CN113139543B - 目标对象检测模型的训练方法、目标对象检测方法和设备 - Google Patents

Abstract

本公开公开了一种目标对象检测模型的训练方法、目标对象检测方法和设备，涉及人工智能领域，具体为计算机视觉和深度学习技术，可应用于智能云和电网巡检场景下。训练方法的具体实现方案为：针对多个样本图像中的任一个，利用目标对象检测模型来根据训练参数提取多个特征图，对多个特征图进行融合以获得至少一个融合特征图，并使用至少一个融合特征图获得目标对象的信息；基于目标对象的信息和与样本图像的标签信息，确定模型的损失；以及根据所述损失，调整训练参数。

Description

目标对象检测模型的训练方法、目标对象检测方法和设备

技术领域

本公开涉及人工智能领域，具体为计算机视觉和深度学习技术，可应用于智能云和电网巡检场景下，更具体地，涉及一种目标对象检测模型的训练方法、目标对象检测方法和设备。

背景技术

随着深度学习技术的进步，计算机视觉技术在工业场景中的落地越来越丰富。作为计算机视觉技术的基础，目标检测技术能够解决利用人工的传统方式耗时耗力的问题，因此具有十分广泛的应用前景。然而在检测工业设施的物理缺陷时，常常由于缺陷种类繁多、大小差异等原因导致检测结果不准确。

发明内容

本公开提供了一种目标对象检测模型的训练方法和设备、目标对象检测方法和设备、以及存储介质。

根据本公开的一方面，提供了一种训练目标对象检测模型的方法，包括：针对多个样本图像中的任一样本图像，执行以下操作：

利用所述目标对象检测模型来根据训练参数提取所述样本图像的多个特征图，对所述多个特征图进行融合以获得至少一个融合特征图，并使用所述至少一个融合特征图获得目标对象的信息；

基于所述目标对象的信息和与所述样本图像的标签相关的信息，确定所述目标对象检测模型的损失；以及

根据所述损失，调整所述训练参数。

根据本公开的另一方面，提供了一种使用目标对象检测模型来检测目标对象的方法，包括：

提取待检测图像的多个特征图；

对所述多个特征图进行融合以获得至少一个融合特征图；以及

使用所述至少一个融合特征图检测目标对象，

其中所述目标对象检测模型是通过使用根据本公开的任一示例实施例所述的方法训练的。

根据本公开的另一方面，提供了一种训练目标对象检测模型的设备，包括：

目标对象信息获取模块，被配置为利用所述目标对象检测模型来根据训练参数提取所述样本图像的多个特征图，对所述多个特征图进行融合以获得至少一个融合特征图，并使用所述至少一个融合特征图获得目标对象的信息；

损失确定模块，被配置为基于所述目标对象的信息和与所述样本图像的标签相关的信息，确定所述目标对象检测模型的损失；以及

参数调整模块，被配置为根据所述损失，调整所述训练参数。

根据本公开的另一方面，提供了一种使用目标对象检测模型来检测目标对象的设备，包括：

特征图提取模块，被配置为提取待检测图像的多个特征图；

特征图融合模块，被配置为对所述多个特征图进行融合以获得至少一个融合特征图；以及

目标对象检测模块，被配置为使用所述至少一个融合特征图检测目标对象，

其中所述目标对象检测模型是通过使用根据本公开的任一示例实施例所述的方法训练的。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开示例实施例的目标对象检测模型的训练方法的流程图；

图2A示出了根据本公开实施例的目标对象检测模型在训练过程中执行的操作的流程图；

图2B示出了根据本公开实施例的目标对象检测模型的结构框图；

图2C示出了利用根据本示例的目标对象检测模型提取特征图并融合特征图的过程的示意图；

图2D示出了根据本公开实施例基于第i级融合特征图和第i-1级特征图来获得第i-1级融合特征图的过程的示意图；

图3A示出了根据本公开另一实施例的目标对象检测模型在训练过程中执行的操作的流程图；

图3B示出了根据本公开另一实施例的目标对象检测模型的结构框图；

图3C根据本公开另一实施例基于第i级融合特征图和第i-1级特征图来获得第i-1级融合特征图的过程的示意图；

图3D示出了根据本公开另一实施例基于第i级融合特征图和第i-1级特征图来获得第i-1级融合特征图的过程的示意图；

图4示出了根据本公开示例实施例的对样本图像进行重叠剪切的示意图；

图5示出了根据本公开示例实施例的目标对象检测模型中的头部部分的示意；

图6示出了根据本公开示例实施例的使用目标对象检测模型来检测目标对象的方法的流程图；

图7示出了根据本公开示例实施例的训练目标对象检测模型的设备的框图；

图8示出了根据本公开示例实施例的使用目标对象检测模型来检测目标对象的设备的框图；以及

图9是用来实现本公开实施例的电子设备的另一示例的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本公开示例实施例的目标对象检测模型的训练方法的流程图。

