CN113627298A - 目标检测模型的训练方法及检测目标对象的方法、装置 - Google Patents

Abstract

本公开提供了一种目标检测模型的训练方法、检测目标对象的方法、装置、设备和介质，涉及人工智能领域，具体涉及计算机视觉和深度学习技术，可用于智能家居和智慧城市场景下。训练方法先将样本图像输入特征提取网络，得到第一特征数据，该样本图像具有指示样本图像中第一目标对象的第一实际位置和第一目标对象针对第二目标对象的实际条件概率的标签；将第一特征数据输入目标检测网络，得到第一目标对象的预测位置和第一目标对象针对第一预测位置的第一出现概率；将第一特征数据输入条件随机场网络，得到第一目标对象针对第二目标对象的第一条件概率；基于第一实际位置、预测位置、第一出现概率、实际条件概率和第一条件概率，训练目标检测模型。

Description

目标检测模型的训练方法及检测目标对象的方法、装置

技术领域

本公开涉及人工智能技术领域，具体涉及计算机视觉和深度学习技术领域，可应用于智能家居和智慧城市场景下。

背景技术

随着人工智能的发展，以卷积神经网络为代表的深度学习在目标检测、图像分类等领域得到了广泛应用。例如，在手势识别场景下，可以将人手作为待检测目标来建立目标检测任务。

在人数较多的场景下，手势指令通常会受到除指令发布者的人手外其他人手的干扰，难以保证手势识别的准确性。类似于该手势识别场景，检测可以相对于目标对象的中心点移动的子对象的场景，均存在识别不准确的问题。

发明内容

本公开提供了一种提高检测精度的目标检测模型的训练方法及检测目标对象的方法、装置、设备和存储介质。

根据本公开的一个方面，提供了一种目标检测模型的训练方法，其中，目标检测模型包括特征提取网络、目标检测网络和条件随机场网络；该方法包括：将样本图像输入特征提取网络，得到第一特征数据，其中，样本图像具有标签，该标签指示样本图像中第一目标对象的第一实际位置和第一目标对象针对第二目标对象的实际条件概率；将第一特征数据输入目标检测网络，得到第一目标对象的第一预测位置和第一目标对象针对第一预测位置的第一出现概率；将第一特征数据输入条件随机场网络，得到第一目标对象针对第二目标对象的第一条件概率；以及基于第一实际位置、第一预测位置、第一出现概率、实际概率和第二出现概率，对目标检测模型进行训练。其中，第二目标对象包含第一目标对象，且第一目标对象能够相对于第二目标对象的中心移动。

根据本公开的另一方面，提供了一种采用目标检测模型检测目标对象的方法，目标检测模型包括特征提取网络、目标检测网络和条件随机场网络；该方法包括：将待检测图像输入特征提取网络，得到第二特征数据；将第二特征数据输入目标检测网络，得到第一目标对象的第三预测位置和第一目标对象针对第三预测位置的第三出现概率；将第二特征数据输入条件随机场网络，得到第一目标对象针对第二目标对象的第二条件概率；以及基于第三出现概率和第二条件概率，确定待检测图像包括的第一目标对象；其中，第二目标对象包含第一目标对象，且第一目标对象能够相对于第二目标对象的中心移动；目标检测模型是采用前述的目标检测模型的训练方法训练得到的。

根据本公开的另一方面，提供了一种目标检测模型的训练装置，其中，目标检测模型包括特征提取网络、目标检测网络和条件随机场网络；该装置包括：第一特征数据获得模块，用于将样本图像输入特征提取网络，得到第一特征数据，其中，样本图像具有标签，该标签指示样本图像中第一目标对象的第一实际位置和第一目标对象针对第二目标对象的实际条件概率；第一目标检测模块，用于将第一特征数据输入目标检测网络，得到第一目标对象的第一预测位置和第一目标对象针对第一预测位置的第一出现概率；第一概率获得模块，用于将第一特征数据输入条件随机场网络，得到第一目标对象针对第二目标对象的第一条件概率；以及模型训练模块，用于基于第一实际位置、第一预测位置、第一出现概率、实际条件概率和第一条件概率，对目标检测模型进行训练，其中，第二目标对象包含第一目标对象，且第一目标对象能够相对于第二目标对象的中心移动。

根据本公开的另一方面，提供了一种采用目标检测模型检测目标对象的装置，其中，目标检测模型包括特征提取网络、目标检测网络和条件随机场网络；该装置包括：第二特征数据获得模块，用于将待检测图像输入特征提取网络，得到第二特征数据；第二目标检测模块，用于将第二特征数据输入目标检测网络，得到第一目标对象的第三预测位置和第一目标对象针对第三预测位置的第三出现概率；第二概率获得模块，用于将第二特征数据输入条件随机场网络，得到第一目标对象针对第二目标对象的第二条件概率；以及对象确定模块，用于基于第三出现概率和第二条件概率，确定待检测图像包括的第一目标对象，其中，第二目标对象包含第一目标对象，且第一目标对象能够相对于第二目标对象的中心移动；该目标检测模型是采用前述的目标检测模型的训练装置训练得到的。

根据本公开的另一个方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开提供的目标检测模型的训练方法和/或采用目标检测模型检测目标对象的方法。

