(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 202211312292.3 (22)申请日 2022.10.25 (71)申请人 北京鹰瞳科技发展股份有限公司 地址 100081 北京市海淀区北理工国防科 技园2号楼4层21室 (72)发明人 贺婉佶　史晓宇　 (74)专利代理 机构 北京维昊知识产权代理事务 所(普通合伙) 11804 专利代理师 王颖慧 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 目标检测模 型的训练方法、 目标检测的方法 及相关产品 (57)摘要 本申请公开了一种目标检测模型的训练方 法、 目标检测的方法及相关产品。 根据本申请实 施例所述的目标检测模型包括主干网络和与主 干网络连接的第一检测框分类分支， 所述第一检 测框分类分支包括至少一个检测类别输出和至 少一个假阳类别输出； 所述训练方法包括： 获取 包含第一标注和第二标注的样 本训练集， 其中所 述样本训练集包括至少一张样 本图像， 所述第一 标注用于标识样本图像中的检测类别目标， 所述 第二标注用于标识样本图像中的假阳类别目标； 以及使用所述样本训练集对所述目标检测模型 进行训练。 根据本申请实施例的训练方法， 有利 于提高目标检测模型对假阳类别目标的分辨识 别能力。 权利要求书2页 说明书11页 附图6页 CN 115375955 A 2022.11.22 CN 115375955 A 1.一种目标检测模型的训练方法， 其特征在于， 所述目标检测模型包括主干网络和与 主干网络连接的第一检测框 分类分支， 所述第一检测框 分类分支包括至少一个检测类别输 出和至少一个假阳类别输出； 所述训练方法包括： 获取包含第 一标注和第 二标注的样本训练集， 其中所述样本训练集包括至少一张样本 图像， 所述第一标注用于标识样本图像中的检测类别目标， 所述第二标注用于标识样本图 像中的假阳类别目标； 以及 使用所述样本训练集对所述目标检测模型进行训练。 2.根据权利要求1所述的训练方法， 其特征在于， 在使用所述样本训练集对所述目标检 测模型进行训练之前， 所述训练方法还 包括： 使用带第一标注 的预训练集对基础模型进行预训练， 以得到预训练后的基础模型， 其 中所述基础 模型包括主干网络和与主干网络连接的第二检测框 分类分支， 所述第二检测框 分类分支包括至少一个 检测类别输出。 3.根据权利要求2所述的训练方法， 其特 征在于， 还 包括： 在预训练后的基础模型的所述第 二检测框分类分支中增加至少一个假阳类别 输出， 以 形成包括所述第一检测框分类分支的所述目标检测模型。 4.根据权利要求2或3所述的训练方法， 其特征在于， 在获取所述样本训练集之前， 所述 训练方法还 包括： 基于所述预训练集， 生成包 含第一标注和第二标注的样本训练集。 5.根据权利要求 4所述的训练方法， 其特 征在于， 生成样本训练集包括： 使用预训练后的基础模型对所述预训练集中的样本图像进行目标检测， 以得到多个检 测结果； 将所述多个检测结果与所述第 一标注进行比较， 以在所述多个检测结果中确定在预训 练集中对应背景的假阳类别目标； 以及 根据假阳类别目标的检测框确定所述第二标注， 以生成所述样本训练集。 6.根据权利要求1 ‑3任一所述的训练方法， 其特征在于， 在使用所述样本训练集对目标 检测模型进行训练之前， 所述训练方法还 包括： 冻结所述目标检测模型中除所述第一检测框分类分支以外的其他网络结构中的权重 参数。 7.根据权利要求6所述的训练方法， 其特征在于， 所述目标检测模型还包括与 所述主干 网络分别连接的前 景背景分类分支和检测框位置回归分支； 冻结权重参数包括： 冻结所述主干网络、 所述前景背景分类分支和所述检测框位置回归分支中的权重参 数。 8.根据权利要求1所述的训练方法， 其特 征在于， 所述检测类别输出的数量与所述 假阳类别输出的数量相等， 并一 一对应。 9.根据权利要求5所述的训练方法， 其特 征在于， 根据在所述多个检测结果中确定的假阳类别目标的类别数量， 确定假阳类别 输出的数 量。 10.根据权利要求1所述的训练方法， 其特 征在于， 所述样本图像包括医学样本图像。权　利　要　求　书 1/2 页 2 CN 115375955 A 211.一种基于图像进行目标检测的方法， 其特 征在于， 包括： 将待检测图像输入至根据权利要求1 ‑10任一所述的训练方法训练后的目标检测模型 中； 以及 使用所述目标检测模型对所述待检测图像进行目标检测并输出检测结果。 12.一种用于目标检测的设备， 其特 征在于， 包括： 处理器， 其用于执 行程序指令； 以及 存储器， 其存储有所述程序指令， 当所述程序指令由所述处理器加载并执行时， 使得所 述处理器执行根据权利要求1 ‑10任一所述的目标检测模型的训练方法或者执行根据权利 要求11所述的基于图像进行目标检测的方法。 13.一种计算机可读存储介质， 其特征在于， 其上存储有计算机可读指令， 该计算机可 读指令被一个或多个处理器执行时， 实现如权利要求 1‑10中任意一项 所述的目标检测模型 的训练方法或者如权利要求1 1所述的基于图像进行目标检测的方法。权　利　要　求　书 2/2 页 3 CN 115375955 A 3