通常，训练目标对象检测模型的方法总体上可以包括：获取多个样本图像，然后使用多个样本图像执行训练，直至所述目标对象检测模型的损失达到训练终止条件为止。

如图1所示，根据本公开示例实施例的训练目标对象检测模型的方法100可以具体包括针对多个样本图像中的任一样本图像，执行步骤S110至步骤S130。

在步骤S110，利用所述目标对象检测模型来根据训练参数提取所述样本图像的多个特征图，对所述多个特征图进行融合以获得至少一个融合特征图，并使用所述至少一个融合特征图获得目标对象的信息。特征图是对图像的表征，通过多次卷积计算，能够得到多个特征图。

特征图经过卷积核的计算会越变越小，其中高层的特征图具有较强的语义信息，而低层的特征图具有较多位置信息。本公开通过对所述多个特征图进行融合，可以获得至少一个融合特征图。融合特征图兼具语义信息和位置信息二者。因此，当使用融合特征图检测目标对象时，能够实现更准确的检测。

通过对所述特征图进行融合，来使用所述融合特征图检测目标对象，以获得目标对象的信息。目标对象的信息可以包括包围目标对象的检测框的分类信息、目标对象的中心位置坐标和尺度信息。在本公开的示例实施例中，目标对象的信息还包括目标对象的分割区域和分割结果。

在步骤S120，基于所述目标对象的信息和与所述样本图像的标签相关的信息，确定所述目标对象检测模型的损失。目标对象检测模型的损失可以包括：计算分类损失、回归框损失和多分支损失等。例如，可以通过用于计算相应损失的损失函数来分别计算相应的损失，并将计算出的损失进行求和来获得最终计算损失。

在步骤S130，根据所述损失，调整所述训练参数。例如，确定所述损失是否达到训练终止条件。训练终止条件可以由训练人员根据训练需求来设定。例如，可以根据目标对象检测模型的损失是否收敛和/或是否达到预定损失，来确定目标对象检测模型是否已完成训练。

响应于确定所述损失达到训练终止条件或达到预定损失，则认为所述目标对象检测模型训练完成，目标对象检测模型的训练方法结束。否则，即，当确定所述损失没有达到训练终止条件时，该训练方法可以根据损失调整训练参数并用下一训练图像继续训练。

本公开示例实施例通过在训练中利用目标检测模型提取样本图像的多个特征图并对所述多个特征图进行融合，使得经训练的目标对象检测模型能够获得更多样化的特征信息，从而提高目标检测的准确性。

在一些实施例中，在开始训练之前，可以根据样本图像的标签将所述多个样本图像分成多个类别，并分别使用每个类别的样本图像来训练目标对象检测模型。例如在执行上述步骤S110之前，可以根据样本图像的标签将所述多个样本图像分成多个类别，并针对每个类别的样本图像来执行步骤S110至S130。通过这种方式，实现对目标对象检测模型进行分类训练。在针对每个类别训练目标对象检测模型时，可以控制各个类别样本图像的数量，以便针对同一类别下的属于不同子类的标签实现均匀采样。

在应用于电网缺陷检测的情况下，缺陷的差别性很大，如果根据缺陷的尺寸相似性而对不同缺陷进行分类从而形成不同类别的标签，那么同一标签类型下的缺陷还可以具有多个子类，例如，这些子类可以是根据引起缺陷的原因而划分的。本公开的实施例通过采用上述分类训练的方式，可以加快训练的收敛速度，提高训练的效率。在针对每个标签类型训练目标对象检测模型时，通过对于每个子类进行动态采样的数据采样策略，使得对各个子类的训练数量相差不会过大，从而进一步加快训练收敛速度，并且提高训练的结果精度。

下面将参考图2A至图2D来描述根据本公开示例实施例的目标对象检测模型在训练过程中执行的操作。

图2A示出了根据本公开实施例的目标对象检测模型在训练过程中执行的操作的流程图。如图2A所示，上述利用目标检测模型获取样本图像中的目标对象的信息的操作可以包括步骤S211至步骤S213。