根据本公开的另一个方面，提供了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，计算机指令用于使计算机执行本公开提供的目标检测模型的训练方法和/或采用目标检测模型检测目标对象的方法。

根据本公开的另一个方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本公开提供的目标检测模型的训练方法和/或采用目标检测模型检测目标对象的方法。

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是根据本公开实施例的目标检测模型的训练方法和检测目标对象的方法、装置的应用场景示意图；

图2是根据本公开实施例的目标检测模型的训练方法的流程示意图；

图3是根据本公开实施例的目标检测模型的结构示意图；

图4是根据本公开实施例的采用目标检测模型检测目标对象的方法的流程示意图；

图5是根据本公开实施例的目标检测模型的训练装置的结构框图；

图6是根据本公开实施例的采用目标检测模型检测目标对象的装置的结构框图；以及

图7是用来实施本公开实施例的目标检测模型的训练方法和/或采用目标检测模型检测目标对象的方法的电子设备的框图。

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。

本公开提供了一种目标检测模型的训练方法，其中，目标检测模型包括特征提取网络、目标检测网络和条件随机场网络。该训练方法包括特征提取阶段、目标检测阶段、概率预测阶段和模型训练阶段。在特征提取阶段中，将样本图像输入特征提取网络，得到第一特征数据，其中，该样本图像具有标签，该标签指示样本图像中第一目标对象的第一实际位置和第一目标对象针对第二目标对象的实际条件概率。在目标检测阶段中，将第一特征数据输入目标检测网络，得到第一目标对象的第一预测位置和第一目标对象针对第一预测位置的第一出现概率。在概率预测阶段中，将第一特征数据输入条件随机场网络，得到第一目标对象针对第二目标对象的第一条件概率。在模型训练阶段中，基于第一实际位置、第一预测位置、第一出现概率、实际条件概率和第一条件概率，对目标检测模型进行训练。其中，第二目标对象包含第一目标对象，且第一目标对象能够相对于第二目标对象的中心移动。

以下将结合图1对本公开提供的方法和装置的应用场景进行描述。

图1是根据本公开实施例的目标检测模型的训练方法和检测目标对象的方法、装置的应用场景示意图。

如图1所示，该实施例的场景100包括多个用户110、智能家居设备120和服务器130。智能家居设备120可以通过网络与服务器130进行交互，以从服务器130中获取数据，或向服务器130发送请求。

其中，智能家居设备120例如可以为智能音箱、智能冰箱、智能电视等智能设备。该智能家居设备120可以设置有图像采集装置，用于采集人脸、人手等图像，实现与用户的智能交互。在一实施例中，还可以采用智能手机、笔记本电脑等具有图像采集装置的任意电子设备替代该智能家居设备120。

在智能家居设备120具有手势识别功能时，该智能家居设备120例如可以将通过图像采集装置采集的图像140发送给与其通信连接的服务器130，由服务器130对该采集的图像140进行识别，得到该采集的图像140中的人手姿态，并基于该人手姿态确定手势指令。随后该服务器130可以确定响应该手势指令的应答信息，并将该应答信息作为识别结果150反馈给智能家居设备120。或者，服务器130可以将手势指令作为识别结果150反馈给智能家居设备120。或者，服务器130还可以仅将识别得到的人手位置作为识别结果150反馈给智能家居设备120，由智能家居设备120根据该人手位置确定人手姿态及手势指令。

根据本公开的实施例，在对采集的图像140进行识别时，例如可以将人手作为目标对象，采用目标检测模型检测得到该采集的图像140中的人手。目标检测模型例如可以包括只看一次的一级特征模型(You Only Look One-level Feature，YOLOF)、训练时间友好网络模型(Training-Time-Friendly Network，TTFNET)等能够对人手进行建模的模型。本公开对此不做限定。

其中，目标检测模型可以为服务器130预先训练得到的，或者可以为与服务器130通信连接的其他服务器训练得到的，由服务器130使用该目标检测模型进行人手检测。

根据本公开的实施例，如图1所示，在智能家居设备120的图像采集装置的采集范围内有多个用户时，采集的图像中可以包括多个用户的人手。在多个用户中的其中一个用户通过手势发送指令时，通常需要连贯的多个手势动作。在该发送指令的过程中，若其他用户的手摆出能够被响应的预定姿态，则会导致对发送指令的手势无法准确识别，从而存在误响应的情况。基于此，本公开期望通过提供的目标检测模型对该情况进行改善，提高手势识别的准确率。

需要说明的是，本公开提供的目标检测模型的训练方法一般可以由服务器130执行，或者与服务器130通信连接的其他服务器执行。相应地，本公开提供的目标检测模型的训练装置可以设置于服务器130中，或者与服务器130通信连接的其他服务器中。本公开提供的采用目标检测模型检测目标对象的方法可以由服务器130执行。相应地，本公开提供的采用目标检测模型检测目标对象的装置可以设置于服务器130中。

