测框分数，例如，RPN网络(Region Proposal Network，区域生成网络)可以在每一个位置可以同时预测目标边界和目标分数；在本实施例中，除了检测框位置之外，还采用两个相同或相似的分类器分别计算检测框中存在行人的概率，并分别作为检测框分数和检测框权重。

具体地，如果检测框中的目标与背景的相似性较高，则存在混淆的可能性较大，因此该检测框中存在目标对象的概率较低；相反地，如果检测框中的目标与背景的相似性较低，则该检测框中存在目标对象的概率较高。因此，如果这个检测框所在位置处的行人和背景异物相似，则网络趋向于输出低概率，从而使得该位置处的检测框的检测框权重降低，于是后续测得的加权分类误差较低，即训练时降低这个检测框的权重，从而降低了易混淆样本对网络参数的不利影响。

可以理解的是，检测框权重和检测框分数都用于表示该检测框所标示的位置处存在目标对象的概率。因此在实际训练时，可以使用相似或相同的分类器分别输出检测框权重和检测框分数，也就是说，这两个分类器输出的概率其一作为检测框分数，另一作为检测框权重。

在步骤S220，计算所述检测框分数与分数真值之间的第一分类误差，并根据所述检测框权重和所述第一分类误差计算加权分类误差。

如上所述，检测框权重代表该检测框中存在行人的概率，进一步地表示该检测框中的行人与背景的相似性，如果这个位置的行人和背景异物相似，网络趋向于输出低概率，从而使得该检测框的检测框权重降低。加权分类误差中包含检测框权重和第一分类误差两个因素，当检测框权重较低时，计算所得的加权分类误差较小，从而降低了易混淆样本对训练结果的影响。在一个实施例中，所述加权分类误差为所述检测框权重与所述第一分类误差的乘积。

除此之外，还包括计算所述检测框权重与权重真值之间的第二分类误差，以及计算所述检测框位置与位置真值之间的位置误差，当检测框权重由检测框分数来表示时，所述权重真值也可以由分数真值来表示；第二分类误差是检测框权重的训练误差，位置误差为检测框位置的训练误差。

在步骤S230，至少基于所述加权分类误差更新网络参数。

具体地，可以调整初始神经网络的网络参数，以尽量最小化加权分类误差的值。其中，网络参数可以包括神经网络的各层的权值，以及迭代次数等。除此之外，还包括基于所述第二分类误差和位置误差更新所述网络参数。

由于检测框中的行人与背景相似度越高，则检测框权重越低，加权分类误差相对越小，则该处的行人样本对训练结果的影响越小。

具体地，可以利用通过反向传播(BP，back-propagation)、随机梯度下降(SGD，stochastic gradient descent)或梯度回传等算法进行端到端(end-to-end)训练，来优化模型中的各个参数。每处理完一幅训练图像以后，可以判断是否满足训练结束条件，若满足条件则结束训练，此时的网络参数即可作为训练好的行人检测模型的参数。若不满足条件则返回至S210继续训练。训练结束的条件可以包括训练集中的训练图像已经用尽、损失函数已经收敛等等。

以上示例性地描述了根据本发明实施例的行人检测模型的训练方法。示例性地，根据本发明实施例的行人检测模型的训练方法可以在具有存储器和处理器的设备、装置或者***中实现。

此外，根据本发明实施例的行人检测模型的训练方法可以方便地部署到智能手机、平板电脑、个人计算机等移动设备上。替代地，根据本发明实施例的行人检测模型的训练方法还可以部署在服务器端(或云端)。替代地，根据本发明实施例的行人检测模型的训练方法还可以分布地部署在服务器端(或云端)和个人终端处。

基于上面的描述，根据本发明实施例的训练方法在行人检测模型的训练过程中自动降低与背景相似的行人样本的检测框权重，从而降低了易混淆样本对网络参数的不利影响，极大地提高了行人检测的精度。

以上示例性地描述了根据本发明实施例的行人检测模型的训练方法所包括的示例性步骤流程。

下面结合图4描述本发明另一方面提供的行人检测模型的训练装置。图4示出了根据本发明实施例的行人检测模型的训练装置400的示意性框图。

如图4所示，根据本发明实施例的行人检测模型的训练装置300包括预测模块410、误差计算模块420和训练模块430。所述各个模块可分别执行上文中结合图2描述的行人检测模型的训练方法的各个步骤/功能。

预测模块410用于将训练图像输入至神经网络，得到所述训练图像中的训练目标的预测信息，所述预测信息包括检测框位置、检测框权重和检测框分数，其中，所述检测框权重表示所述检测框中目标对象与背景的相似性，所述相似性越高，则所述检测框权重越低。反之，相似性越低，则所述检测框权重越高。