在步骤S211，对样本图像进行多分辨率变换，以分别获得第1级特征图至第N级特征图，其中N是大于或等于2的整数。例如，可以经由多个卷积层(例如，N个卷积层)对样本图像进行卷积计算，每个卷积层包含卷积核。通过卷积核的卷积运算，能够获得N个特征图，即，第1级特征图至第N级特征图。

在步骤S212，从第N级特征图开始依次对所述第N级特征图至所述第1级特征图中的相邻两级特征图进行融合，以获得第N级融合特征图至第1级融合特征图。由于高层的特征图具有较强的语义信息，而低层的特征图具有较多位置信息，因此，通过对相邻两级特征图的融合，可以使要被用于目标对象检测的融合特征图含更多样化的信息，从而提高了检测的准确性。

在步骤S213，使用所述至少一个融合特征图获得目标对象的信息。在本公开的示例实施例中，目标对象的信息包括：包围目标对象的检测框的分类信息、目标对象的中心位置坐标和尺度信息、目标对象的分割区域和分割结果。

本公开的实施例通过对经多分辨率变换而获得的多个特征图按照变换级别进行融合，能够在基本不增加计算量的情况下，提升对多尺度物体的检测准确性，从而可以应用于包括复杂场景在内的多种场景。

图2B示出了根据本公开实施例的目标对象检测模型的结构框图。如图2B所示，目标对象检测模型200可以包括骨干(Backbone)部分210、脖子(Neck)部分220、头部(Head)部分230。可以采用样本图像20对目标对象检测模型200进行训练。在训练过程中，利用骨干部分210提取多个特征图，利用脖子部分220融合多个特征图以获得至少一个融合特征图，并利用头部部分230来使用至少一个融合特征图检测目标对象，得到目标对象的信息。

可以基于目标对象的信息和与样本图像的标签相关的信息，确定所述目标对象检测模型的损失。例如可以在目标对象检测模型200执行上述操作的过程中，从骨干部分210、脖子部分220和头部部分230获取与计算损失相关的信息，并可以通过使用相应的损失计算函数来基于所获取的信息和已知的与样本图像中的标签相关的信息，计算目标对象检测模型的损失。如果损失不满足预设的收敛条件，则整目标对象检测模型使用的训练参数，然后针对下一个样本图像再次进行训练，直到损失满足预设的收敛条件为止。通过这种方式，实现目标对象检测模型的训练。

下面，将详细描述目标检测模型的骨干(Backbone)部分210、脖子(Neck)部分220、头部(Head)部分230。

骨干部分210可以针对样本图像20执行特征提取，例如可以通过采用具有预设置的训练参数的卷积神经网络，产生多个特征图。具体地，骨干部分210可以通过对所述样本图像20进行多分辨率变换，以分别获得第1级特征图至第N级特征图P1、P2......PN，其中N是大于或等于2的整数。在图2B中，以3级分辨率变换(N＝3)为例示出了目标对象检测模型200。

在提取了特征图P1、P2......PN之后，如果目标对象检测模型直接将由骨干部分210提取的特征图P1、P2......PN送入作为检测头的头部部分230以检测目标对象，则可能导致缺乏对多尺度目标对象的检测能力。相比之下，本公开实施例通过对所述第1级特征图至所述第N级特征图进行处理，使得能够收集不同阶段中的特征图，从而丰富了向头部部分230输入的信息。

脖子部分220可以对所述第1级特征图至所述第N级特征图的融合，例如可以从第N级特征图开始依次对所述第N级特征图至所述第1级特征图中的相邻两级特征图进行融合，以获得第N级融合特征图至第1级融合特征图MN、M(N-1)......M1，在图2B中N＝3。

在一个示例中，从第N级特征图开始依次对第N级特征图至第1级特征图中的相邻两级特征图进行融合可以包括：对第i级融合特征图执行上采样，以获得经上采样的第i级融合特征图，其中i是整数且2≤i≤N；对第i-1级特征图执行1×1卷积，以获得经卷积的第i-1级特征图；以及对经卷积的第i-1级特征图和经上采样的第i级融合特征图相加，以获得第i-1级融合特征图，其中第N级融合特征图是通过对第N级特征图执行1×1卷积而获得的。