应该理解，图1中的终端、道路、车辆和通信基站的数目和类型仅仅是示意性的。根据实现需要，可以具有任意数据和类型的终端、道路、车辆和通信基站。

以下将结合图1，通过以下图2～图3对本公开提供的目标检测模型的训练方法进行详细描述。

如图2所示，该实施例的目标检测模型的训练方法200可以包括操作S210～操作S240。该目标检测模型包括特征提取网络、目标检测网络和条件随机场网络。可以理解的是，训练得到的目标检测模型可以用于对较大物体包括的、能够相对于该较大物体的中心点进行转动的较小物体进行识别。例如，该训练得到的目标检测模型可以用于对人手进行识别、对无人机云台上的相机进行识别、对无人机的机臂进行识别或对泥头车的翻斗进行识别等，本公开对此不做限定。

在操作S210，将样本图像输入特征提取网络，得到第一特征数据。

根据本公开的实施例，特征提取网络例如可以采用残差神经网络(ResidualNeural Network，ResNet)或者黑暗网络(DarkNet)框架等。其中，ResNet可以包括ResNet50、ResNet 101等，本公开对此不做限定。

该实施例可以将样本图像输入特征提取网络，经由特征提取网络处理后，输出第一特征数据。

示例性地，样本图像可以为预先添加有标签的图像，该图像中应包括需要检测的第一目标对象。该标签可以指示第一目标对象的实际位置。该实际位置例如可以由二维包围盒的位置来表示，可以通过对图像添加该二维包围盒来得到图像的标签。实际位置可以由二维包围盒的中心点在基于样本图像建立的坐标系中的位置，及该二维包围盒的高度和宽度来表示。

在一实施例中，样本图像的标签还可以指示包括第一目标对象与包括该第一目标对象的第二目标对象之间的实际条件概率，以表示在第二目标对象出现的情况下，第一目标对象出现的概率。通过该指示实际条件概率的标签，可以实现对第一目标对象和第二目标对象之间的绑定关系的表示。例如，若样本图像中第二目标对象的包围盒区域包括第一目标对象的像素位置，则该像素位置处的实际条件概率为1，其他像素位置处的实际条件概率为0。在手势识别场景中，可以是图像中表示用户A的包围盒区域中，用户A的人手所在位置处，实际条件概率为1，其他位置处条件概率为0。

在操作S220，将第一特征数据输入目标检测网络，得到第一目标对象的第一预测位置和第一目标对象针对第一预测位置的第一出现概率。

根据本公开的实施例，目标检测网络可以为目标检测模型的编码解码网络，且该目标检测网络可以包括两个分支，分别用于预测得到第一目标对象的第一位置和第一目标对象在该第一位置处出现的概率。

该实施例可以将第一特征数据作为目标检测网络中编码网络中，得到编码特征。随后将该编码特征输入两个分支的解码网络，分别由两个分支输出得到预测位置和出现概率。其中，预测位置例如可以由第一目标对象的包围盒的中心位置，及该第一目标对象的包围盒的高度和宽度来表示。出现概率可以表示在预测位置处的物体为第一目标对象的概率。

在操作S230，将第一特征数据输入条件随机场网络，得到第一目标对象针对第二目标对象的第一条件概率。

根据本公开的实施例，可以将第一特征数据输入条件随机场网络，由条件随机场网络输出该第一条件概率。条件随机场网络可以为相关技术中的条件随机场(ConditionalRandom Fields，CRF)模型，整体而言为一种概率图模型(Probabilistic Graph Model，PGM)。该条件随机场网络可以与目标检测网络为平行的两个分支结构。或者，该条件随机场网络可以与目标检测网络共享编码网络，条件随机场网络的解码网络与目标检测网络的解码网络彼此平行。

根据本公开的实施例，该条件随机场网络例如可以由多个卷积层依次连接构成，该多个卷积层的层数及各卷积层中卷积核的大小等参数可以根据实际需求进行设定。例如，可以设置5个卷积层，每个卷积层中卷积核的大小为3*3，卷积层中卷积核的个数可以根据输入的特征数据的大小来设定，本公开对此不做限定。

根据本公开的实施例，第一条件概率例如可以表示图像中第二目标对象的位置处出现第二目标对象包括的第一目标对象的概率值。具体可以表示第二目标对象的中心位置处出现第一目标对象的概率值。

在操作S240，基于第一实际位置、第一预测位置、第一出现概率、实际条件概率和第一条件概率，对目标检测模型进行训练。

根据本公开的实施例，可以为目标检测模型中的每个分支的任务分配一个损失函数。该实施例可以根据各分支输出的预测结果与标签指示的实际结果，得到为各分支分配的损失函数的取值。随后采用梯度下降算法、反向传播算法等，基于损失函数的取值对目标检测模型中各网络的参数进行优化，实现对目标检测模型的训练。可以理解的是，可以根据实际需求，仅为目标检测模型中的部分分支的任务分配损失函数，而不为除部分分支外的其他分支的任务分配损失函数，本公开对此不做限定。

根据本公开的实施例，对于预测位置的分支，分配的损失函数可以为定位损失函数。对于预测概率的分支，分配的损失函数可以为回归损失函数。对于得到第一条件概率的分支和得到第一出现概率的分支，可以采用相同或不同的回归损失函数，本公开对此不做限定。

