CN111582402B - 目标检测方法及装置、电子设备和存储介质 - Google Patents
目标检测方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111582402B CN111582402B CN202010413033.4A CN202010413033A CN111582402B CN 111582402 B CN111582402 B CN 111582402B CN 202010413033 A CN202010413033 A CN 202010413033A CN 111582402 B CN111582402 B CN 111582402B
- Authority
- CN
- China
- Prior art keywords
- category
- categories
- target
- value
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 52
- 238000003860 storage Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 45
- 230000006870 function Effects 0.000 claims description 55
- 238000005070 sampling Methods 0.000 claims description 52
- 238000012549 training Methods 0.000 claims description 40
- 230000000875 corresponding effect Effects 0.000 claims description 27
- 238000012360 testing method Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 15
- 230000002596 correlated effect Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 20
- 238000004891 communication Methods 0.000 description 10
- 235000013399 edible fruits Nutrition 0.000 description 10
- 241000220225 Malus Species 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 241000282373 Panthera pardus Species 0.000 description 3
- 238000003491 array Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000002401 inhibitory effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 244000234181 Syzygium samarangense Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 235000021016 apples Nutrition 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种目标检测方法及装置、电子设备和存储介质。所述方法包括：获取待检测图像；将所述待检测图像输入目标检测器，经由所述目标检测器输出所述待检测图像中的第一目标对象的类别预测结果，其中，所述目标检测器是预先根据损失函数训练得到的，所述损失函数的值是根据所述目标检测器所预测的多个类别中不同类别之间的第一参数的值确定的，所述多个类别中任意两个类别之间的第一参数的值是根据所述两个类别之间相同目标对象的统计数据确定的。
Description
技术领域
本公开涉及计算机视觉技术领域，尤其涉及一种目标检测方法及装置、电子设备和存储介质。
背景技术
目标检测是计算机视觉领域中的一个重要且基础的问题，其目的是在图像中检测出目标对象的位置并对目标对象进行正确分类。在实际应用场景中，图像中的某一目标对象可能属于多个类别。对于图像中的目标对象属于多个类别的情况，如何准备地检测出目标对象所属的各个类别，是亟待解决的技术问题。
发明内容
本公开提供了一种目标检测技术方案。
根据本公开的一方面，提供了一种目标检测方法，包括：
获取待检测图像；
将所述待检测图像输入目标检测器，经由所述目标检测器输出所述待检测图像中的第一目标对象的类别预测结果，其中，所述目标检测器是预先根据损失函数训练得到的，所述损失函数的值是根据所述目标检测器所预测的多个类别中不同类别之间的第一参数的值确定的，所述多个类别中任意两个类别之间的第一参数的值是根据所述两个类别之间相同目标对象的统计数据确定的。
通过根据目标检测器所预测的多个类别中不同类别之间相同目标对象的统计数据，确定所述目标检测器的损失函数的值以训练所述目标检测器，并通过训练得到的目标检测器得到待检测图像中的第一目标对象的类别预测结果，从而能够提高针对多个类别进行目标检测的准确性。
在一种可能的实现方式中，所述多个类别中任意两个类别之间的第一参数的值，与所述两个类别之间相同的目标对象的数量正相关。
根据该实现方式，可以根据不同类别之间相同的目标对象的数量，对目标检测器进行约束，从而使目标检测器学习不同类别之间的共现关系。
在一种可能的实现方式中，所述多个类别中任意两个类别之间的第一参数的值，是根据所述两个类别之间相同的目标对象的数量、与所述两个类别中的一个类别中包含的所有目标对象的数量的比值确定的。
根据该实现方式，可以根据两个类别之间相同的目标对象的比例，对目标检测器进行约束，从而使目标检测器学习不同类别之间的共现关系。
在一种可能的实现方式中，所述多个类别包括第一类别和第二类别，所述第一类别是所述多个类别中的任一类别，所述第二类别是所述多个类别中除所述第一类别以外的任一类别；
在所述第一类别不为所述第二类别的子类别或者父类别的情况下，所述第一类别与所述第二类别之间的第一参数的值，是根据第一比值或第二比值确定的，其中，所述第一比值用于表示第一数量与第二数量的比值，第二比值用于表示第一数量与第三数量的比值，第一数量用于表示所述第一类别与所述第二类别之间相同的目标对象的数量，第二数量用于表示所述第一类别中包含的所有目标对象的数量，所述第三数量用于表示所述第二类别中包含的所有目标对象的数量。
在该实现方式中，在两个类别不为父子类别的情况下，可以根据所述两个类别之间相同的目标对象的比例，对目标检测器进行约束，从而使目标检测器学习不同类别之间的共现关系。
在一种可能的实现方式中，
在所述第一类别为所述第二类别的子类别的情况下，所述第一类别与所述第二类别之间的第一参数的值为第一预设值或者第二预设值；
和/或，
在所述第一类别为所述第二类别的父类别的情况下，所述第一类别与所述第二类别之间的第一参数的值为第一预设值。
通过采用该实现方式，能够使损失函数中子类别对应的损失项不对父类别产生抑制，使损失函数中父类别对应的损失项对子类别产生抑制，从而能够提高目标检测器的检测性能。