头部(Head)部分230可以使用至少一个融合特征图检测目标对象，得到目标对象的信息。例如使用融合特征图MN、M(N-1)......M1来确定样本图像中是否存在预设类别的目标对象，目标对象例如但不限于电网中可能存在的各种缺陷等等。

图2C示出了利用根据本示例的目标对象检测模型提取特征图并融合特征图的过程的示意图。参考图2C，骨干部分210可以通过对所述样本图像20进行多分辨率变换，以分别获得第1级特征图P1、第2级特征图P2和第3级特征图P3。随后，由脖子部分220对第1级特征图P1至第3级特征图P3中的相邻两级特征图进行融合，以获得第3级融合特征图M3至第1级融合特征图M1。

具体地，为了获得除了第N级融合特征图之外的其他级融合特征图，例如，第2级融合特征图M2，可以通过对第3级融合特征图M3执行上采样并对第2级特征图P2执行1×1卷积，随后将经卷积的第2级特征图和经上采样的第3级融合特征图相加，来获得第2级融合特征图，其中作为第N级融合特征图的第3级融合特征图M3是通过对第3级特征图执行1×1卷积来获得的。

在一个示例中，可以通过采用插值算法来进行对融合特征图的上采样，即，即在原有图像像素的基础上在像素点之间采用合适的插值算法***新的元素。此外，也可以通过对第i级融合特征图应用Carafe算子和可变形卷积(Deformable convolution net，DCN)上采样操作，来对第i级融合特征图执行上采样。Carafe是一种能够内容感知并重组特征的上采样方法，其可以在大的感知领域内聚合上下文信息。因此，相比于传统的插值算法，通过采用Carafe算子和DCN上采样操作得到的特征图能够更准确地聚合上下文信息。

图2D示出了根据本公开实施例基于第i级融合特征图和第i-1级特征图来获得第i-1级融合特征图的过程的示意图。如图2D所示，以i＝3为例，可以通过包括Carafe算子和DCNv2算子的上采样模块221对第3级融合特征图M3进行上采样，以获得经上采样的第3级融合特征图，其中DCNv2算子是DCN家族中的一种常用算子。除了DCNv2算子之外，还可以使用其他可变形卷积算子。此外，通过卷积模块222对第2级特征图P2进行卷积，以获得经卷积的第2级特征图。通过将经卷积的第2级特征图和经上采样的第3级融合特征图求和，获得第2级融合特征图M2。

本公开的实施例通过对经卷积的第i-1级特征图和经上采样的第i级融合特征图相加来获得第i-1级融合特征图，使得融合特征图能够体现出不同分辨率、不同语义强度的特征，从而进一步提高目标检测的准确性。

下面将参考图3A至图3D来描述根据本公开另一实施例的目标对象检测模型在训练过程中执行的操作。

图3A示出了根据本公开另一实施例的目标对象检测模型在训练过程中执行的操作的流程图。

如图3A所示，目标检测模型获取样本图像中的目标对象的信息的操作可以包括步骤S311至步骤S313。

在步骤S311，对样本图像进行多分辨率变换，以分别获得第1级特征图至第N级特征图。所述第1级特征图至第N级特征图可以经由N个卷积层对样本图像进行卷积计算而获得的。

在步骤S3121，从第N级特征图开始依次对所述第N级特征图至所述第1级特征图中的相邻两级特征图进行融合，以获得第N级融合特征图至第1级融合特征图，从而使要被用于目标对象检测的融合特征图含有更多样化的信息。

应注意，步骤S311和步骤S3121可以分别与上述步骤S211步骤和S212相同，因此将不在进行赘述。下面将详细描述步骤S3122。

在步骤S3122，在获得第1级融合特征图至第N级融合特征图M1、M2......MN之后，从第1级融合特征图开始依次对第1级融合特征图至第N级融合特征图中的相邻两级融合特征图执行第二次融合，以获得第1级二次融合特征图至第N级二次融合特征图Q1、Q2......QN。这样使得最顶层的融合特征图同样能够享受到底层带来的丰富的位置信息，从而提高了针对大物体的检测效果。