本公开实施例通过在目标检测模型中设置条件概率场网络，并基于该条件随机场网络输出的条件概率来对整个模型进行训练，可以使得训练得到的目标检测模型能够学习到第一目标对象与第二目标对象之间的关联关系。如此，在采用训练得到的目标检测模型检测目标对象时，可以在多个第二目标对象的场景下，有效区分不同第二目标对象包括的第一目标对象。例如，在手势识别场景下，采用目标检测模型得到的条件概率，可以从检测得到的第一目标对象中，可以剔除掉与第二目标对象没有绑定关系的第一目标对象。从而可以提高手势识别的准确性，提高人机交互体验。

图3是根据本公开实施例的目标检测模型的结构示意图。

根据本公开的实施例，可以通过将第一特征数据输入目标检测模型，经由该目标检测模型输出针对第一目标对象的热图。其中，目标检测网络可以利用高斯核在第一特征数据上生成热图。生成的热图中各个点指示第一目标对象的中心位于该各个点的概率。由于利用高斯核生成热图的方法可以保证目标检测网络在第一目标对象的中心附近产生更强力的激活值。因此，该实施例可以基于热图中的峰值点来确定第一目标对象的预测中心位置，第一预测位置可以由该预测中心位置表示。同时可以确定该峰值点指示的概率为第一目标对象针对第一预测位置的第一出现概率。

根据本公开的实施例，第一预测位置除了包括预测中心位置外，还应包括第一目标对象的尺寸信息。如此提高得到的第一预测位置的准确性，提高定位第一目标对象的准确性。

在一实施例中，如图3所示，该实施例的目标检测模型300中包括特征提取网络310、由编码网络321和解码网络322构成的中心定位单元，由编码网络321和解码网络323构成的尺寸回归单元，以及由编码网络321和解码网络332构成的条件随机场网络。其中，中心定位单元和尺寸回归单元构成目标检测网络。

在一实施例中，该目标检测模型300可以基于TTFNET网络模型构成，该目标检测模型300与相关技术中的TTFNET模型的区别在于，该目标检测模型300中设置了解码网络332。

如此，该实施例在得到第一目标对象的第一预测位置和第一目标对象针对第一预测位置的第一出现概率时，可以将样本图像输入目标检测模型300。经由特征提取网络310处理后，得到第一特征数据。随后，该第一特征数据即可输入目标检测网络和条件随机场网络共享的编码网络321，得到编码特征。该编码特征输入中心定位单元中的解码网络322，可以得到针对第一目标对象的热图301。该编码特征输入尺寸回归单元中的解码网络323，可以得到第一目标对象的包围盒的宽度和高度的回归结果302，并将该回归得到的高度和宽度作为第一目标对象的预测高度和预测宽度。将该编码特征输入条件随机场网络中的解码网络332，可以得到条件概率图303，该条件概率图303可以指示第二目标对象出现的像素位置处，第一目标对象出现的概率。

示例性地，解码网络323通过回归编码特征可以得到定位的第一目标对象的中心到包围盒四个边的距离。从而得到第一目标对象的包围盒的宽度和高度，该高度、宽度和中心位置共同构成第一预测位置。

示例性地，在手势识别场景下，该条件概率图303中，例如可以包括表示人体中心、左手中心和右手中心的节点，由人体中心指向左手中心的边以及由人体中心指向右手中心的边，该边用来表示概率依赖关系。在得到该条件概率图303后，即可基于人体中心与人手中心之间的概率依赖关系，来计算得到人手针对人体的条件概率。

可以理解的是，得到热图301和回归结果的方法与相关技术中TTFNET模型得到热图和回归结果的方法类似。并基于条件概率图得到条件概率的方法与相关技术中采用条件随机场模型得到条件概率的方法类似。在此不再详述。

在一实施例中，目标检测模型除了可以得到第一目标对象的预测位置和出现概率外，还可以得到第二目标对象的预测位置和出现概率。具体地，可以将图像特征数据输入目标检测网络，得到第二目标对象的第二预测位置和第二目标对象针对所述第二预测位置的第二出现概率。该得到第二目标对象的预测位置和出现概率的方法与前述得到第一目标对象的预测位置和出现概率的方法类似。即如图3所示的目标检测模型300中，目标检测网络不仅可以对第一目标对象进行检测，还可以对第二目标对象进行检测。例如，该目标检测网络可以设置有两个检测通道，分别用于检测第一目标对象和第二目标对象。则目标检测网络输出的热图为两个检测通道的热图。

示例性地，样本图像的标签例如还可以指示第二目标对象的第二实际位置。如此，可以基于预测得到的第二目标对象的预测位置和出现概率，来对目标检测模型进行训练，以期进一步提高目标检测模型对第二目标对象的表达能力，提高得到的条件概率的精度，提高训练得到的目标检测模型的精度。具体地，可以基于第一实际位置、第一预测位置、第一出现概率、实际条件概率、第一条件概率、第二实际位置和第二预测位置，对目标检测模型进行训练。

