基于特征金字塔的图像检测模型的训练方法、介质和设备

技术特征：
1.一种基于特征金字塔的图像检测模型的训练方法，其特征在于，待训练的图像检测模型包括特征提取网络、三角特征金字塔融合网络和回归预测网络，其中，三角特征金字塔融合网络包括若干融合单元，且所述三角特征金字塔融合网络至少具有五种不同的融合路径，所述训练方法包括：将获取的原始检测图像输入到所述特征提取网络，得到若干不同尺度的层次化特征图；将所述层次化特征图输入到所述三角特征金字塔融合网络，得到若干不同尺度的融合特征图；将若干不同尺度的融合特征图输入到回归预测网络，得到预测目标值；根据预测目标值和获取的真实目标值更新损失函数；根据更新后的损失函数对待训练的图像检测模型的网络参数进行更新。2.根据权利要求1所述的基于特征金字塔的图像检测模型的训练方法，其特征在于，所述三角特征金字塔融合网络包括至少三层融合层，且融合层的数量随着融合层的尺度降低而递减。3.根据权利要求2所述的基于特征金字塔的图像检测模型的训练方法，其特征在于，所述三角特征金字塔融合网络具有：第一融合路径，用于融合形成不同比例的特征图；第二融合路径，用于缩短低级特征向高级特征传输的距离；第三融合路径，用于融合同一尺度的特征信息；第四融合路径，用于融合分别位于相邻两层融合层且分别位于第一融合路径和第二融合路径的融合单元的数据；第五融合路径，用于融合同一层融合层的输入单元和输出单元的特征信息。4.根据权利要求2所述的基于特征金字塔的图像检测模型的训练方法，其特征在于，所述三角特征金字塔融合网络包括五层融合层，五层融合层的融合单元数量分别为五个、四个、三个、二个和一个。5.根据权利要求1所述的基于特征金字塔的图像检测模型的训练方法，其特征在于，所述待训练的图像检测模型还包括对称三角特征金字塔融合网络，所述对称三角特征金字塔融合网络包括若干融合单元，所述对称三角特征金字塔融合网络至少具有五种不同的融合路径，且所述对称三角特征金字塔融合网络的各个融合单元与所述三角特征金字塔融合网络的各个融合单元呈对称分布，其中，所述训练方法还包括：将所述层次化特征图输入到所述对称三角特征金字塔融合网络，得到若干不同尺度的对称融合特征图；将相同尺度的所述融合特征图和所述对称融合特征图相加，得到全局特征图；将不同尺度的所述全局特征图输入到所述回归预测网络，得到全局预测目标值；根据全局预测目标值和获取的真实目标值更新损失函数；根据更新后的损失函数对待训练的图像检测模型的网络参数进行更新。6.根据权利要求5所述的基于特征金字塔的图像检测模型的训练方法，其特征在于，所述对称三角特征金字塔融合网络包括至少三层融合层，且融合层的数量随着融合层的尺度增大而递减。
7.根据权利要求6所述的基于特征金字塔的图像检测模型的训练方法，其特征在于，所述对称三角特征金字塔融合网络具有：第六融合路径，用于融合形成不同比例的特征图；第七融合路径，用于缩短低级特征向高级特征传输的距离；第八融合路径，用于融合同一尺度的特征信息；第九融合路径，用于融合分别位于相邻两层融合层且分别位于第一融合路径和第二融合路径的融合单元；第十融合路径，用于融合同一层融合层的输入单元和输出单元的特征信息。8.根据权利要求6所述的基于特征金字塔的图像检测模型的训练方法，其特征在于，所述对称三角特征金字塔融合网络包括五层融合层，五层融合层的融合单元数量分别为五个、四个、三个、二个和一个。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基于特征金字塔的图像检测模型的训练程序，所述基于特征金字塔的图像检测模型的训练程序被处理器执行时实现权利要求1至8任一项所述的基于特征金字塔的图像检测模型的训练方法。10.一种计算机设备，其特征在于，所述计算机设备包括计算机可读存储介质、处理器和存储在所述计算机可读存储介质中的基于特征金字塔的图像检测模型的训练程序，所述基于特征金字塔的图像检测模型的训练程序被处理器执行时实现权利要求1至8任一项所述的基于特征金字塔的图像检测模型的训练方法。

技术总结
本发明公开一种基于特征金字塔的图像检测模型的训练方法、存储介质和设备。所述训练方法包括：将获取的原始检测图像输入到所述特征提取网络，得到若干不同尺度的层次化特征图；将所述层次化特征图输入到所述三角特征金字塔融合网络，得到若干不同尺度的融合特征图；将若干不同尺度的融合特征图输入到回归预测网络，得到预测目标值；根据预测目标值和获取的真实目标值更新损失函数；根据更新后的损失函数对待训练的图像检测模型的网络参数进行更新。本申请构建了具有至少五种不同融合路径的融合网络，使得不同尺度的特征图之间得到充分融合，保留更多的细节信息和原始信息，提高模型的检测准确率，提升了安检领域检测网络的性能和效率。的性能和效率。的性能和效率。


技术研发人员：胡庆茂 张伟烽
受保护的技术使用者：中国科学院深圳先进技术研究院
技术研发日：2020.12.09
技术公布日：2022/6/10