(19)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 202210807357.5 (22)申请日 2022.07.11 (71)申请人 浙江大华 技术股份有限公司 地址 310053 浙江省杭州市滨江区滨安路 1187号 (72)发明人 沈孔怀　朱亚伦　 (74)专利代理 机构 北京同达信恒知识产权代理 有限公司 1 1291 专利代理师 赵凯莉 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06N 3/08(2006.01) (54)发明名称 一种目标检测的方法及设备 (57)摘要 本发明公开了一种目标检测的方法及设备， 用于在不增加标注的训练数据量的同时， 提高检 测模型在实际场景中的检测性能。 该方法包括： 获取待检测的目标图像； 将所述目标图像输入到 训练好的检测模 型， 输出所述目标图像中的目标 对象的位置； 其中， 所述检测模型是利用已标注 的第一样本集和未标注的第二样本集进行训练 得到的， 每次训练时提取所述第一样本集中的第 一样本图像的第一低维特征图和所述第二样本 集中的第二样本图像的第二低维特征图， 将所述 第一低维特征图和所述第二低维特征图进行融 合得到融合特征图， 利用所述融合特征图和所述 第一样本图像标注的目标对象的位置进行训练。 权利要求书2页 说明书16页 附图6页 CN 114882372 A 2022.08.09 CN 114882372 A 1.一种目标检测的方法， 其特 征在于， 该 方法包括： 获取待检测的目标图像； 将所述目标图像输入到训练好的检测模型， 输出 所述目标图像中的目标对象的位置； 其中， 所述检测模型是利用已标注的第 一样本集和未标注的第 二样本集进行训练得到 的， 每次训练时提取所述第一样本集中的第一样本图像的第一低维特征图和所述第二样本 集中的第二样本图像的第二低维特征图， 将所述第一低维特征图和所述第二低维特征图进 行融合得到融合特征图， 利用所述融合特征图和所述第一样本图像标注的目标对象的位置 进行训练； 其中所述第一样本集和所述第二样本集都包含目标对象， 所述第二样本集包含 与所述第一样本集 不同的场景 特征。 2.根据权利要求1所述的方法， 其特征在于， 所述将所述第 一低维特征图和所述第 二低 维特征图进行融合得到融合特 征图， 包括： 根据所述第 一低维特征图在特征提取层的每个通道上的第 一均值和第 一标准差， 以及 所述第二低维特征图在特征提取层的每个通道上的第二均值和 第二标准差， 确定所述融合 特征图； 其中， 所述特 征提取层是 所述检测模型中用于提取低维特 征的卷积层。 3.根据权利要求2所述的方法， 其特 征在于， 所述确定所述融合特 征图， 包括： 根据所述第 一均值和第 一标准差对所述第 一低维特征图进行归一化处理， 得到归一化 的第一低维特 征图； 将所述第二均值作为所述归一化的第 一低维特征图的偏移量， 所述第 二标准差作为所 述归一化的第一低维特 征图的缩放权 重， 确定所述融合特 征图。 4.根据权利要求1所述的方法， 其特 征在于， 所述检测模型在每次训练时， 还 包括： 根据所述第一低维特征图、 所述第二低维特征图以及所述融合特征图， 确定域分类损 失值； 根据所述域分类损失值调 整所述检测模型在训练过程中的参数， 以提取出域不变的特 征。 5.根据权利要求4所述的方法， 其特征在于， 所述根据所述域分类损失值调 整所述检测 模型在训练过程中的参数， 以提取 出域不变的特 征， 包括： 利用梯度反转层对所述域分类损失值对应的梯度进行反向传播， 并调整所述检测模型 在训练过程中的参数， 以提取 出域不变的特 征。 6.根据权利要求1所述的方法， 其特 征在于， 所述检测模型在每次训练时， 还 包括： 根据所述第一低维特 征图和所述融合特 征图的语义相似性， 确定相似性损失值； 根据所述相似性损失值调 整所述检测模型在训练过程中的参数， 以对所述第 一低维特 征图和所述融合特 征图的语义 一致性进行约束。 7.根据权利要求1所述的方法， 其特 征在于， 所述检测模型在每次训练时， 还 包括： 确定所述融合特 征图中与目标对象关联的候选 框集合； 根据不同目标对象关联的候选 框集合， 确定同类互斥损失值； 根据所述同类互斥损失值调整所述检测模型在训练过程中的参数， 以拉大不同候选框 集合间的距离 。 8.根据权利要求7所述的方法， 其特征在于， 所述根据不同目标对象关联的候选框集权　利　要　求　书 1/2 页 2 CN 114882372 A 2合， 确定同类互斥损失值， 包括： 从第一目标对象关联的第 一候选框集合和第 二目标对象关联的第 二候选框集合中， 确 定多个候选 框组； 根据每个候选框组中的第一 候选框和第二 候选框的距离， 确定同类互斥损失值。 9.一种检测模型的训练方法， 其特 征在于， 该 方法包括： 获取待训练的检测模型的训练样本， 所述训练样本包括已标注的第 一样本集和未标注 的第二样本集； 所述第一样本集和所述第二样本集都包含目标对象， 所述第二样本集包含 与所述第一样本集 不同的场景 特征； 每次训练时提取所述第一样本集中的第一样本图像的第一低维特征图和所述第二样 本集中的第二样本图像的第二低维特征图， 将所述第一低维特征图和所述第二低维特征图 进行融合得到融合特征图， 利用所述融合特征图和所述第一样本图像标注的目标对象的位 置对初始检测模型进行训练， 得到训练好的检测模型。 10.一种目标检测的设备， 其特征在于， 该设备包括处理器和存储器， 所述存储器用于 存储所述处理器可执行的程序， 所述处理器用于读取所述存储器中的程序并执行权利要求 1~8或9任一项所述方法的步骤。 11.一种计算机存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器执行 时实现如权利要求1~8或9任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114882372 A 3