根据本公开的实施例，在对目标检测模型进行训练时，可以为每个输出分支设置一个损失函数，以此提高基于损失函数训练得到的目标检测模型中每个分支的精度。

在一实施例中，在目标检测模型具有输出针对第一目标对象的热图的分支、输出回归结果的分支和输出条件概率图的分支时，训练目标检测模型的方法可以由以下流程来实现。可以基于第一实际位置、第一预测位置和第一出现概率，确定预定损失函数中第一回归损失子函数的取值，得到第一取值。基于第一实际位置和第一预测位置，确定预定损失函数中定位损失子函数的取值，得到第二取值。基于实际条件概率和第一条件概率，确定预定损失函数中第二回归损失子函数的取值，得到第三取值。最后基于第一取值、第二取值和第三取值，对目标检测模型进行训练。例如，可以预先为三个损失子函数分配有权重，可以根据权重，计算三个取值的加权和。最后基于该加权和，采用梯度下降算法或反向传播算法等对目标检测模型进行训练。

其中，可以基于第一实际位置确定样本图像中第一目标对象的实际中心点，将该实际中心点处的实际出现概率设定为1，非实际中心处的实际出现概率设定为0。同时，确定第一预测位置中第一目标对象的中心位置处的概率为第一出现概率，其他位置处的第一出现概率由热图中除峰值点外的其他点指示的概率来表示。则基于各个像素点的实际出现概率与预测的出现概率之间的差异，可以确定第一回归损失子函数的取值。该第一回归损失子函数例如可以由优化的焦点损失函数(Modified Focal Loss)来表示，或者还可以采用均方差损失函数等来表示，本公开对此不做限定。

其中，可以基于第一实际位置和第一预测位置，确定第一目标对象的实际包围盒和预测包围盒的面积交并比。随后基于该交并比计算定位损失子函数的取值。例如，可以为不同包围和的面积交并比分配不同的采样权重，依次平衡每个目标对象的检测结果对损失的贡献。可以理解的是，该计算定位损失子函数的取值的方法仅作为示例以利于理解本公开，本公开对此不做限定。

其中，可以将实际条件概率和第一条件概率之间的均方差作为第二回归损失函数的取值。可以理解的是，该第二回归损失函数可以与第一归回损失函数相同或不同，第二回归损失函数还可以采用焦点损失函数等，本公开对此不做限定。

在一实施例中，在得到三个损失函数的取值后，例如可以基于三个损失函数的加权和对目标检测模型中三个分支共享的特征提取网络和编码网络进行训练。随后，采用与三个分支的输出相关的三个子损失函数的取值分别对三个分支中的解码网络进行训练。

在一实施例中，在目标检测网络同时检测第二目标对象的预测位置和出现概率时，可以综合考虑第一目标对象的出现概率与实际出现概率之间的差异，第二目标对象的出现概率与实际出现概率之间的差异，来确定第一回归损失子函数的取值。同样，可以综合考虑第一目标对象的实际位置和预测位置之间的差异，第二目标对象的实际位置和预测位置之间的差异，来确定定位损失子函数的取值。本公开对该具体实现方式不做限定。

基于上述的目标检测模型的训练方法训练得到的模型，本公开还提供了一种采用该训练得到的模型检测目标对象的方法，以下将结合图5对该方法进行详细描述。

图4是根据本公开实施例的采用目标检测模型检测目标对象的方法的流程示意图。

如图4所示，该实施例的采用目标检测模型检测目标对象的方法400可以包括操作S410～操作S440。其中，目标检测模型是前文描述的目标检测模型的训练方法训练得到的。即，该目标检测模型包括特征提取网络、目标检测网络和条件随机场网络。

在操作S410，将待检测图像输入特征提取网络，得到第二特征数据。其中，得到第二特征数据的方法与得到前文描述的得到第一特征数据的方法类似，在此不再赘述。

在操作S420，将第二特征数据输入目标检测网络，得到第一目标对象的第三预测位置和第一目标对象针对第三预测位置的第三出现概率。其中，得到第三预测位置和第三出现概率的方法与得到前文描述的第一预测位置、第一出现概率的方法类似，在此不再赘述。

在操作S430，将第二特征数据输入条件随机场网络，得到第一目标对象针对第二目标对象的第二条件概率。其中，第二目标对象包含第一目标对象，且第一目标对象能够相对于第二目标对象的中心移动。得到第二条件概率的方法与得到前文描述的第一条件概率的方法类似，在此不再赘述。

在操作S440，基于第三出现概率和第二条件概率，确定待检测图像包括的第一目标对象。

根据本公开的实施例，可以基于第三出现概率与第二条件概率，确定第一目标对象的目标出现概率。确定预测的待检测图像中的多个第一目标对象中，目标出现概率高于预定阈值的第一目标对象为待检测图像包括的第一目标对象。

示例性地，可以将第三出现概率与第二条件概率的平均值作为第一目标对象的目标出现概率。或者，可以将第三出现概率与第二条件概率的平方根作为目标出现概率。本公开对获得目标出现概率的方法不做限定，只要该目标出现概率与第三出现概率正相关，且目标出现概率与第二条件概率正相关即可。例如，还可以将第三出现概率与第二条件概率的乘积作为目标出现概率。在手势识别场景中，假设人体中心为C_b，人手中心为C_h，则预测获得的人体中心和人手中心的条件概率可以表示为