在步骤S313，使用所述至少一个二次融合特征图获得目标对象的信息。步骤S313可以与上述S213相同，因此将不在进行赘述。

本公开实施例通过对特征图执行两次融合，能够使得顶层的特征图可以包含底层的位置信息，从而提高了针对目标对象的检测准确性。

图3B示出了根据本公开另一实施例的目标对象检测模型的结构框图。图3B所示的目标对象检测模型300类似于上述的目标对象检测模型200，区别至少在于目标对象检测模型300对第1级特征图至第N级特征图P1、P2......PN执行两次融合。为了简化说明，下面仅针对二者的不同之处进行详细描述。

如图3B所示，目标对象检测模型300包括骨干部分310、脖子部分320和头部部分330。骨干部分310和头部部分330可以分别与上述骨干部分210和头部部分230相同，这里不再赘述。

脖子部分320包括第一融合分支320a和第二融合分支320b。第一融合分支320a可以用于获得第N级融合特征图至第1级融合特征图。第二融合分支320b用于从第1级融合特征图开始依次对第1级融合特征图至第N级融合特征图中的相邻两级融合特征图执行第二次融合，以获得第1级二次融合特征图至第N级二次融合特征图Q1、Q2......QN。

图3C示出了根据本公开另一实施例基于第i级融合特征图和第i-1级特征图来获得第i-1级融合特征图的过程的示意图。如图3C所示，由包括上采样模块321a和卷积模块222的第一融合分支320a执行对多个特征图P1、P2和P3的融合以获得融合特征图M1、M2和M3，且由第二融合分支320b执行第二次融合，以获得二次特征图Q1、Q2和Q3。执行第二次融合可以包括：在经过第一融合分支320a获得第N级融合特征图至第1级融合特征图之后，为了获得第j+1级二次融合特征图Q(j+1)(j为整数且1≤j＜N)，可以对第j级二次融合特征图Qj执行下采样且对第j+1级融合特征图M(j+1)执行3×3卷积，随后将经卷积的第j+1级融合特征图和经下采样的第j级二次融合特征图相加，以获得第j+1级二次融合特征图Q(j+1)，其中第1级二次融合特征图Q1是通过对第1级融合特征图执行3×3卷积而获得的。

具体地，为了获得除了第1级二次融合特征图之外的其他级二次融合特征图，例如，第2级二次融合特征图Q2，可以通过对第1级二次融合特征图Q1执行下采样并对第2级融合特征图M2执行3×3卷积，随后将经卷积的第2级融合特征图和经下采样的第3级二次融合特征图相加，来获得第2级二次融合特征图Q2，其中作为第1级二次融合特征图Q1是通过对第1级融合特征图M1执行3×3卷积来获得的，如图3C所示。

在一个示例中，可以通过采用池化操作来进行对二次融合特征图的下采样。此外，也可以通过对第j级二次融合特征图应用可变形卷积DCN下采样操作，来对第j级二次融合特征图执行下采样。

图3D示出了根据本公开另一实施例基于第i级融合特征图和第i-1级特征图来获得第i-1级融合特征图的过程的示意图。如图3D所示，为了获得第2级二次融合特征图Q2，通过实现为3×3DCNv2 Stride2的下采样模块321b对第1级二次融合特征图Q1进行下采样，以获得经下采样的第1级二次融合特征图。此外，通过卷积模块322b对第2级融合特征图M2进行卷积，以获得经卷积的第2级融合特征图。最终，通过将经卷积的第2级融合特征图和经下采样的第1级二次融合特征图求和，获得第2级二次融合特征图Q2。

本公开实施例通过对特征图执行两次融合，能够使得顶层的特征图可以包含底层的位置信息，从而提高了针对目标对象的检测准确性。

在一些实施例中，在对样本图像进行特征提取之前，还可以附加地对样本图像进行预处理。例如，可以在提取样本图像的特征图之前，对样本图像进行重叠剪切，以获得至少两个剪切图像，其中至少两个剪切图像中的任意两个剪切图像之间具有重叠的图像区域。图4示出了根据本公开示例实施例的对样本图像进行重叠剪切的示意图。

如图4所示，在无人机、遥感等应用场景下，如果所拍摄的样本图像尺寸过大，则可能导致对于尺寸偏小的目标对象无法检测识别。例如样本图像40中的目标对象T在整个图像中所占比例相对较小，可能导致检测困难。根据本公开的实施例，可以将样本图像40进行重叠剪切成四个剪切图像40-1至40-4，剪切图像40-1至40-4的边缘之间有重叠图像区域。这使得目标对象T可以出现在多个剪切图像中，例如出现在了剪切图像40-1、40-2和40-4中。相比于样本图像40，目标对象T剪切图像40-1、40-2和40-4中所占比例更大。可以利用剪切图像40-1至40-4来训练目标对象检测模型，从而进一步提高目标对象训练模型对小目标对象的检测能力。