在一种可能的实现方式中，所述损失函数的值还根据图像样本中的第二目标对象的类别标签以及所述目标检测器输出的所述第二目标对象的类别预测结果确定。
通过根据目标检测器所预测的多个类别中不同类别之间的第一参数的值、图像样本中的第二目标对象的类别标签以及所述目标检测器输出的所述第二目标对象的类别预测结果确定所述损失函数的值以训练所述目标检测器，并通过训练得到的目标检测器得到待检测图像中的第一目标对象的类别预测结果，从而能够提高针对多个类别进行目标检测的准确性。
在一种可能的实现方式中，所述损失函数是根据所述多个类别对应的损失项确定的，所述多个类别包括第一类别和第二类别，所述第一类别是所述多个类别中的任一类别，所述第二类别是所述多个类别中除所述第一类别以外的任一类别，图像样本中的第二目标对象的类别标签包括所述第二目标对象的第一类别的标签和所述第二目标对象的第二类别的标签，所述目标检测器输出的第二目标对象的类别预测结果包括第二目标对象属于所述第一类别的预测值和所述第二目标对象属于所述第二类别的预测值；
所述第一类别对应的损失项的值是根据所述第二目标对象的第一类别的标签、所述第二目标对象属于所述第一类别的预测值、所述第二目标对象的第二类别的标签、所述第二目标对象属于所述第二类别的预测值和所述第一类别与所述第二类别之间的第一参数的值确定的。
采用上述实现方式训练目标检测器，能够有效检测出图像样本中具有显式多标签的目标对象，并对图像样本中具有隐式多标签的目标对象带来的数据噪声具有一定的抗干扰能力。
在一种可能的实现方式中，在所述将所述待检测图像输入目标检测器之前，所述方法还包括：
根据第二参数的值、所述目标检测器所预测的类别数和所述多个类别包含的图像样本数，确定所述多个类别的图像样本的采样概率，其中，所述多个类别中任一类别的图像样本的采样概率在第一概率与第二概率之间，其中，所述第一概率为该类别的图像样本数与所述多个类别的图像样本总数的比值，所述第二概率为所述类别数的倒数；
根据所述多个类别的图像样本的采样概率，对所述多个类别的图像样本进行采样，并根据采样得到的图像样本训练所述目标检测器。
采用该实现方式，能够提升目标检测器对长尾类别的检测性能，且不会对长尾类别过拟合。
在一种可能的实现方式中，
在所述根据采样得到的图像样本训练所述目标检测器之后，所述方法还包括：从根据不同值的第二参数训练得到的目标检测器中，确定测试结果最优的目标检测器；
所述将所述待检测图像输入目标检测器，包括：将所述待检测图像输入所述测试结果最优的目标检测器中，经由所述测试结果最优的目标检测器输出所述待检测图像中的第一目标对象的类别预测结果。
通过测试结果最优的目标检测器对待检测图像进行目标检测，能够获得更准确的目标检测结果。
在一种可能的实现方式中，
在所述根据第二参数的值、所述目标检测器所预测的类别数和所述多个类别包含的图像样本数，确定所述多个类别的图像样本的采样概率之前，所述方法还包括：对于所述多个类别中的任一类别，根据该类别的图像样本数与所述多个类别的图像样本总数的比值，对该类别进行采样，并根据采样得到的图像样本训练所述目标检测器；
所述根据第二参数的值、所述目标检测器所预测的类别数和所述多个类别包含的图像样本数，确定所述多个类别的图像样本的采样概率，包括：在满足预设条件的情况下，根据第二参数的值、所述目标检测器所预测的类别数和所述多个类别包含的图像样本数，确定所述多个类别的图像样本的采样概率。
采用该实现方式，能够充分利用主类别(即包含较多目标对象和/或图像样本的类别)中的图像样本训练所述目标检测器，使目标检测器学习到更准确地识别属于主类别的目标对象的能力。同时，也不会因为对长尾类别过采样而导致目标检测器对长尾类别过拟合，从而能够使目标检测器更准确地识别属于长尾类别的目标对象。
根据本公开的一方面，提供了一种目标检测装置，包括：
获取模块，用于获取待检测图像；
检测模块，用于将所述待检测图像输入目标检测器，经由所述目标检测器输出所述待检测图像中的第一目标对象的类别预测结果，其中，所述目标检测器是预先根据损失函数训练得到的，所述损失函数的值是根据所述目标检测器所预测的多个类别中不同类别之间的第一参数的值确定的，所述多个类别中任意两个类别之间的第一参数的值是根据所述两个类别之间相同目标对象的统计数据确定的。
在一种可能的实现方式中，所述多个类别中任意两个类别之间的第一参数的值，与所述两个类别之间相同的目标对象的数量正相关。
在一种可能的实现方式中，所述多个类别中任意两个类别之间的第一参数的值，是根据所述两个类别之间相同的目标对象的数量、与所述两个类别中的一个类别中包含的所有目标对象的数量的比值确定的。
在一种可能的实现方式中，所述多个类别包括第一类别和第二类别，所述第一类别是所述多个类别中的任一类别，所述第二类别是所述多个类别中除所述第一类别以外的任一类别；
在所述第一类别不为所述第二类别的子类别或者父类别的情况下，所述第一类别与所述第二类别之间的第一参数的值，是根据第一比值或第二比值确定的，其中，所述第一比值用于表示第一数量与第二数量的比值，第二比值用于表示第一数量与第三数量的比值，第一数量用于表示所述第一类别与所述第二类别之间相同的目标对象的数量，第二数量用于表示所述第一类别中包含的所有目标对象的数量，所述第三数量用于表示所述第二类别中包含的所有目标对象的数量。
在一种可能的实现方式中，
在所述第一类别为所述第二类别的子类别的情况下，所述第一类别与所述第二类别之间的第一参数的值为第一预设值或者第二预设值；
和/或，
在所述第一类别为所述第二类别的父类别的情况下，所述第一类别与所述第二类别之间的第一参数的值为第一预设值。
在一种可能的实现方式中，所述损失函数的值还根据图像样本中的第二目标对象的类别标签以及所述目标检测器输出的所述第二目标对象的类别预测结果确定。
在一种可能的实现方式中，所述损失函数是根据所述多个类别对应的损失项确定的，所述多个类别包括第一类别和第二类别，所述第一类别是所述多个类别中的任一类别，所述第二类别是所述多个类别中除所述第一类别以外的任一类别，图像样本中的第二目标对象的类别标签包括所述第二目标对象的第一类别的标签和所述第二目标对象的第二类别的标签，所述目标检测器输出的第二目标对象的类别预测结果包括第二目标对象属于所述第一类别的预测值和所述第二目标对象属于所述第二类别的预测值；
所述第一类别对应的损失项的值是根据所述第二目标对象的第一类别的标签、所述第二目标对象属于所述第一类别的预测值、所述第二目标对象的第二类别的标签、所述第二目标对象属于所述第二类别的预测值和所述第一类别与所述第二类别之间的第一参数的值确定的。
在一种可能的实现方式中，所述装置还包括：
第一确定模块，用于根据第二参数的值、所述目标检测器所预测的类别数和所述多个类别包含的图像样本数，确定所述多个类别的图像样本的采样概率，其中，所述多个类别中任一类别的图像样本的采样概率在第一概率与第二概率之间，其中，所述第一概率为该类别的图像样本数与所述多个类别的图像样本总数的比值，所述第二概率为所述类别数的倒数；
第一采样模块，用于根据所述多个类别的图像样本的采样概率，对所述多个类别的图像样本进行采样，并根据采样得到的图像样本训练所述目标检测器。
在一种可能的实现方式中，
所述装置还包括：第二确定模块，用于从根据不同值的第二参数训练得到的目标检测器中，确定测试结果最优的目标检测器；
