(19)中华 人民共和国 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 202111639334.X (22)申请日 2021.12.2 9 (71)申请人 深圳数联天下智能科技有限公司 地址 518000 广东省深圳市南 山区粤海街 道高新区社区高新南七道20号深圳国 家工程实验室大楼B16 01 (72)发明人 陈仿雄　 (74)专利代理 机构 深圳市六加知识产权代理有 限公司 4 4372 代理人 孟丽平 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/56(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01)G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 训练目标检测模 型的方法、 目标检测方法及 电子设备 (57)摘要 本申请实施例涉及目标检测技术领域， 公开 了一种训练目标检测模型的方法、 目标检测方法 及电子设备。 其中， 所述训练目标检测模型的方 法包括： 获取图像样本， 所述图像样本标注有目 标标签； 将所述图像样本分解为第一颜色图像样 本、 第二颜色图像样本和第三颜色图像样本； 将 所述第一颜色图像样本、 所述第二颜色图像样本 和所述第三颜色图像样本分别输入预设神经网 络进行迭代训练， 在所述预设神经网络收敛时， 获得目标检测模型。 本申请能够有效降低光照、 亮度对目标检测的影响， 减少漏检、 误检问题， 有 效提高目标检测的准确度和召回率。 权利要求书2页 说明书14页 附图3页 CN 114333014 A 2022.04.12 CN 114333014 A 1.一种训练目标检测模型的方法， 其特 征在于， 所述方法包括： 获取图像样本， 所述图像样本标注有目标 标签； 将所述图像样本分解 为第一颜色图像样本、 第二颜色图像样本和第三颜色图像样本； 将所述第一颜色图像样本、 所述第 二颜色图像样本和所述第 三颜色图像样本分别输入 预设神经网络进行迭代训练， 在所述预设神经网络收敛时， 获得目标检测模型； 其中， 所述预设神经网络为三通道网络结构， 任一通道的所述网络结构均包括特征提 取模块、 特征融合模块及SSH检测模块， 所述第一颜色图像样本、 所述第二颜色图像样本和 所述第三颜色图像样本分别通过一 通道的所述网络结构进行迭代训练。 2.根据权利要求1所述的方法， 其特征在于， 所述预设神经网络包括第 一通道特征提取 模块、 第一 通道特征融合模块及第一 通道SSH检测模块； 所述将所述第 一颜色图像样本、 所述第 二颜色图像样本和所述第 三颜色图像样本分别 输入预设神经网络进行迭代训练， 在所述预设神经网络收敛时， 获得目标检测模型， 包括： 利用第一通道特征提取模块对所述第 一颜色图像样本进行特征提取， 获取第 一颜色通 道特征； 所述第一颜色通道特征通过所述第 一通道特征融合模块与第 二颜色通道特征和/或第 三颜色通道特 征进行特征融合， 获得第一融合特 征； 将所述第一融合特征输入所述第一通道SSH检测模块， 获得多个第一预测框对应的概 率和位置； 基于所述第一预测框对应的概 率和位置、 以及所述目标 标签计算第一损失值； 根据所述第一损 失值、 第二损 失值和第三损 失值调整预设神经网络， 直至预设神经网 络收敛， 获得 所述目标检测模型； 其中， 所述第一损 失值、 所述第二损 失值及所述第三损 失值分别用于指示一所述通道 的损失值。 3.根据权利要求2所述的方法， 其特征在于， 所述基于所述第 一预测框对应的概率和位 置、 以及所述目标 标签计算第一损失值， 包括： 从所述第一预测框中选择样本框， 基于所述样本框对应的概率和位置、 以及所述目标 标签， 利用第一损失函数计算第一损失值； 所述样本 框包括正样本框； 所述从所述第一预测框中选择样本 框， 包括： 计算所述第一预测框与所述目标 标签对应的目标位置之间的交并比； 如果所述交并比大于第一 比值， 则将交并比大于第一 比值的第一预测框作为正样本 框。 4.根据权利要求2所述的方法， 其特征在于， 所述根据所述第一损 失值、 第二损 失值和 第三损失值调整预设神经网络， 包括： 根据如下公式调整所述预设神经网络的损失； 其中， i表示所述预设神经网络的通道， 表示第i通道的目标分类损失， pj表示预权　利　要　求　书 1/2 页 2 CN 114333014 A 2测第j个预测框为目标的概率， 表示目标标签， Lcls表示交叉熵损失函数； 表示目 标标签的标注框回归损失函数， boxj表示正样本框的位置， 表示目标标签的标注框的 位置； R函数表示鲁棒 性回归函数。 5.一种目标检测方法， 其特 征在于， 所述方法包括： 获取待测原 始图像； 将所述待测原始图像分解为第 一颜色通道图像、 第 二颜色通道图像和第 三颜色通道图 像； 将所述第一颜色通道图像、 第 二颜色通道图像和第 三颜色通道图像输入目标检测模型 中， 获得第一通道检测结果、 第二通道检测结果和 第三通道检测结果， 所述目标检测模型采 用如权利要求1 ‑4的方法获得。 6.根据权利要求5所述的方法， 其特征在于， 在所述获得第一通道检测结果、 第二通道 检测结果和第三 通道检测结果之后， 所述方法还 包括： 通过S_NMS非极大值抑制算法剔除第一通道检测结果、 第二通道检测结果和第三通道 检测结果中的重复预测框， 确定最终预测结果， 包括： 获取第一 通道检测结果、 第二 通道检测结果和第三 通道检测结果中的重复预测框； 对所述重复预测框打 分， 获得各个重复预测框对应的得分值； 对所述得分值进行排序， 且将得分值低于第一分数的重复预测框删除。 7.根据权利要求6所述的方法， 其特征在于， 所述对所述重复预测框打分， 获得各个重 复预测框对应的得分值， 包括： 获取各个重复预测框中得分最高的预测框； 获取得分最高的预测框与待处 理框的交并比； 根据预设交并比及所述得分最高的预测框与待处理框的交并比， 得到待处理框对应的 得分值。 8.一种电子设备， 其特征在于， 包括存储器以及一个或多个处理器， 所述一个或多个处 理器用于执行存储在所述存储器中的一个或多个计算机程序， 所述一个或多个处理器在执 行所述一个或多个计算机程序时， 使得所述电子设备实现如权利要求1 ‑7任一项所述的方 法。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机程 序， 所述计算机程序包括程序指令， 所述程序指令当被处理器执行时使所述处理器执行如 权利要求1 ‑7任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114333014 A 3