其中，所述训练图像可以是包含很多行人的任意抓拍图像。可以预先构建训练集，所述训练集中包括多幅训练图像，通常每幅训练图像上都包括一个或多个行人，行人的位置已经事先用边界框进行了标注，称为真实框。基于预先进行的标注，可以获得检测框的位置真值、分数真值和权重真值。

所述神经网络包括但不限于卷积神经网络，其可以在现有的各种目标检测神经网络的基础上进行改进，例如Faster R-CNN、RetinaNet、R-CNN、Fast R-CNN等神经网络。

所述神经网络具体包括特征提取网络以行人检测网络。其中，特征提取网络用于提取原始图像中的特征，输出原始图像的特征图。行人检测网络用于基于特征图进行行人检测，输出检测结果。

具体地，首先将训练图像输入神经网络，进行特征提取，以生成多种尺度的特征图。可通过诸如HOG(Histogram of Oriented Gradient，方向梯度直方图)特征提取算法、LBP(Local Binary Pattern，局部二值模式)特征提取算法、Haar-like特征提取算法等提取算法对目标图像进行特征提取处理，得到目标图像的特征图。在实际中，特征提取网络不一定需要完全重新构建，也可以直接将一些预训练的、用于图像分类任务的卷积神经网络删除最后用于分类输出的全连接层后的部分作为特征提取网络。特征提取网络的结构以及具体的特征提取方式在此不进行限制。

接着，基于所述特征图，确定关于目标对象的预测信息，具体包括目标对象的检测框位置、检测框权重和检测框分数，其中，如果存在行人，检测框位置表示包围这个行人的矩形框，检测框分数代表所述检测框中存在行人的概率。在一个实施例中，检测框权重也可以由检测框分数来表示，具体参见下文。

如图3所示，现有的行人检测模型在训练过程中只输出每个检测框的检测框位置和检测框分数，而本发明实施例在输出每个检测框的检测框位置和检测框分数的同时，还输出检测框权重，用于标识该检测框中存在目标对象的概率，也即表示该检测框中的目标与背景的相似性。

其中，可以采用各种可行的目标检测算法获得目标对象的预测信息，最后分别输出检测框位置、检测框权重和检测框分数。具体地，一般的检测模型采用两个分类器分别预测检测框位置和检测框分数，例如，RPN网络(Region Proposal Network，区域生成网络)可以在每一个位置可以同时预测目标边界和目标分数。在本实施例中，除了检测框位置之外，还采用两个相同或相似的分类器分别计算检测框中存在行人的概率，并分别作为检测框分数和检测框权重。

具体地，如果检测框中的目标与背景的相似性较高，则存在混淆的可能性较大，因此该检测框中存在目标对象的概率较低；相反地，如果检测框中的目标与背景的相似性较低，则该检测框中存在目标对象的概率较高。因此，如果这个检测框所在位置处的行人和背景异物相似，则网络趋向于输出低概率，从而使得该位置处的检测框的检测框权重降低，于是后续测得的加权分类误差较低，即训练时降低这个检测框的权重，从而降低了易混淆样本对网络参数的不利影响。

可以理解的是，检测框权重和检测框分数都用于表示该检测框所标示的位置处存在目标对象的概率。因此在实际训练时，可以使用相似或相同的分类器分别输出检测框权重和检测框分数，也就是说，这两个分类器输出的概率其一作为检测框分数，另一作为检测框权重。

误差计算模块420用于计算所述检测框分数与分数真值之间的第一分类误差，并根据所述检测框权重和所述第一分类误差计算加权分类误差。

如上所述，检测框权重代表该检测框中存在行人的概率，进一步地表示该检测框中的行人与背景的相似性，如果这个位置的行人和背景异物相似，网络趋向于输出低概率，从而使得该检测框的检测框权重降低。加权分类误差中包含检测框权重和第一分类误差两个因素，当检测框权重较低时，计算所得的加权分类误差较小，从而降低了易混淆样本对训练结果的影响。在一个实施例中，所述加权分类误差为所述检测框权重与所述第一分类误差的乘积。

除此之外，还包括计算所述检测框权重与权重真值之间的第二分类误差，以及计算所述检测框位置与位置真值之间的位置误差，当检测框权重由检测框分数来表示时，所述权重真值也可以由分数真值来表示；第二分类误差是检测框权重的训练误差，位置误差为检测框位置的训练误差。