所述检测模块用于：将所述待检测图像输入所述测试结果最优的目标检测器中，经由所述测试结果最优的目标检测器输出所述待检测图像中的第一目标对象的类别预测结果。
在一种可能的实现方式中，
所述装置还包括：第二采样模块，用于对于所述多个类别中的任一类别，根据该类别的图像样本数与所述多个类别的图像样本总数的比值，对该类别进行采样，并根据采样得到的图像样本训练所述目标检测器；
所述第一确定模块用于：在满足预设条件的情况下，根据第二参数的值、所述目标检测器所预测的类别数和所述多个类别包含的图像样本数，确定所述多个类别的图像样本的采样概率。
根据本公开的一方面，提供了一种电子设备，包括：一个或多个处理器；用于存储可执行指令的存储器；其中，所述一个或多个处理器被配置为调用所述存储器存储的可执行指令，以执行上述方法。
根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
在本公开实施例中，通过根据目标检测器所预测的多个类别中不同类别之间相同目标对象的统计数据，确定所述目标检测器的损失函数的值以训练所述目标检测器，并通过训练得到的目标检测器得到待检测图像中的第一目标对象的类别预测结果，从而能够提高针对多个类别进行目标检测的准确性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1a和图1b示出了图像样本中的目标对象具有多个标签的示意图。
图2示出本公开实施例提供的目标检测方法的流程图。
图3示出根据第二参数得到的采样概率以及第一概率、第二概率的示意图。
图4示出本公开实施例提供的目标检测装置的框图。
图5示出本公开实施例提供的一种电子设备800的框图。
图6示出本公开实施例提供的一种电子设备1900的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
如上所述，图像(图像样本和/或待检测图像)中的目标对象可能属于多个类别。图1a和图1b示出了图像样本中的目标对象具有多个标签的示意图。在图1a中，图像样本中的目标对象具有标签“玩具”和“车”；在图1b中，图像样本中的目标对象具有标签“水果”和“苹果”。
在用于训练目标检测器的图像样本中，有些图像样本中的目标对象被标注了多个标签，这些目标对象可以被认为显式地具有多个标签，或者，这些目标对象可以被称为具有显式多标签的目标对象。例如，图1a和图1b中的目标对象均被标注了多个标签。有些目标对象虽然属于多个类别，但只被标注了其中的一个标签，这些目标对象可以被认为隐式地具有多个标签，或者，这些目标对象可以被称为具有隐式多标签的目标对象。例如，某一目标对象属于“水果”和“苹果”两个类别，但只被标注了“水果”标签；属于“手电筒”的目标对象，可能被随机地标注为“手电筒”或者“电筒”；属于“豹子”的目标对象，可能被随机地标注为“豹子”或者“猎豹”；杯子可能被标注为“咖啡杯”或者“马克杯”等。显式多标签和隐式多标签带来的数据噪声会导致目标检测器对所有类别的检测性能(即检测的准确性)普遍下降。
为了解决类似上文所述的技术问题，本公开实施例提供了一种目标检测方法及装置、电子设备和存储介质，通过根据目标检测器所预测的多个类别中不同类别之间相同目标对象的统计数据，确定所述目标检测器的损失函数的值以训练所述目标检测器，并通过训练得到的目标检测器得到待检测图像中的第一目标对象的类别预测结果，从而能够提高针对多个类别进行目标检测的准确性。
图2示出本公开实施例提供的目标检测方法的流程图。所述目标检测方法的执行主体可以是目标检测装置。例如，所述目标检测方法可以由终端设备或服务器或其它处理设备执行。其中，终端设备可以是用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备或者可穿戴设备等。在一些可能的实现方式中，所述目标检测方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图2所示，所述目标检测方法包括步骤S21和步骤S22。
在步骤S21中，获取待检测图像。
在本公开实施例中，待检测图像可以表示需要进行目标检测的图像。所述待检测图像可以是静态图像或者动态图像。
本公开实施例提供的目标检测方法可以应用于通用目标检测、自动驾驶、智能视频分析、安防监控等各种应用场景中。例如，本公开实施例可以用于自动驾驶中对道路上的车辆、行人、障碍物等目标对象进行目标检测，在安防监控中对人脸、人体等目标对象进行目标检测，在视频分析中对人、物体等目标对象进行目标检测等。
在步骤S22中，将所述待检测图像输入目标检测器，经由所述目标检测器输出所述待检测图像中的第一目标对象的类别预测结果，其中，所述目标检测器是预先根据损失函数训练得到的，所述损失函数的值是所述目标检测器所预测的多个类别中不同类别之间的第一参数的值确定的，所述多个类别中任意两个类别之间的第一参数的值是根据所述两个类别之间相同目标对象的统计数据确定的。
在本公开实施例中，待检测图像中可以包括一个或多个目标对象，即，待检测图像中可能存在一个或多个目标对象。第一目标对象表示待检测图像中的任一目标对象。在一种可能的实现方式中，所述目标检测器输出的所述待检测图像中的第一目标对象的类别预测结果，可以包括所述第一目标对象属于所述多个类别中的各个类别的概率。例如，所述目标检测器用于预测5个类别，所述第一目标对象的类别预测结果，可以包括所述第一目标对象属于这5个类别的概率。在另一种可能的实现方式中，所述目标检测器输出的所述待检测图像中的第一目标对象的类别预测结果，可以包括所述第一目标对象的预测类别。例如，所述第一目标对象的类别预测结果为，所述第一目标对象属于类别1和类别3。
在一种可能的实现方式中，所述目标检测器可以采用神经网络来实现。例如，所述目标检测器可以利用深度学习框架进行训练。
在本公开实施例中，用于训练所述目标检测器的损失函数，至少根据所述目标检测器所预测的不同类别之间相同目标对象的统计数据确定。所述多个类别中任意两个类别之间相同目标对象的统计数据，可以表示所述两个类别之间相同的目标对象的统计数据，例如，可以包括所述两个类别之间相同的目标对象的数量和/或比例等。在一个例子中，任意两个类别之间相同的目标对象的数量，可以称为所述两个类别之间的共现次数。
在一种可能的实现方式中，若在某一图像样本中，两个边界框的交并比大于或等于第三预设值，则可以确定该两个边界框对应于同一个目标对象。例如，第三预设值可以等于0.8。例如，若边界框1与边界框2的交并比大于或等于第三预设值，则可以确定边界框1与边界框2对应于同一个目标对象A。若边界框1属于类别1、边界框2属于类别2，即目标对象A既属于类别1、也属于类别2，则可以确定类别1与类别2包括相同的目标对象A。
在本公开实施例中，根据任意两个类别之间相同目标对象的统计数据，可以挖掘所述两个类别之间的共现关系，从而挖掘出数据噪声。在一个例子中，若所述多个类别中的任意两个类别之间相同的目标对象的数量和/或比例较大，例如大于或等于第四预设值，则可以认为所述两个类别之间具有共现关系；若所述两个类别之间相同的目标对象的数量和/或比例较小，例如小于第四预设值，则可以认为所述两个类别之间不具有共现关系。在另一个例子中，若所述多个类别中的任意两个类别之间相同的目标对象的数量和/或比例较大，例如大于或等于第五预设值，则可以认为所述两个类别之间具有较强的共现关系；若所述两个类别之间相同的目标对象的数量和/或比例较小，例如小于第五预设值，则可以认为所述两个类别之间具有较弱的共现关系。