另外，为了增加检测能力，还可以在上述任意实施例的目标对象检测模型的头部部分中加入另一分支，以便检测目标对象分割信息。图5示出了根据本公开示例实施例的目标对象检测模型中的头部部分的示意。

如图5所示，经融合的特征图50(例如，融合特征图Mi或二次融合特征图Qi)被输入到头部部分，其中头部部分可以包括两个分支531和532，分支531为用于检测包围目标对象在内的检测框的坐标和检测框的分类类别的分支结构，而分支532用于输出目标对象的分割区域和分割结果。分支532由5个卷积层和一个预测层构成的分支结构，其输出含有分割信息的图像，其中5个卷积层包括4个14×14×256的卷积层(14×14×256Convs)以及1个28×28×256的卷积层(28×28×256Conv)。也就是说，将如上经过处理的特征图输入包括两个检测分支的头部部分，以检测目标对象，其中一个分支输出包围目标对象在内的检测框的坐标和检测框的分类类别，且另一分支输出目标对象的分割区域和分割结果。

通过这种方式，能够输出更多的目标对象的信息，且输出的分割信息能够用于监督网络参数的学习，使得各个分支的目标检测的准确率提升，使得支持直接用分割区域来进行形状不固定缺陷的定位识别。

根据本公开的另一方面，还提供了一种检测目标对象的方法。图6示出了根据本公开示例实施例的使用目标对象检测模型来检测目标对象的方法600的流程图。

在步骤S610，使用目标对象检测模型来提取待检测图像的多个特征图。目标对象检测模型可以是通过上述实施例的训练方法训练的目标对象检测模型。目标对象检测模型可以采用上述任意实施例描述的神经网络结构。待检测图像可以是由无人机采集的图像。此外，当根据本公开示例实施例的检测目标对象的方法被用于检测电网缺陷时，待检测图像是与电网缺陷有关的图像。利用目标对象检测模型来提取待检测图像的多个特征图的方式可以与上述训练方法中的特征提取方式相同，这里不再赘述。

在步骤S620，可以由所述目标对象检测模型来对所述多个特征图进行融合以获得至少一个融合特征图，以便获得含有更多样化的关于目标对象的信息的融合特征图。利用目标对象检测模型对所述多个特征图进行融合的方式可以与上述训练方法中的融合方式相同，这里不再赘述。

在步骤S630，由目标对象检测模型使用至少一个融合特征图检测目标对象。利用目标对象检测模型检测目标对象的方式可以与上述训练方法中的融合方式相同，这里不再赘述。

此外，当用根据本公开示例实施例训练的目标对象检测模型来检测目标对象时，还可以对所述待检测图像进行预处理，所述预处理包括但不限于将待检测图像上采样到原图的2倍，再送进目标对象检测模型检测目标对象。

本公开的实施例通过使用目标对象检测模型来提取待检测图像的多个特征图并对所述多个特征图进行融合，使得能够获得更多样化的特征信息，从而提高目标检测的准确性。

图7示出了根据本公开示例实施例的训练目标对象检测模型的设备700的框图。

如图7所示，所述设备700可以包括目标对象信息获取模块710、损失确定模块720和参数调整模块730。

目标对象信息获取模块710可以被配置为：利用所述目标对象检测模型来根据训练参数提取所述样本图像的多个特征图，对所述多个特征图进行融合以获得至少一个融合特征图，并使用所述至少一个融合特征图获得目标对象的信息。在本公开的示例实施例中，目标对象的信息包括包围目标对象的检测框的分类信息、目标对象的中心位置坐标和尺度信息、目标对象的分割区域和分割结果。

损失确定模块720可以被配置为：基于所述目标对象的信息和与所述样本图像的标签相关的信息，确定所述目标对象检测模型的损失。目标对象检测模型的损失可以包括：计算分类损失、回归框损失和多分支损失等。例如，可以通过已知的用于计算相应损失的损失函数来分别计算相应的损失，并将计算出的损失值进行求和来获得损失。

参数调整模块730可以被配置为：根据所述损失，调整所述训练参数。例如，可以确定损失是否达到训练终止条件。训练终止条件可以由训练人员根据训练需求来设定。例如，参数调整模块730可以根据目标对象检测模型的损失是否收敛和/或是否达到预定值，来确定目标对象检测模型是否已完成训练。