(即第二条件概率)，同时考虑到直接预测得到的人手中心的概率

(即第三出现概率)，则获得的人手的目标出现概率

为：

本公开实施例通过采用目标检测模型得到第一目标对象针对第二目标对象的出现概率，并根据该出现概率对预测的第一目标对象进行筛选，得到待检测图像包括的第一目标对象，可以提高检测得到的第一目标对象的准确性。在手势识别场景下，便于将不属于指令发布者的人手剔除，提高手势识别准确性。

基于上述的目标检测模型的训练方法，本公开还提供了一种目标检测模型的训练装置。以下将结合图5对该装置进行详细描述。

图5是根据本公开实施例的目标检测模型的训练装置的结构框图。

如图5所示，该实施例的目标检测模型的训练装置500包括第一特征数据获得模块510、第一目标检测模块520、第一概率获得模块530和模型训练模块540。目标检测模型包括特征提取网络、目标检测网络和条件随机场网络。

第一特征数据获得模块510用于将样本图像输入特征提取网络，得到第一特征数据。其中，样本图像具有标签，该标签指示样本图像中第一目标对象的第一实际位置和第一目标对象针对第二目标对象的实际条件概率。在一实施例中，第一特征数据获得模块510可以用于执行前文描述的操作S210，在此不再赘述。

第一目标检测模块520用于将第一特征数据输入目标检测网络，得到第一目标对象的第一预测位置和第一目标对象针对第一预测位置的第一出现概率。在一实施例中，第一目标检测模块520可以用于执行前文描述的操作S220，在此不再赘述。

第一概率获得模块530用于将第一特征数据输入条件随机场网络，得到第一目标对象针对第二目标对象的第一条件概率。其中，第二目标对象包含第一目标对象，且第一目标对象能够相对于第二目标对象的中心移动。在一实施例中，第一概率获得模块530可以用于执行前文描述的操作S230，在此不再赘述。

模型训练模块540用于基于第一实际位置、第一预测位置、第一出现概率、实际条件概率和第一条件概率，对目标检测模型进行训练。在一实施例中，模型训练模块540可以用于执行前文描述的操作S240，在此不再赘述。

根据本公开的实施例，上述第一目标检测模块520可以包括热图获得子模块和中心确定子模块。热图获得子模块用于将第一特征数据输入目标检测网络，得到针对第一目标对象的热图，该热图中各个点指示第一目标对象的中心位于各个点的概率。中心确定子模块用于基于热图中的峰值点确定第一目标对象的预测中心位置，并确定峰值点指示的概率为第一出现概率。

根据本公开的实施例，上述目标检测网络可以包括中心定位单元和尺寸回归单元。上述第一目标检测模块520还可以包括尺寸获得子模块，用于将第一特征数据输入尺寸回归单元，得到第一目标对象的预测高度和预测宽度。其中，热图获得子模块用于将第一特征数据输入中心定位单元来获得热图。

根据本公开的实施例，上述第一目标检测模块520还用于将图像特征数据输入目标检测网络，得到第二目标对象的第二预测位置和第二目标对象针对第二预测位置的第二出现概率。其中，标签还指示第二目标对象的第二实际位置。上述模型训练模块540用于基于第一实际位置、第一预测位置、第一出现概率、实际条件概率、第一条件概率、第二实际位置和第二预测位置，对目标检测模型进行训练。

根据本公开的实施例，上述模型训练模块540可以包括第一取值获得子模块、第二取值获得子模块、第三取值获得子模块和训练子模块。第一取值获得子模块用于基于第一实际位置、第一预测位置和第一出现概率，确定预定损失函数中第一回归损失子函数的取值，得到第一取值。第二取值获得子模块用于基于第一实际位置和第一预测位置，确定预定损失函数中回归定位子函数的取值，得到第二取值。第三取值获得子模块用于基于实际条件概率和第一条件概率，确定预定损失函数中第二回归损失子函数的取值，得到第三取值。训练子模块用于基于第一取值、第二取值和第三取值，对目标检测模型进行训练。

根据本公开的实施例，目标检测模型包括训练时间友好网络模型。

基于上述的采用目标检测模型检测目标对象的方法，本公开还提供了一种采用目标检测模型检测目标对象的装置。以下将结合图7对该装置进行详细描述。

图6是根据本公开实施例的采用目标检测模型检测目标对象的装置的结构框图。

如图6所示，采用目标检测模型检测目标对象的装置600可以包括第二特征数据获得模块610、第二目标检测模块620、第二概率获得模块630和对象确定模块640。目标检测模型包括特征提取网络、目标检测网络和条件随机场网络。该目标检测模型例如可以是采用上述的目标检测模型的训练装置训练得到的。

第二特征数据获得模块610用于将待检测图像输入特征提取网络，得到第二特征数据。在一实施例中，第二特征数据获得模块610可以用于执行前文描述的操作S410，在此不再赘述。

第二目标检测模块620用于将第二特征数据输入目标检测网络，得到第一目标对象的第三预测位置和第一目标对象针对第三预测位置的第三出现概率。在一实施例中，第二目标检测模块620可以用于执行前文描述的操作S420，在此不再赘述。