在本公开实施例中，在训练所述目标检测器时，考虑了不同类别之间相同目标对象的统计数据，从而能够使目标检测器学习不同类别之间的共现关系，利用不同类别之间的共现关系对目标检测器进行约束。
在一种可能的实现方式中，所述多个类别中任意两个类别之间的第一参数的值，与所述两个类别之间相同的目标对象的数量正相关。在该实现方式中，任意两个类别之间相同的目标对象的数量越大，则所述两个类别之间的第一参数的值越大；所述两个类别之间相同的目标对象的数量越小，则所述两个类别之间的第一参数的值越小。例如，类别i与类别j之间的第一参数可以表示为rij。根据该实现方式，可以根据不同类别之间相同的目标对象的数量，对目标检测器进行约束，从而使目标检测器学习不同类别之间的共现关系。
作为该实现方式的一个示例，所述多个类别中任意两个类别之间的第一参数的值，是根据所述两个类别之间相同的目标对象的数量、与所述两个类别中的一个类别中包含的所有目标对象的数量的比值确定的。在该示例中，所述多个类别中任意两个类别之间的第一参数，可以称为所述两个类别之间的共现比例。根据该示例，可以根据两个类别之间相同的目标对象的比例，对目标检测器进行约束，从而使目标检测器学习不同类别之间的共现关系。
在一个例子中，所述多个类别中任意两个类别之间的第一参数的值，可以等于所述两个类别之间相同的目标对象的数量、与所述两个类别中的一个类别中包含的所有目标对象的数量的比值。例如，类别i与类别j之间的第一参数rij可以等于类别i与类别j之间相同的目标对象的数量、与类别i中包含的所有目标对象的数量的比值；又如，类别i与类别j之间的第一参数rij可以等于类别i与类别j之间相同的目标对象的数量、与类别j中包含的所有目标对象的数量的比值。在另一个例子中，所述多个类别中任意两个类别之间的第一参数的值，可以等于所述比值与预设系数的乘积。其中，预设系数可以根据实验确定。
在另一种可能的实现方式中，所述多个类别包括第一类别和第二类别，所述第一类别是所述多个类别中的任一类别，所述第二类别是所述多个类别中除所述第一类别以外的任一类别；在所述第一类别不为所述第二类别的子类别或者父类别的情况下，所述第一类别与所述第二类别之间的第一参数的值，是根据第一比值或第二比值确定的，其中，所述第一比值用于表示第一数量与第二数量的比值，第二比值用于表示第一数量与第三数量的比值，第一数量用于表示所述第一类别与所述第二类别之间相同的目标对象的数量，第二数量用于表示所述第一类别中包含的所有目标对象的数量，所述第三数量用于表示所述第二类别中包含的所有目标对象的数量。
例如，若第一类别是“苹果”，第二类别是“水果”，则第一类别是第二类别的子类别；若第一类别是“水果”，第二类别是“苹果”，则第一类别是第二类别的父类别。
在该实现方式中，在两个类别不为父子类别的情况下，可以根据所述两个类别之间相同的目标对象的比例，对目标检测器进行约束，从而使目标检测器学习不同类别之间的共现关系。
作为该实现方式的一个示例，在所述第一类别不为所述第二类别的子类别或者父类别的情况下，所述第一类别与所述第二类别之间的第一参数的值，等于第一比值或第二比值。例如，第一类别为类别i，第二类别为类别j，在类别i不为类别j的子类别或者父类别的情况下，类别i与类别j之间的第一参数rij可以等于类别i与类别j之间相同的目标对象的数量、与类别i中包含的所有目标对象的数量的比值，或者，类别i与类别j之间的第一参数rij可以等于类别i与类别j之间相同的目标对象的数量、与类别j中包含的所有目标对象的数量的比值。作为该实现方式的另一个示例，在所述第一类别不为所述第二类别的子类别或者父类别的情况下，可以等于第一比值与预设系数的乘积，或者等于第二比值与预设系数的乘积。
作为该实现方式的一个示例，在所述第一类别为所述第二类别的子类别的情况下，所述第一类别与所述第二类别之间的第一参数的值为第一预设值或者第二预设值；和/或，在所述第一类别为所述第二类别的父类别的情况下，所述第一类别与所述第二类别之间的第一参数的值为第一预设值。例如，第一预设值可以为0，第二预设值可以为1。当然，也可以根据实际应用场景需求灵活设置第一预设值和第二预设值，在此不作限定。
在该示例中，若第一类别是第二类别的子类别，则损失函数中第一类别对应的损失项不对第二类别产生抑制，其中，第一类别对应的损失项可以表示损失函数中第一类别对应的项。例如，yi表示第二目标对象的第一类别的标签，yj表示第二目标对象的第二类别的标签，第一类别是“苹果”，第二类别是“水果”，若第二目标对象是苹果，则通过yj＝1能够体现第二目标对象是“水果”的正样本，因此，第一类别与第二类别之间的第一参数rij的值可以为0或1。
由于属于父类别的目标对象不一定属于子类别，例如，属于类别“水果”的目标对象不一定属于类别“苹果”，因此，损失函数中父类别对应的损失项需要对子类别产生抑制。因此，在该示例中，若第一类别为第二类别的父类别，则第一类别与第二类别之间的第一参数可以设置为0。
通过采用该示例，能够使损失函数中子类别对应的损失项不对父类别产生抑制，使损失函数中父类别对应的损失项对子类别产生抑制，从而能够提高目标检测器的检测性能。
在一种可能的实现方式中，所述损失函数的值与所述第一参数的值负相关。在该实现方式中，用于训练目标检测器的损失函数的值与所述第一参数的值负相关，即，第一参数的值越大，所述损失函数的值越小，第一参数的值越小，所述损失函数的值越大。通过采用所述损失函数，可以奖励目标检测器学习不同类别之间的共现关系。
在一种可能的实现方式中，所述损失函数的值还根据图像样本中的第二目标对象的类别标签以及所述目标检测器输出的所述第二目标对象的类别预测结果确定。通过根据目标检测器所预测的多个类别中不同类别之间的第一参数的值、图像样本中的第二目标对象的类别标签以及所述目标检测器输出的所述第二目标对象的类别预测结果确定所述损失函数的值以训练所述目标检测器，并通过训练得到的目标检测器得到待检测图像中的第一目标对象的类别预测结果，从而能够提高针对多个类别进行目标检测的准确性。
在该实现方式中，图像样本可以表示用于训练所述目标检测器的图像。图像样本的数量可以为多个。任一图像样本可以包括一个或多个目标对象，即，图像样本中可能存在一个或多个目标对象。第二目标对象表示该图像样本中的任一目标对象。
在该实现方式中，第二目标对象的类别标签，可以表示第二目标对象所属的类别的真值。例如，目标检测器所预测的类别包括5个，分别是C1、C2、C3、C4和C5，第二目标对象的类别标签可以表示为其中，/>等于1或0，1≤l≤5。若/>则表示第二目标对象属于类别Cl，即，第二目标对象的真实类别包括类别Cl；若/>则表示第二目标对象不属于类别Cl，即，第二目标对象的真实类别不包括类别Cl。例如，第二目标对象属于类别C1和C3，第二目标对象的类别标签可以表示为[1,0,1,0,0]。当然，也可以采用其他数据形式来表示第二目标对象的类别标签，只要能够表示出第二目标对象属于哪一个或多个类别即可。