本公开示例实施例通过在训练中利用目标检测模型提取样本图像的多个特征图并对所述多个特征图进行融合，使得经训练的目标对象检测模型能够获得更多样化的特征信息，从而提高目标对象检测模型的目标检测的准确性。

图8示出了根据本公开示例实施例的使用目标对象检测模型来检测目标对象的设备800的框图。

如图8所示，检测目标对象的设备800可以包括特征图提取模块810、特征图融合模块820和目标对象检测模块830。

特征图提取模块810可以被配置为使用目标对象检测模型提取待检测图像的多个特征图。所述目标对象检测模型可以是根据本公开示例实施例的训练方法和/或设备训练的。所述待检测图像可以是由无人机采集的图像。此外，当根据本公开示例实施例的检测目标对象的方法被用于检测电网缺陷时，待检测图像是与电网缺陷有关的图像。

特征图融合模块820可以被配置为使用所述目标对象检测模型来对所述多个特征图进行融合以获得至少一个融合特征图。

目标对象检测模块830可以被配置为使用所述目标对象检测模型来用所述至少一个融合特征图检测目标对象。

本公开的实施例通过使用目标对象检测模型提取待检测图像的多个特征图并对所述多个特征图进行融合，使得能够获得更多样化的特征信息，从而提高目标检测的准确性。

本公开的技术方案中，所涉及的用户个人信息的获取、存储和应用等均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品，通过提取待检测图像的多个特征图并对所述多个特征图进行融合，使得能够获得更多样化的特征信息，从而提高目标检测的准确性。

图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图9所示，设备900包括计算单元901，其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序，来执行各种适当的动作和处理。在RAM 903中，还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。

设备900中的多个部件连接至I/O接口905，包括：输入单元906，例如键盘、鼠标等；输出单元907，例如各种类型的显示器、扬声器等；存储单元908，例如磁盘、光盘等；以及通信单元909，例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和步骤，例如，如图1至图6所示的方法和步骤。例如，在一些实施例中，图1至图6所示的方法和步骤可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM903并由计算单元901执行时，可以执行上文描述的用于训练目标对象检测模型的方法和/或用于检测目标对象的方法的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行如上所述的用于训练目标对象检测模型的方法和/或用于检测目标对象的方法和步骤。

本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (15)

1.一种训练目标对象检测模型的方法，包括：针对多个样本图像中的任一样本图像，

利用所述目标对象检测模型来根据训练参数提取所述样本图像的多个特征图，对所述多个特征图进行融合以获得至少一个融合特征图，并使用所述至少一个融合特征图获得目标对象的信息；

基于所述目标对象的信息和与所述样本图像的标签相关的信息，确定所述目标对象检测模型的损失；以及

根据所述损失，调整所述训练参数，

其中，所述提取所述样本图像的多个特征图包括：对所述样本图像进行多分辨率变换，以分别获得第1级特征图至第N级特征图，其中N是大于或等于2的整数；

其中，所述对所述多个特征图进行融合包括：从第N级特征图开始依次对所述第N级特征图至所述第1级特征图中的相邻两级特征图进行融合，以获得第N级融合特征图至第1级融合特征图，以及

其中，所述从第N级特征图开始依次对所述第N级特征图至所述第1级特征图中的相邻两级特征图进行融合包括：

对第i级融合特征图执行上采样，以获得经上采样的第i级融合特征图，其中i是整数且2≤i≤N；

对第i-1级特征图执行1×1卷积，以获得经卷积的第i-1级特征图；以及

对经卷积的第i-1级特征图和经上采样的第i级融合特征图相加，以获得第i-1级融合特征图，

其中所述第N级融合特征图是通过对所述第N级特征图执行1×1卷积而获得的。

2.根据权利要求1所述的方法，其中，所述对第i级融合特征图执行上采样包括：通过对所述第i级融合特征图应用Carafe算子和可变形卷积DCN上采样操作，来对所述第i级融合特征图执行上采样。

3.根据权利要求1所述的方法，在获得第N级融合特征图至第1级融合特征图之后，还包括：

从所述第1级融合特征图开始依次对所述第1级融合特征图至所述第N级融合特征图中的相邻两级融合特征图执行第二次融合，以获得第1级二次融合特征图至第N级二次融合特征图。

