(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 202111666389.X (22)申请日 2021.12.3 0 (71)申请人 济南博观智能科技有限公司 地址 250001 山东省济南市高新区新 泺大 街1166号奥盛大厦3号楼17楼 (72)发明人 何宇洋　刘鹏里　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 代理人 韩宏星 (51)Int.Cl. G06K 9/62(2022.01) G06V 10/774(2022.01) G06V 10/764(2022.01) (54)发明名称 一种目标检测方法、 装置、 电子设备及存储 介质 (57)摘要 本申请公开了一种目标检测方法， 所述方法 包括： 将当前批次样本输入目标检测模型得到特 征图； 其中， 所述当前批次样本中包括多个类别 的训练样 本； 根据所述特征图确定每一类别的样 本梯度信息， 根据所述样本梯度信息设置每一类 别的损失权重； 根据所述损失权重对 所述目标检 测模型的损失函数进行修正， 并利用修正后的损 失函数对所述目标检测模型进行参数调整， 以便 得到训练后的目标检测模型； 利用所述训练后的 目标检测模 型对未知信息执行目标检测操作。 本 申请能够 避免长尾 分布对目标检测模 型的影响， 提高目标检测准确率。 本申请还公开了一种目标 检测装置、 一种存储介质及一种电子设备， 具有 以上有益效果。 权利要求书2页 说明书8页 附图1页 CN 114330573 A 2022.04.12 CN 114330573 A 1.一种目标检测方法， 其特 征在于， 包括： 将当前批次样本输入目标检测模型得到特征图； 其中， 所述当前批次样本中包括多个 类别的训练样本； 根据所述特征图确定每一类别的样本梯度信 息， 根据所述样本梯度信 息设置每一类别 的损失权 重； 根据所述损失权重对所述目标检测模型的损失函数进行修正， 并利用修正后的损失函 数对所述目标检测模型进行参数调整， 以便得到训练后的目标检测模型； 利用所述训练后的目标检测模型对未知信息执 行目标检测操作。 2.根据权利要求1所述目标检测方法， 其特征在于， 根据 所述特征图确定每一类别的样 本梯度信息， 包括： 根据所述特 征图确定每一类别的正样本对应预测点产生的正样本梯度； 根据所述特 征图确定每一类别的负 样本对应预测点产生的负 样本梯度； 其中， 所述样本梯度信息包括所述 正样本梯度和所述负 样本梯度。 3.根据权利要求2所述目标检测方法， 其特征在于， 根据 所述样本梯度信 息设置每一类 别的损失权 重， 包括： 将所述特 征图中所述 正样本梯度大于梯度阈值的预测点设置为第一待优化预测点； 将所述特征图中所述负样本梯度大于所述梯度阈值的预测点设置为第二待优化预测 点； 选取目标类别， 并计算所述目标类别的第一比例和第 二比例； 其中， 所述第 一比例为所 述目标类别的第一待优化预测点数量与所述目标类别对应的预测点数量的比值； 所述第二 类别为所述目标类别的第二待优化预测点数量与目标数的比值， 所述目标数为所有所述当 前批次样本对应的预测点数量与所述目标类别对应的预测点数量的差； 判断是否得到所有类别的第一比例和第二比例； 若是， 则根据所有类别第一比例和第二比例计算每一类别的类别权重， 并通过类别均 衡算法对所述类别权 重进行计算得到每一类别的损失权 重； 若否， 则进入所述选取目标类别的步骤。 4.根据权利要求3所述目标检测方法， 其特征在于， 所述根据所有类别第 一比例和第 二 比例计算每一类别的类别权 重， 包括： 将所述第一比例中的最大值与每一类别的第一比例的比值设置为相应类别的第一类 别权重； 将所述第二比例中的最大值与每一类别的第二比例的比值设置为相应类别的第二类 别权重。 5.根据权利要求4所述目标检测方法， 其特征在于， 所述通过类别均衡算法对所述类别 权重进行计算得到每一类别的损失权 重， 包括： 通过所述类别均衡算法对所述第 一类别权重进行计算得到第 一计算结果， 将所述第 一 计算结果与相应 类别的样本总数相乘， 得到每一类别的正样本损失权 重； 通过所述类别均衡算法对所述第 二类别权重进行计算得到第 二计算结果， 将所述第 二 计算结果与相应 类别的样本总数相乘， 得到每一类别的负 样本损失权 重。 6.根据权利要求5所述目标检测方法， 其特征在于， 根据 所述损失权重对所述目标检测权　利　要　求　书 1/2 页 2 CN 114330573 A 2模型的损失函数进行修 正， 包括： 获取所述目标检测模型的损失函数l oss； 利用所述正样本损失权重Q(pos)和所述负样本损失权重Q(neg)修正所述损失函数 loss； 其中， 修正前的损失函数为loss＝ ‑(yilog(σ(x))+(1 ‑yi)log(1‑(σ(x)))， 修正后的损 失函数为loss＝ ‑(Q(pos)yilog( σ(x))+Q(neg)(1 ‑yi)log(1‑( σ(x)))， yi为样本是否属于i 类的标签， σ(x)为类别的预测分数。 7.根据权利要求1至6任一项所述目标检测方法， 其特征在于， 在利用修正后的损 失函 数对所述目标检测模型进行参数调整之后， 还 包括： 判断所述目标检测模型 是否迭代完毕； 若否， 则从训练集中选取训练样本作为新的当前批次样本， 并进入所述将当前批次样 本输入目标检测模型 得到特征图的步骤。 8.一种目标检测装置， 其特 征在于， 包括： 样本输入模块， 用于将当前批次样本输入目标检测模型得到特征图； 其中， 所述当前批 次样本中包括多个 类别的训练样本； 权重设置模块， 用于根据所述特征图确定每一类别的样本梯度信息， 根据所述样本梯 度信息设置每一类别的损失权 重； 损失函数调整模块， 用于根据所述损失权重对所述目标检测模型的损失函数进行修 正， 并利用修正后的损失函数对所述 目标检测模型进行参数调整， 以便得到训练后的目标 检测模型； 目标检测模块， 用于利用所述训练后的目标检测模型对未知信息执 行目标检测操作。 9.一种电子设备， 其特征在于， 包括存储器和处理器， 所述存储器中存储有计算机程 序， 所述处理器调用所述存储器中的计算机程序时实现如权利要求 1至7任一项 所述目标检 测方法的步骤。 10.一种存储介质， 其特征在于， 所述存储介质中存储有计算机可执行指令， 所述计算 机可执行指令被处理器加载并执行时， 实现如权利要求 1至7任一项 所述目标检测方法的步 骤。权　利　要　求　书 2/2 页 3 CN 114330573 A 3