在该实现方式中，所述目标检测器输出的所述第二目标对象的类别预测结果，可以包括所述第二目标对象属于所述多个类别中的各个类别的概率。例如，目标检测器所预测的类别包括5个，分别是C1、C2、C3、C4和C5，第二目标对象的类别预测结果可以表示为其中，/> 越大，则表示目标检测器预测的第二目标对象属于类别Cl的可能性越大。例如，第二目标对象的预测类别数据可以表示为[0.85,0.05,0.93,0.23,0.12]。当然，也可以采用其他数据形式来表示第二目标对象的类别预测结果，只要能够表示出目标检测器所预测的第二目标对象所属的类别信息即可。
作为该实现方式的一个示例，所述损失函数是根据所述多个类别对应的损失项确定的，所述多个类别包括第一类别和第二类别，所述第一类别是所述多个类别中的任一类别，所述第二类别是所述多个类别中除所述第一类别以外的任一类别，图像样本中的第二目标对象的类别标签包括所述第二目标对象的第一类别的标签和所述第二目标对象的第二类别的标签，所述目标检测器输出的第二目标对象的类别预测结果包括第二目标对象属于所述第一类别的预测值和所述第二目标对象属于所述第二类别的预测值；所述第一类别对应的损失项的值是根据所述第二目标对象的第一类别的标签、所述第二目标对象属于所述第一类别的预测值、所述第二目标对象的第二类别的标签、所述第二目标对象属于所述第二类别的预测值和所述第一类别与所述第二类别之间的第一参数的值确定的。
其中，任一类别对应的损失项可以表示损失函数中该类别对应的加和项。所述第二目标对象属于所述第一类别的预测值可以为目标检测器预测的第二目标对象属于第一类别的概率，所述第二目标对象属于所述第二类别的预测值可以为目标检测器预测的第二目标对象属于第二类别的概率。
作为该实现方式的一个示例，用于确定所述第一类别对应的损失项的第一类别与第二类别之间的第一参数，可以等于第一类别与第二类别之间相同的目标对象的数量、与第一类别中包含的所有目标对象的数量的比值；用于确定所述第二类别对应的损失项的第一类别与第二类别之间的第一参数，可以等于第一类别与第二类别之间相同的目标对象的数量、与第二类别中包含的所有目标对象的数量的比值。
采用上述实现方式训练目标检测器，能够有效检测出图像样本中具有显式多标签的目标对象，并对图像样本中具有隐式多标签的目标对象带来的数据噪声具有一定的抗干扰能力。
在一个例子中，可以采用式1和式2确定所述损失函数的值：
其中，L(b)表示目标对象b对应的损失函数，C表示类别总数，yi表示目标对象b的类别i的标签，yj表示目标对象b的类别j的标签，zi表示目标对象b属于类别i的预测值，zj表示目标对象b属于类别j的预测值，rij表示类别i与类别j之间的第一参数。yi可以等于1或0，yj可以等于1或0，0≤rij≤1。可以表示类别i对应的损失项。其中，rij可以等于类别i与类别j之间相同的目标对象的数量、与类别i的目标对象的数量的比值。
根据这个例子，能够根据第一参数动态减轻对具有共现关系或者具有较强的共现关系的类别的抑制，使属于多个类别的目标对象能够被正确地识别出多个标签，并维持了对其他类别的抑制能力和判别能力。
其中，目标对象b的标签可以是K＝{k|k∈C,yk＝1}，根据式1所示的损失函数，可以得到如式3所示的梯度：
在实际应用场景中，训练目标检测器通常需要大量的图像样本，而大规模的图像样本也常常伴随着严重的数据分布不均衡的问题。例如，Open Images数据集包括170万个图像样本，在这170万个图像样本中标注出了属于500个类别的1240万个目标对象，其中，一些类别的图像样本的数量比另一些类别的图像样本的数量多得多。例如，在Open Images数据集中，包含最多目标对象的类别“人”中的目标对象数量是包含最少目标对象的类别“高压锅”中的目标对象数量的近3万倍。又如，常见的水果(例如苹果)的目标对象的数量比罕见的水果(例如莲雾)的目标对象的数量多得多。数据分布不均衡容易导致对长尾类别(即包含较少目标对象和/或图像样本的类别)的检测性能不佳。
在一种可能的实现方式中，在所述将所述待检测图像输入目标检测器之前，所述方法还包括：根据第二参数的值、所述目标检测器所预测的类别数和所述多个类别包含的图像样本数，确定所述多个类别的图像样本的采样概率，其中，所述多个类别中任一类别的图像样本的采样概率在第一概率与第二概率之间，其中，所述第一概率为该类别的图像样本数与所述多个类别的图像样本总数的比值，所述第二概率为所述类别数的倒数；根据所述多个类别的图像样本的采样概率，对所述多个类别的图像样本进行采样，并根据采样得到的图像样本训练所述目标检测器。
其中，所述目标检测器所预测的类别数可以等于所述目标检测器所预测的多个类别的数量。例如，所述目标检测器用于预测C个类别，则所述目标检测器所预测的类别数可以为C。
例如，所述目标检测器所预测的类别数为C，类别i的图像样本数是ni，C个类别的图像样本总数是N，则对于类别i，第一概率为第二概率为/>
图3示出根据第二参数得到的采样概率以及第一概率、第二概率的示意图。在图3中，纵坐标表示采样概率，横纵标表示类别。图3的左图示出了Open Images数据集中样本量最多的50个类别，右图示出了Open Images数据集中样本量最少的50个类别。S1表示第一概率，S2表示第二概率，S3表示上述实现方式中根据第二参数的值、所述目标检测器所预测的类别数和所述多个类别包含的图像样本数确定的采样概率。由图3可知，采用上述实现方式，对于样本量最多的50个类别和样本量最少的50个类别，均能在第一概率与第二概率之间取得平衡。
在该实现方式中，第二参数可以属于预设取值范围，例如，预设取值范围可以是[0,1]。可以将所述预设取值范围内的各个值分别作为第二参数的值，以训练所述目标检测器，由此能够得到根据所述预设取值范围内的各个值训练得到的不同的目标检测器，从而能够从中找到性能最优的目标检测器。
采用该实现方式，能够提升目标检测器对长尾类别的检测性能，且不会对长尾类别过拟合。
作为该实现方式的一个示例，所述第二参数大于或等于0且小于或等于1；所述根据第二参数的值、所述目标检测器所预测的类别数和所述多个类别包含的图像样本数，确定所述多个类别的图像样本的采样概率，包括：对于所述多个类别中的任一类别，将第一幂数与第二幂数的乘积，确定为该类别的图像样本的采样概率，其中，所述第一幂数以所述第一概率为底数、以所述第二参数为指数，所述第二幂数以所述第二概率为底数、以1与所述第二参数的差值为指数。
例如，第二参数可以表示为λ，第一幂数为第二幂数为/>将/>确定为类别i的图像样本的采样概率。
作为该实现方式的一个示例，在所述根据采样得到的图像样本训练所述目标检测器之后，所述方法还包括：从根据不同值的第二参数训练得到的目标检测器中，确定测试结果最优的目标检测器；所述将所述待检测图像输入目标检测器，包括：将所述待检测图像输入所述测试结果最优的目标检测器中，经由所述测试结果最优的目标检测器输出所述待检测图像中的第一目标对象的类别预测结果。其中，可以采用测试样本对根据不同值的第二参数训练得到的目标检测器进行测试，得到各个目标检测器的测试结果。在该示例中，通过测试结果最优的目标检测器对待检测图像进行目标检测，能够获得更准确的目标检测结果。
作为该实现方式的一个示例，在所述根据第二参数的值、所述目标检测器所预测的类别数和所述多个类别包含的图像样本数，确定所述多个类别的图像样本的采样概率之前，所述方法还包括：对于所述多个类别中的任一类别，根据该类别的图像样本数与所述多个类别的图像样本总数的比值，对该类别进行采样，并根据采样得到的图像样本训练所述目标检测器；所述根据第二参数的值、所述目标检测器所预测的类别数和所述多个类别包含的图像样本数，确定所述多个类别的图像样本的采样概率，包括：在满足预设条件的情况下，根据第二参数的值、所述目标检测器所预测的类别数和所述多个类别包含的图像样本数，确定所述多个类别的图像样本的采样概率。