4.根据权利要求3所述的方法，其中，所述执行第二次融合包括：

对第j级二次融合特征图执行下采样，以获得经下采样的第j级二次融合特征图，其中j是整数且1≤j＜N；

对第j+1级融合特征图执行3×3卷积，以获得经卷积的第j+1级融合特征图；以及

对经卷积的第j+1级融合特征图和经下采样的第j级二次融合特征图相加，以获得第j+1级二次融合特征图，

其中所述第1级二次融合特征图是通过对所述第1级融合特征图执行3×3卷积而获得的。

5.根据权利要求4所述的方法，其中，所述对第j级二次融合特征图执行下采样包括：通过对所述第j级二次融合特征图进行可变形卷积DCN下采样，来对所述第j级二次融合特征图执行下采样。

6.根据权利要求1所述的方法，还包括：

在提取所述样本图像的多个特征图之前，对所述样本图像进行重叠剪切，以获得至少两个剪切图像，其中所述至少两个剪切图像中的任意两个剪切图像之间具有重叠的图像区域。

7.根据权利要求1所述的方法，其中，所述使用所述至少一个融合特征图获得目标对象的信息包括：

通过将所述至少一个融合特征图输入两个检测分支来检测目标对象，以获得目标对象的信息，其中所述两个检测分支中的一个分支输出包围所述目标对象在内的检测框的坐标和检测框的分类类别，且另一分支输出目标对象的分割区域和分割结果。

8.根据权利要求1所述的方法，还包括：在利用所述目标对象检测模型来根据训练参数提取所述样本图像的多个特征图之前，根据样本图像的标签将所述多个样本图像分成多个类别，

其中针对每个类别的样本图像，执行所述利用所述目标对象检测模型来根据训练参数提取所述样本图像的多个特征图的操作。

9.一种检测目标对象的方法，包括使用目标对象检测模型来执行以下操作：

提取待检测图像的多个特征图；

对所述多个特征图进行融合以获得至少一个融合特征图；以及

使用所述至少一个融合特征图检测目标对象，

其中所述目标对象检测模型是通过使用权利要求1至8中任一项所述的方法训练的。

10.根据权利要求9所述的方法，其中，所述待检测图像是由无人机采集的图像。

11.根据权利要求9或10所述的方法，其中，所述待检测图像是与电网缺陷有关的图像。

12.一种训练目标对象检测模型的设备，包括：

目标对象信息获取模块，被配置为利用所述目标对象检测模型来根据训练参数提取样本图像的多个特征图，对所述多个特征图进行融合以获得至少一个融合特征图，并使用所述至少一个融合特征图获得目标对象的信息；

损失确定模块，被配置为基于所述目标对象的信息和与所述样本图像的标签相关的信息，确定所述目标对象检测模型的损失；以及

参数调整模块，被配置为根据所述损失，调整所述训练参数，

其中，所述目标对象信息获取模块还被配置为通过对所述样本图像进行多分辨率变换以分别获得第1级特征图至第N级特征图，来提取所述样本图像的多个特征图，其中N是大于或等于2的整数；

其中，所述目标对象信息获取模块还被配置为通过从第N级特征图开始依次对所述第N级特征图至所述第1级特征图中的相邻两级特征图进行融合，以获得第N级融合特征图至第1级融合特征图，来对所述多个特征图进行融合，以及

其中，所述从第N级特征图开始依次对所述第N级特征图至所述第1级特征图中的相邻两级特征图进行融合包括：

对第i级融合特征图执行上采样，以获得经上采样的第i级融合特征图，其中i是整数且2≤i≤N；

对第i-1级特征图执行1×1卷积，以获得经卷积的第i-1级特征图；以及

对经卷积的第i-1级特征图和经上采样的第i级融合特征图相加，以获得第i-1级融合特征图，

其中所述第N级融合特征图是通过对所述第N级特征图执行1×1卷积而获得的。

13.一种使用目标对象检测模型来检测目标对象的设备，包括：

特征图提取模块，被配置为提取待检测图像的多个特征图；

特征图融合模块，被配置为对所述多个特征图进行融合以获得至少一个融合特征图；以及

目标对象检测模块，被配置为使用所述至少一个融合特征图检测目标对象，

其中所述目标对象检测模型是通过使用权利要求1至8中任一项所述的方法训练的。

14.一种电子设备，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1-11中任一项所述的方法。

15.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-11中任一项所述的方法。