第二概率获得模块630用于将第二特征数据输入条件随机场网络，得到第一目标对象针对第二目标对象的第二条件概率。其中，第二目标对象包含所述第一目标对象，且所述第一目标对象能够相对于所述第二目标对象的中心移动。在一实施例中，第二概率获得模块730可以用于执行前文描述的操作S430，在此不再赘述。

对象确定模块640用于基于第三出现概率和第二条件概率，确定所述待检测图像包括的第一目标对象。在一实施例中，对象确定模块640可以用于执行前文描述的操作S440，在此不再赘述。

根据本公开的实施例，上述对象确定模块640可以包括概率确定子模块和对象确定子模块。概率确定子模块用于基于第三出现概率和第二条件概率，确定第一目标对象的目标出现概率。对象确定子模块用于确定目标出现概率高于预定阈值的第一目标对象为待检测图像包括的第一目标对象。

需要说明的是，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。

图7示出了可以用来实施本公开实施例的目标检测模型的训练方法和/或采用目标检测模型检测目标对象的方法的示例电子设备700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7所示，设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700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701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701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701执行上文所描述的各个方法和处理，例如目标检测模型的训练方法和/或采用目标检测模型检测目标对象的方法。例如，在一些实施例中，目标检测模型的训练方法和/或采用目标检测模型检测目标对象的方法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708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的目标检测模型的训练方法和/或采用目标检测模型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701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行目标检测模型的训练方法和/或采用目标检测模型检测目标对象的方法。

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。其中，服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务(″Virtual Private Server″，或简称″VPS″)中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式***的服务器，或者是结合了区块链的服务器。

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，本发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 (19)

1.一种目标检测模型的训练方法，其中，所述目标检测模型包括特征提取网络、目标检测网络和条件随机场网络；所述方法包括：

将样本图像输入所述特征提取网络，得到第一特征数据，其中，所述样本图像具有标签，所述标签指示所述样本图像中第一目标对象的第一实际位置和所述第一目标对象针对第二目标对象的实际条件概率；

将所述第一特征数据输入所述目标检测网络，得到第一目标对象的第一预测位置和所述第一目标对象针对所述第一预测位置的第一出现概率；

将所述第一特征数据输入所述条件随机场网络，得到所述第一目标对象针对所述第二目标对象的第一条件概率；以及

基于所述第一实际位置、所述第一预测位置、所述第一出现概率、所述实际条件概率和所述第一条件概率，对所述目标检测模型进行训练，

其中，所述第二目标对象包含所述第一目标对象，且所述第一目标对象能够相对于所述第二目标对象的中心移动。

2.根据权利要求1所述的方法，其中，得到第一目标对象的第一预测位置和所述第一目标对象针对所述第一预测位置的第一出现概率包括：

将所述第一特征数据输入所述目标检测网络，得到针对所述第一目标对象的热图，所述热图中各个点指示所述第一目标对象的中心位于所述各个点的概率；以及

基于所述热图中的峰值点确定所述第一目标对象的预测中心位置，并确定所述峰值点指示的概率为所述第一出现概率。

3.根据权利要求2所述的方法，其中，所述目标检测网络包括中心定位单元和尺寸回归单元；得到第一目标对象的第一预测位置和所述第一目标对象针对所述第一预测位置的第一出现概率还包括：

将所述第一特征数据输入所述尺寸回归单元，得到所述第一目标对象的预测高度和预测宽度，

其中，所述热图是通过将所述第一特征数据输入所述中心定位单元获得的。

4.根据权利要求1所述的方法，还包括：

将所述图像特征数据输入所述目标检测网络，得到所述第二目标对象的第二预测位置和所述第二目标对象针对所述第二预测位置的第二出现概率；

其中，所述标签还指示所述第二目标对象的第二实际位置；对所述目标检测模型进行训练包括：

基于所述第一实际位置、所述第一预测位置、所述第一出现概率、所述实际条件概率、所述第一条件概率、所述第二实际位置和所述第二预测位置，对所述目标检测模型进行训练。

5.根据权利要求1所述的方法，其中，对所述目标检测模型进行训练包括：

基于所述第一实际位置、所述第一预测位置和所述第一出现概率，确定预定损失函数中第一回归损失子函数的取值，得到第一取值；

基于所述第一实际位置和所述第一预测位置，确定预定损失函数中定位损失子函数的取值，得到第二取值；

基于所述实际条件概率和所述第一条件概率，确定预定损失函数中第二回归损失子函数的取值，得到第三取值；以及

基于所述第一取值、所述第二取值和所述第三取值，对所述目标检测模型进行训练。

6.根据权利要求1～5中任一项所述的方法，其中，所述目标检测模型包括训练时间友好网络模型。

7.一种采用目标检测模型检测目标对象的方法，其中，所述目标检测模型包括特征提取网络、目标检测网络和条件随机场网络；所述方法包括：

将待检测图像输入所述特征提取网络，得到第二特征数据；

将所述第二特征数据输入所述目标检测网络，得到第一目标对象的第三预测位置和所述第一目标对象针对所述第三预测位置的第三出现概率；

将所述第二特征数据输入所述条件随机场网络，得到所述第一目标对象针对第二目标对象的第二条件概率；以及

基于所述第三出现概率和所述第二条件概率，确定所述待检测图像包括的第一目标对象，

其中，所述第二目标对象包含所述第一目标对象，且所述第一目标对象能够相对于所述第二目标对象的中心移动；所述目标检测模型是采用权利要求1～6中任一项所述的方法训练得到的。