在一个例子中，所述预设条件包括以下至少一项：所述目标检测器的参数收敛、迭代次数(iteration)达到预设次数、训练时长达到预设时长、训练周期(epoch)达到预设周期、训练批数(Batch)达到预设批数。
在该示例中，通过先采用先验采样法(即根据类别的图像样本数与图像样本总数的比值对各个类别进行采样的方法)训练目标检测器，能够使目标检测器获得较好的初始值。采用该示例，能够充分利用主类别(即包含较多目标对象和/或图像样本的类别)中的图像样本训练所述目标检测器，使目标检测器学习到更准确地识别属于主类别的目标对象的能力。同时，也不会因为对长尾类别过采样而导致目标检测器对长尾类别过拟合，从而能够使目标检测器更准确地识别属于长尾类别的目标对象。在满足预设条件的情况下，根据第二参数的值、所述目标检测器所预测的类别数和所述多个类别包含的图像样本数，确定所述多个类别的图像样本的采样概率，根据所述多个类别的图像样本的采样概率，对所述多个类别的图像样本进行采样，并根据采样得到的图像样本训练所述目标检测器，由此目标检测器能够逐渐学习到识别长尾类别的能力。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外，本公开还提供了目标检测装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种目标检测方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
图4示出本公开实施例提供的目标检测装置的框图。如图4所示，所述目标检测装置包括：获取模块41，用于获取待检测图像；检测模块42，用于将所述待检测图像输入目标检测器，经由所述目标检测器输出所述待检测图像中的第一目标对象的类别预测结果，其中，所述目标检测器是预先根据损失函数训练得到的，所述损失函数的值是根据所述目标检测器所预测的多个类别中不同类别之间的第一参数的值确定的，所述多个类别中任意两个类别之间的第一参数的值是根据所述两个类别之间相同目标对象的统计数据确定的。
在一种可能的实现方式中，所述多个类别中任意两个类别之间的第一参数的值，与所述两个类别之间相同的目标对象的数量正相关。
在一种可能的实现方式中，所述多个类别中任意两个类别之间的第一参数的值，是根据所述两个类别之间相同的目标对象的数量、与所述两个类别中的一个类别中包含的所有目标对象的数量的比值确定的。
在一种可能的实现方式中，所述多个类别包括第一类别和第二类别，所述第一类别是所述多个类别中的任一类别，所述第二类别是所述多个类别中除所述第一类别以外的任一类别；
在所述第一类别不为所述第二类别的子类别或者父类别的情况下，所述第一类别与所述第二类别之间的第一参数的值，是根据第一比值或第二比值确定的，其中，所述第一比值用于表示第一数量与第二数量的比值，第二比值用于表示第一数量与第三数量的比值，第一数量用于表示所述第一类别与所述第二类别之间相同的目标对象的数量，第二数量用于表示所述第一类别中包含的所有目标对象的数量，所述第三数量用于表示所述第二类别中包含的所有目标对象的数量。
在一种可能的实现方式中，
在所述第一类别为所述第二类别的子类别的情况下，所述第一类别与所述第二类别之间的第一参数的值为第一预设值或者第二预设值；
和/或，
在所述第一类别为所述第二类别的父类别的情况下，所述第一类别与所述第二类别之间的第一参数的值为第一预设值。
在一种可能的实现方式中，所述损失函数的值还根据图像样本中的第二目标对象的类别标签以及所述目标检测器输出的所述第二目标对象的类别预测结果确定。
在一种可能的实现方式中，所述损失函数是根据所述多个类别对应的损失项确定的，所述多个类别包括第一类别和第二类别，所述第一类别是所述多个类别中的任一类别，所述第二类别是所述多个类别中除所述第一类别以外的任一类别，图像样本中的第二目标对象的类别标签包括所述第二目标对象的第一类别的标签和所述第二目标对象的第二类别的标签，所述目标检测器输出的第二目标对象的类别预测结果包括第二目标对象属于所述第一类别的预测值和所述第二目标对象属于所述第二类别的预测值；
所述第一类别对应的损失项的值是根据所述第二目标对象的第一类别的标签、所述第二目标对象属于所述第一类别的预测值、所述第二目标对象的第二类别的标签、所述第二目标对象属于所述第二类别的预测值和所述第一类别与所述第二类别之间的第一参数的值确定的。
在一种可能的实现方式中，所述装置还包括：
第一确定模块，用于根据第二参数的值、所述目标检测器所预测的类别数和所述多个类别包含的图像样本数，确定所述多个类别的图像样本的采样概率，其中，所述多个类别中任一类别的图像样本的采样概率在第一概率与第二概率之间，其中，所述第一概率为该类别的图像样本数与所述多个类别的图像样本总数的比值，所述第二概率为所述类别数的倒数；
第一采样模块，用于根据所述多个类别的图像样本的采样概率，对所述多个类别的图像样本进行采样，并根据采样得到的图像样本训练所述目标检测器。
在一种可能的实现方式中，
所述装置还包括：第二确定模块，用于从根据不同值的第二参数训练得到的目标检测器中，确定测试结果最优的目标检测器；
所述检测模块用于：将所述待检测图像输入所述测试结果最优的目标检测器中，经由所述测试结果最优的目标检测器输出所述待检测图像中的第一目标对象的类别预测结果。
在一种可能的实现方式中，
所述装置还包括：第二采样模块，用于对于所述多个类别中的任一类别，根据该类别的图像样本数与所述多个类别的图像样本总数的比值，对该类别进行采样，并根据采样得到的图像样本训练所述目标检测器；
所述第一确定模块用于：在满足预设条件的情况下，根据第二参数的值、所述目标检测器所预测的类别数和所述多个类别包含的图像样本数，确定所述多个类别的图像样本的采样概率。
在本公开实施例中，通过根据目标检测器所预测的多个类别中不同类别之间相同目标对象的统计数据，确定所述目标检测器的损失函数的值以训练所述目标检测器，并通过训练得到的目标检测器得到待检测图像中的第一目标对象的类别预测结果，从而能够提高针对多个类别进行目标检测的准确性。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本公开实施例还提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。其中，所述计算机可读存储介质可以是非易失性计算机可读存储介质，或者可以是易失性计算机可读存储介质。
本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，当计算机可读代码在设备上运行时，设备中的处理器执行用于实现如上任一实施例提供的目标检测方法的指令。
本公开实施例还提供了另一种计算机程序产品，用于存储计算机可读指令，指令被执行时使得计算机执行上述任一实施例提供的目标检测方法的操作。
本公开实施例还提供一种电子设备，包括：一个或多个处理器；用于存储可执行指令的存储器；其中，所述一个或多个处理器被配置为调用所述存储器存储的可执行指令，以执行上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图5示出本公开实施例提供的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