训练模块430用于至少基于所述加权分类误差更新网络参数。

具体地，可以调整初始神经网络的网络参数，以尽量最小化加权分类误差的值。其中，网络参数可以包括神经网络的各层的权值，以及迭代次数等。除此之外，还包括基于所述第二分类误差和位置误差更新所述网络参数。

由于检测框中的行人与背景相似度越高，则检测框权重越低，加权分类误差相对越小，则该处的行人样本对训练结果的影响越小。

具体地，可以利用通过反向传播(BP，back-propagation)、随机梯度下降(SGD，stochastic gradient descent)或梯度回传等算法进行端到端(end-to-end)训练，来优化模型中的各个参数。每处理完一幅训练图像以后，可以判断是否满足训练结束条件，若满足条件则结束训练，此时的网络参数即可作为训练好的行人检测模型的参数。若不满足条件则继续训练。训练结束的条件可以包括训练集中的训练图像已经用尽、损失函数已经收敛等等。

以上示例性地描述了根据本发明实施例的行人检测模型的训练装置。示例性地，根据本发明实施例的行人检测模型的训练装置可以在具有存储器和处理器的设备、装置或者***中实现。

此外，根据本发明实施例的行人检测模型的训练装置可以方便地部署到智能手机、平板电脑、个人计算机等移动设备上。替代地，根据本发明实施例的行人检测模型的训练装置还可以部署在服务器端(或云端)。替代地，根据本发明实施例的行人检测模型的训练装置还可以分布地部署在服务器端(或云端)和个人终端处。

基于上面的描述，根据本发明实施例的训练装置在行人检测模型的训练过程中自动降低与背景相似的行人样本的检测框权重，从而降低了易混淆样本对网络参数的不利影响，极大地提高了行人检测的精度。

图5示出了根据本发明实施例的行人检测模型的训练***500的示意性框图。行人检测模型的训练***500包括存储装置510以及处理器520。

其中，存储装置510存储用于实现根据本发明实施例的行人检测模型的训练方法中的相应步骤的程序代码。处理器520用于运行存储装置510中存储的程序代码，以执行根据本发明实施例的行人检测模型的训练方法的相应步骤，并且用于实现根据本发明实施例的行人检测模型的训练装置中的相应模块。

在一个实施例中，在所述程序代码被处理器520运行时使得行人检测模型的训练***500执行以下步骤：

将训练图像输入至神经网络，以生成关于所述训练图像中的目标对象的预测信息，所述预测信息包括检测框位置、检测框权重和检测框分数，其中，所述检测框权重表示所述检测框中目标对象与背景的相似性，所述相似性越高，则所述检测框权重越低；

计算所述检测框分数与分数真值之间的第一分类误差，并根据所述检测框权重和所述第一分类误差计算加权分类误差；

至少基于所述加权分类误差更新所述神经网络的网络参数。

在一个实施例中，所述加权分类误差为所述检测框权重与所述第一分类误差的乘积。

在一个实施例中，在所述程序代码被处理器520运行时还使得行人检测模型的训练***500执行：计算所述检测框权重与权重真值之间的第二分类误差；以及基于所述第二分类误差更新所述网络参数。

在一个实施例中，在所述程序代码被处理器520运行时还使得行人检测模型的训练***500执行：计算所述检测框位置与位置真值之间的位置误差；以及基于所述位置误差更新所述网络参数。

在一个实施例中，所述生成所述训练图像中的训练目标的预测信息包括：基于所述神经网络对所述训练图像进行特征提取，以生成所述训练图像的特征图；根据所述特征图生成所述预测信息。

此外，根据本发明实施例，还提供了一种存储介质，在所述存储介质上存储了程序指令，在所述程序指令被计算机或处理器运行时用于执行本发明实施例的行人检测模型的训练方法的相应步骤，并且用于实现根据本发明实施例的行人检测模型的训练装置中的相应模块。所述存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。所述计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合。

在一个实施例中，所述计算机程序指令在被计算机运行时可以实现根据本发明实施例的行人检测模型的训练装置的各个功能模块，并且/或者可以执行根据本发明实施例的行人检测模型的训练方法。

在一个实施例中，所述计算机程序指令在被计算机或处理器运行时使计算机或处理器执行以下步骤：

将训练图像输入至神经网络，以生成关于所述训练图像中的目标对象的预测信息，所述预测信息包括检测框位置、检测框权重和检测框分数，其中，所述检测框权重表示所述检测框中目标对象与背景的相似性，所述相似性越高，则所述检测框权重越低；