8.根据权利要求7所述的方法，其中，确定所述待检测图像包括的第一目标对象包括：

基于所述第三出现概率和所述第二条件概率，确定所述第一目标对象的目标出现概率；以及

确定目标出现概率高于预定阈值的第一目标对象为所述待检测图像包括的第一目标对象。

9.一种目标检测模型的训练装置，其中，所述目标检测模型包括特征提取网络、目标检测网络和条件随机场网络；所述装置包括：

第一特征数据获得模块，用于将样本图像输入所述特征提取网络，得到第一特征数据，其中，所述样本图像具有标签，所述标签指示所述样本图像中第一目标对象的第一实际位置和所述第一目标对象针对第二目标对象的实际条件概率；

第一目标检测模块，用于将所述第一特征数据输入所述目标检测网络，得到第一目标对象的第一预测位置和所述第一目标对象针对所述第一预测位置的第一出现概率；

第一概率获得模块，用于将所述第一特征数据输入所述条件随机场网络，得到所述第一目标对象针对所述第二目标对象的第一条件概率；以及

模型训练模块，用于基于所述第一实际位置、所述第一预测位置、所述第一出现概率、所述实际条件概率和所述第一条件概率，对所述目标检测模型进行训练，

其中，所述第二目标对象包含所述第一目标对象，且所述第一目标对象能够相对于所述第二目标对象的中心移动。

10.根据权利要求9所述的装置，其中，所述第一目标检测模块包括：

热图获得子模块，用于将所述第一特征数据输入所述目标检测网络，得到针对所述第一目标对象的热图，所述热图中各个点指示所述第一目标对象的中心位于所述各个点的概率；以及

中心确定子模块，用于基于所述热图中的峰值点确定所述第一目标对象的预测中心位置，并确定所述峰值点指示的概率为所述第一出现概率。

11.根据权利要求10所述的装置，其中，所述目标检测网络包括中心定位单元和尺寸回归单元；所述第一目标检测模块还包括：

尺寸获得子模块，用于将所述第一特征数据输入所述尺寸回归单元，得到所述第一目标对象的预测高度和预测宽度，

其中，所述热图获得子模块用于将所述第一特征数据输入所述中心定位单元，获得所述热图。

12.根据权利要求9所述的装置，其中，所述第一目标检测模块还用于：

将所述图像特征数据输入所述目标检测网络，得到所述第二目标对象的第二预测位置和所述第二目标对象针对所述第二预测位置的第二出现概率，

其中，所述标签还指示所述第二目标对象的第二实际位置；所述模型训练模块用于基于所述第一实际位置、所述第一预测位置、所述第一出现概率、所述实际条件概率、所述第一条件概率、所述第二实际位置和所述第二预测位置，对所述目标检测模型进行训练。

13.根据权利要求9所述的装置，其中，所述模型训练模块包括：

第一取值获得子模块，用于基于所述第一实际位置、所述第一预测位置和所述第一出现概率，确定预定损失函数中第一回归损失子函数的取值，得到第一取值；

第二取值获得子模块，用于基于所述第一实际位置和所述第一预测位置，确定预定损失函数中回归定位子函数的取值，得到第二取值；

第三取值获得子模块，用于基于所述实际条件概率和所述第一条件概率，确定预定损失函数中第二回归损失子函数的取值，得到第三取值；以及

训练子模块，用于基于所述第一取值、所述第二取值和所述第三取值，对所述目标检测模型进行训练。

14.根据权利要求9～13中任一项所述的装置，其中，所述目标检测模型包括训练时间友好网络模型。

15.一种采用目标检测模型检测目标对象的装置，其中，所述目标检测模型包括特征提取网络、目标检测网络和条件随机场网络；所述装置包括：

第二特征数据获得模块，用于将待检测图像输入所述特征提取网络，得到第二特征数据；

第二目标检测模块，用于将所述第二特征数据输入所述目标检测网络，得到第一目标对象的第三预测位置和所述第一目标对象针对所述第三预测位置的第三出现概率；

第二概率获得模块，用于将所述第二特征数据输入所述条件随机场网络，得到所述第一目标对象针对第二目标对象的第二条件概率；以及

对象确定模块，用于基于所述第三出现概率和所述第二条件概率，确定所述待检测图像包括的第一目标对象，

其中，所述第二目标对象包含所述第一目标对象，且所述第一目标对象能够相对于所述第二目标对象的中心移动；所述目标检测模型是采用权利要求9～14中任一项所述的装置训练得到的。

16.根据权利要求15所述的装置，其中，所述对象确定模块包括：

概率确定子模块，用于基于所述第三出现概率和所述第二条件概率，确定所述第一目标对象的目标出现概率；以及

对象确定子模块，用于确定目标出现概率高于预定阈值的第一目标对象为所述待检测图像包括的第一目标对象。

17.一种电子设备，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1～8中任一项所述的方法。

18.一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1～8中任一项所述的方法。

19.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1～8中任一项所述的方法。

Images