参照图5，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如Wi-Fi、2G、3G、4G/LTE、5G或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图6示出本公开实施例提供的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图6，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如WindowsMac OS/>或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (11)
1.一种目标检测方法，其特征在于，包括：
根据目标检测器所预测的多个类别中不同类别之间的第一参数的值，图像样本中的第二目标对象的类别标签，以及所述目标检测器输出的所述第二目标对象的类别预测结果，确定损失函数的值；其中，所述图像样本表示用于训练所述目标检测器的图像，所述第二目标对象的类别标签表示所述第二目标对象所属的类别的真值，所述目标检测器输出的所述第二目标对象的类别预测结果包括所述第二目标对象属于所述多个类别中的各个类别的概率；所述多个类别中任意两个类别之间的第一参数的值，与所述两个类别之间相同的目标对象的数量正相关；所述损失函数的值与所述第一参数的值负相关；
根据所述损失函数的值，训练所述目标检测器；
获取待检测图像；
将所述待检测图像输入目标检测器，经由所述目标检测器输出所述待检测图像中的第一目标对象的类别预测结果。
2.根据权利要求1所述的方法，其特征在于，所述多个类别中任意两个类别之间的第一参数的值，是根据所述两个类别之间相同的目标对象的数量、与所述两个类别中的一个类别中包含的所有目标对象的数量的比值确定的。
3.根据权利要求1所述的方法，其特征在于，所述多个类别包括第一类别和第二类别，所述第一类别是所述多个类别中的任一类别，所述第二类别是所述多个类别中除所述第一类别以外的任一类别；
在所述第一类别不为所述第二类别的子类别或者父类别的情况下，所述第一类别与所述第二类别之间的第一参数的值，是根据第一比值或第二比值确定的，其中，所述第一比值用于表示第一数量与第二数量的比值，第二比值用于表示第一数量与第三数量的比值，第一数量用于表示所述第一类别与所述第二类别之间相同的目标对象的数量，第二数量用于表示所述第一类别中包含的所有目标对象的数量，所述第三数量用于表示所述第二类别中包含的所有目标对象的数量。
4.根据权利要求3所述的方法，其特征在于，
在所述第一类别为所述第二类别的子类别的情况下，所述第一类别与所述第二类别之间的第一参数的值为第一预设值或者第二预设值；
和/或，
在所述第一类别为所述第二类别的父类别的情况下，所述第一类别与所述第二类别之间的第一参数的值为第一预设值。
5.根据权利要求1至4中任意一项所述的方法，其特征在于，所述损失函数是根据所述多个类别对应的损失项确定的，所述多个类别包括第一类别和第二类别，所述第一类别是所述多个类别中的任一类别，所述第二类别是所述多个类别中除所述第一类别以外的任一类别，图像样本中的第二目标对象的类别标签包括所述第二目标对象的第一类别的标签和所述第二目标对象的第二类别的标签，所述目标检测器输出的第二目标对象的类别预测结果包括第二目标对象属于所述第一类别的预测值和所述第二目标对象属于所述第二类别的预测值；
所述第一类别对应的损失项的值是根据所述第二目标对象的第一类别的标签、所述第二目标对象属于所述第一类别的预测值、所述第二目标对象的第二类别的标签、所述第二目标对象属于所述第二类别的预测值和所述第一类别与所述第二类别之间的第一参数的值确定的。
6.根据权利要求1至4中任意一项所述的方法，其特征在于，在所述将所述待检测图像输入目标检测器之前，所述方法还包括：
根据第二参数的值、所述目标检测器所预测的类别数和所述多个类别包含的图像样本数，确定所述多个类别的图像样本的采样概率，其中，所述多个类别中任一类别的图像样本的采样概率在第一概率与第二概率之间，其中，所述第一概率为该类别的图像样本数与所述多个类别的图像样本总数的比值，所述第二概率为所述类别数的倒数；
根据所述多个类别的图像样本的采样概率，对所述多个类别的图像样本进行采样，并根据采样得到的图像样本训练所述目标检测器。
7.根据权利要求6所述的方法，其特征在于，
在所述根据采样得到的图像样本训练所述目标检测器之后，所述方法还包括：从根据不同值的第二参数训练得到的目标检测器中，确定测试结果最优的目标检测器；
所述将所述待检测图像输入目标检测器，包括：将所述待检测图像输入所述测试结果最优的目标检测器中，经由所述测试结果最优的目标检测器输出所述待检测图像中的第一目标对象的类别预测结果。
8.根据权利要求6所述的方法，其特征在于，
在所述根据第二参数的值、所述目标检测器所预测的类别数和所述多个类别包含的图像样本数，确定所述多个类别的图像样本的采样概率之前，所述方法还包括：对于所述多个类别中的任一类别，根据该类别的图像样本数与所述多个类别的图像样本总数的比值，对该类别进行采样，并根据采样得到的图像样本训练所述目标检测器；
所述根据第二参数的值、所述目标检测器所预测的类别数和所述多个类别包含的图像样本数，确定所述多个类别的图像样本的采样概率，包括：在满足预设条件的情况下，根据第二参数的值、所述目标检测器所预测的类别数和所述多个类别包含的图像样本数，确定所述多个类别的图像样本的采样概率。
9.一种目标检测装置，其特征在于，包括：
获取模块，用于获取待检测图像；
检测模块，用于将所述待检测图像输入目标检测器，经由所述目标检测器输出所述待检测图像中的第一目标对象的类别预测结果，其中，所述目标检测器是预先根据损失函数训练得到的，所述损失函数的值是根据所述目标检测器所预测的多个类别中不同类别之间的第一参数的值、图像样本中的第二目标对象的类别标签以及所述目标检测器输出的所述第二目标对象的类别预测结果确定的，所述图像样本表示用于训练所述目标检测器的图像，所述第二目标对象的类别标签表示所述第二目标对象所属的类别的真值，所述目标检测器输出的所述第二目标对象的类别预测结果包括所述第二目标对象属于所述多个类别中的各个类别的概率，所述多个类别中任意两个类别之间的第一参数的值，与所述两个类别之间相同的目标对象的数量正相关，所述损失函数的值与所述第一参数的值负相关。
10.一种电子设备，其特征在于，包括：
一个或多个处理器；
用于存储可执行指令的存储器；
其中，所述一个或多个处理器被配置为调用所述存储器存储的可执行指令，以执行权利要求1至8中任意一项所述的方法。
11.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至8中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010413033.4A CN111582402B (zh) | 2020-05-15 | 2020-05-15 | 目标检测方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010413033.4A CN111582402B (zh) | 2020-05-15 | 2020-05-15 | 目标检测方法及装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111582402A CN111582402A (zh) | 2020-08-25 |