计算所述检测框分数与分数真值之间的第一分类误差，并根据所述检测框权重和所述第一分类误差计算加权分类误差；

至少基于所述加权分类误差更新所述神经网络的网络参数。

在一个实施例中，所述加权分类误差为所述检测框权重与所述第一分类误差的乘积。

在一个实施例中，所述计算机程序指令在被计算机或处理器运行时还使计算机或处理器执行：计算所述检测框权重与权重真值之间的第二分类误差；以及基于所述第二分类误差更新所述网络参数。

在一个实施例中，所述计算机程序指令在被计算机或处理器运行时还使计算机或处理器执行：计算所述检测框位置与位置真值之间的位置误差；以及基于所述位置误差更新所述网络参数。

在一个实施例中，所述生成所述训练图像中的训练目标的预测信息包括：基于所述神经网络对所述训练图像进行特征提取，以生成所述训练图像的特征图；根据所述特征图生成所述预测信息。

根据本发明实施例的行人检测模型的训练方法、装置、***和计算机可读介质在行人检测模型的训练过程中自动降低与背景相似的行人样本的检测框权重，从而降低了易混淆样本对网络参数的不利影响，极大地提高了行人检测的精度。

尽管这里已经参考附图描述了示例实施例，应理解上述示例实施例仅仅是示例性的，并且不意图将本发明的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改，而不偏离本发明的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本发明的范围之内。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个设备，或一些特征可以忽略，或不执行。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该本发明的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如相应的权利要求书所反映的那样，其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域的技术人员可以理解，除了特征之间相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者其他合适的处理器来实现根据本发明实施例的一些模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

以上所述，仅为本发明的具体实施方式或对具体实施方式的说明，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种行人检测模型的训练方法，其特征在于，所述训练方法包括：

将训练图像输入至神经网络，以生成关于所述训练图像中的目标对象的预测信息，所述预测信息包括检测框位置、检测框权重和检测框分数，其中，所述检测框权重表示所述检测框中目标对象与背景的相似性，所述相似性越高，则所述检测框权重越低；

计算所述检测框分数与分数真值之间的第一分类误差，并根据所述检测框权重和所述第一分类误差计算加权分类误差；

至少基于所述加权分类误差更新所述神经网络的网络参数。

2.根据权利要求1所述的行人检测模型的训练方法，其特征在于，所述加权分类误差为所述检测框权重与所述第一分类误差的乘积。

3.根据权利要求1所述的行人检测模型的训练方法，其特征在于，还包括：

计算所述检测框权重与权重真值之间的第二分类误差；以及

基于所述第二分类误差更新所述网络参数。

4.根据权利要求1所述的行人检测模型的训练方法，其特征在于，还包括：

计算所述检测框位置与位置真值之间的位置误差；以及

基于所述位置误差更新所述网络参数。

5.根据权利要求1所述的行人检测模型的训练方法，其特征在于，所述生成所述训练图像中的训练目标的预测信息包括：

基于所述神经网络对所述训练图像进行特征提取，以生成所述训练图像的特征图；

根据所述特征图生成所述预测信息。

6.一种行人检测模型的训练装置，其特征在于，所述行人检测模型的训练装置包括：

预测模块，用于将训练图像输入至神经网络，以生成关于所述训练图像中的目标对象的预测信息，所述预测信息包括检测框位置、检测框权重和检测框分数，其中，所述检测框权重表示所述检测框中目标对象与背景的相似性，所述相似性越高，则所述检测框权重越低；

误差计算模块，用于计算所述检测框分数与分数真值之间的第一分类误差，并根据所述检测框权重和所述第一分类误差计算加权分类误差；以及

训练模块，用于至少基于所述加权分类误差更新所述神经网络的网络参数。

7.根据权利要求6所述的行人检测模型的训练装置，其特征在于，所述加权分类误差为所述检测框权重与所述第一分类误差的乘积。

8.根据权利要求6所述的行人检测模型的训练装置，其特征在于，还包括：

特征提取模块，用于基于所述神经网络对所述训练图像进行特征提取，以生成所述训练图像的特征图；并且，

所述预测模块根据所述特征图生成所述预测信息。

9.一种行人检测模型的训练***，其特征在于，所述行人检测模型的训练***包括存储方法和处理器，所述存储方法上存储有由所述处理器运行的计算机程序，所述计算机程序在被所述处理器运行时执行如权利要求1-5中的任一项所述的行人检测模型的训练方法。

10.一种计算机可读介质，其特征在于，所述计算机可读介质上存储有计算机程序，所述计算机程序在运行时执行如权利要求1-5中的任一项所述的行人检测模型的训练方法。