| CN111582402B true CN111582402B (zh) | 2024-06-11 |
Family
ID=72110886
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010413033.4A Active CN111582402B (zh) | 2020-05-15 | 2020-05-15 | 目标检测方法及装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111582402B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112861982A (zh) * | 2021-02-24 | 2021-05-28 | 佛山市南海区广工大数控装备协同创新研究院 | 一种基于梯度平均的长尾目标检测方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101996326A (zh) * | 2009-08-26 | 2011-03-30 | 索尼株式会社 | 多类目标的检测装置及检测方法 |
| CN110136016A (zh) * | 2019-04-04 | 2019-08-16 | 中国科学院信息工程研究所 | 一种基于隐式关联的多标签传播方法及系统 |
| CN110162644A (zh) * | 2018-10-10 | 2019-08-23 | 腾讯科技（深圳）有限公司 | 一种图像集建立方法、装置和存储介质 |
| CN110705425A (zh) * | 2019-09-25 | 2020-01-17 | 广州西思数字科技有限公司 | 一种基于图卷积网络的舌象多标签分类学习方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9477908B2 (en) * | 2014-04-10 | 2016-10-25 | Disney Enterprises, Inc. | Multi-level framework for object detection |
-
2020
- 2020-05-15 CN CN202010413033.4A patent/CN111582402B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101996326A (zh) * | 2009-08-26 | 2011-03-30 | 索尼株式会社 | 多类目标的检测装置及检测方法 |
| CN110162644A (zh) * | 2018-10-10 | 2019-08-23 | 腾讯科技（深圳）有限公司 | 一种图像集建立方法、装置和存储介质 |
| CN110136016A (zh) * | 2019-04-04 | 2019-08-16 | 中国科学院信息工程研究所 | 一种基于隐式关联的多标签传播方法及系统 |
| CN110705425A (zh) * | 2019-09-25 | 2020-01-17 | 广州西思数字科技有限公司 | 一种基于图卷积网络的舌象多标签分类学习方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于标签相关性的卷积神经网络多标签分类;余晓龙 等;闽南师范大学学报（自然科学版）;第32卷(第2期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111582402A (zh) | 2020-08-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111310616B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN107491541B (zh) | 文本分类方法及装置 | |
| CN111445493B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN110009090B (zh) | 神经网络训练与图像处理方法及装置 | |
| CN111274426B (zh) | 类别标注方法及装置、电子设备和存储介质 | |
| CN109615006B (zh) | 文字识别方法及装置、电子设备和存储介质 | |
| CN111931844B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN110781813B (zh) | 图像识别方法及装置、电子设备和存储介质 | |
| CN111539410B (zh) | 字符识别方法及装置、电子设备和存储介质 | |
| CN110909815A (zh) | 神经网络训练、图像处理方法、装置及电子设备 | |
| CN113326768B (zh) | 训练方法、图像特征提取方法、图像识别方法及装置 | |
| KR20210090238A (ko) | 비디오 처리 방법 및 장치, 전자 기기, 및 기억 매체 | |
| CN111259967B (zh) | 图像分类及神经网络训练方法、装置、设备及存储介质 | |
| CN108960283B (zh) | 分类任务增量处理方法及装置、电子设备和存储介质 | |
| JP2022522551A (ja) | 画像処理方法及び装置、電子機器並びに記憶媒体 | |
| CN111582383B (zh) | 属性识别方法及装置、电子设备和存储介质 | |
| US20210326649A1 (en) | Configuration method and apparatus for detector, storage medium | |
| CN111523599B (zh) | 目标检测方法及装置、电子设备和存储介质 | |
| CN110633715B (zh) | 图像处理方法、网络训练方法及装置、和电子设备 | |
| CN114332503A (zh) | 对象重识别方法及装置、电子设备和存储介质 | |
| CN113313115B (zh) | 车牌属性识别方法及装置、电子设备和存储介质 | |
| CN112559673A (zh) | 语言处理模型的训练方法及装置、电子设备及存储介质 | |
| CN111062401A (zh) | 堆叠物体的识别方法及装置、电子设备和存储介质 | |
| WO2022141969A1 (zh) | 图像分割方法及装置、电子设备、存储介质和程序 | |
| CN111582402B (zh) | 目标检测方法及装置、电子设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |