目标检测方法、目标检测模型训练方法、装置及车辆与流程

1.本公开涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域，具体涉及一种目标检测方法、目标检测模型训练方法、目标检测装置、训练目标检测模型的装置、电子设备、计算机可读存储介质、计算机程序产品和车辆。


背景技术：

2.人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
3.在计算机视觉技术中，目标检测有着广泛的使用场景。诸如图像分割、物体追踪、关键点检测等通常都依赖于目标检测。目标检测一般通过经训练的目标检测模型来实现。在目标检测模型的训练中，模型的预测能力对神经网络训练过程中所使用的损失函数很敏感。不同的数据，不同的网络结构的情况下，选择不同的损失函数往往会导致模型的预测能力产生变化。
4.在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。


技术实现要素：

5.本公开提供了一种目标检测方法、目标检测模型训练方法、目标检测装置、训练目标检测模型的装置、电子设备、计算机可读存储介质、计算机程序产品和车辆。
6.根据本公开的一方面，提供了一种目标检测方法，包括：获取目标对象的特征信息；以及基于所述特征信息，利用分类头检测所述目标对象的类别属性，并且利用回归头检测所述目标对象的空间属性，所述空间属性包括朝向属性、位置属性和尺寸属性中的至少一种；其中，所述分类头和所述回归头中的至少一者基于一组差异度量函数进行所述检测，所述一组差异度量函数通过雷尼差异度量进行表征以指示至少一个差异度量函数。
7.根据本公开的另一方面，提供了一种目标检测模型的训练方法，包括：获取样本目标对象的样本特征信息以及真实特征信息，其中，真实特征信息包括真实类别属性和真实空间属性，真实空间属性包括样本目标对象的真实朝向属性、真实位置属性和真实尺寸属性中的至少一种；基于样本特征信息，利用分类头预测得到样本目标对象的预测类别属性，并且利用回归头预测得到样本目标对象的预测空间属性，预测空间属性包括回归头预测得到的样本目标对象的预测朝向属性、预测位置属性和预测尺寸属性中的至少一种。分类头和回归头中的至少一者基于一组差异度量函数进行所述预测，一组差异度量函数通过雷尼差异度量进行表征以指示至少一个差异度量函数；确定预测类别属性与真实类别属性是否
一致以及预测空间属性与真实空间属性是否一致；以及响应于确定预测类别属性与真实类别属性一致且预测空间属性与真实空间属性一致，获得训练完成的目标检测模型。
8.根据本公开的另一方面，提供了一种目标检测装置，包括：获取模块，被配置为获取目标对象的特征信息；以及处理模块，被配置为基于特征信息，利用分类头检测目标对象的类别属性，并且利用回归头检测目标对象的空间属性，空间属性包括朝向属性、位置属性和尺寸属性中的至少一种。其中，分类头和回归头中的至少一者基于一组差异度量函数进行检测，一组差异度量函数通过雷尼差异度量进行表征以指示至少一个差异度量函数。
9.根据本公开的另一方面，提供了一种目标检测模型的训练装置，包括：信息获取模块，被配置为获取样本目标对象的样本特征信息以及真实特征信息，其中，真实特征信息包括真实类别属性和真实空间属性，真实空间属性包括所述样本目标对象的真实朝向属性、真实位置属性和真实尺寸属性中的至少一种。样本预测模块，被配置为基于样本特征信息，利用分类头预测得到样本目标对象的预测类别属性，并且利用回归头预测得到样本目标对象的预测空间属性，预测空间属性包括回归头预测得到的样本目标对象的预测朝向属性、预测位置属性和预测尺寸属性中的至少一种，分类头和回归头中的至少一者基于一组差异度量函数进行预测，一组差异度量函数通过雷尼差异度量进行表征以指示至少一个差异度量函数。预测结果确定模块，被配置为确定预测类别属性与真实类别属性是否一致以及预测空间属性与真实空间属性是否一致。模型获取模块，被配置为响应于确定预测类别属性与真实类别属性一致且预测空间属性与真实空间属性一致，获得训练完成的目标检测模型。
10.根据本公开的另一方面，提供了一种电子设备，包括至少一个处理器；以及与至少一个处理器通信连接的存储器；存储器存储有能够被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开如上所提供的目标检测方法或训练方法。
11.根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行本公开如上所提供的目标检测方法或训练方法。
12.根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现本公开如上所提供的目标检测方法或训练方法。
13.根据本公开的另一方面，提供了一种机动车辆，包括本公开如上所提供的电子设备。
14.根据本公开的一个或多个实施例，通过引入一组差异度量函数，这些差异度量函数在雷尼差异度量的表征下具有统一的表达，不同的差异度量函数通过设置不同的参数进行方便的切换。
15.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
16.附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
17.图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；
18.图2示出了根据本公开实施例的一种目标检测方法的示意图；
19.图3示出了根据本公开实施例的一种目标检测方法中雷尼差异度量可行解空间的示意图；
20.图4示出了根据本公开实施例的一种目标检测模型的结构示意图；
21.图5示出了根据本公开实施例的一种目标检测模型的训练方法的示意图；
22.图6示出了根据本公开一个实施例的目标检测装置600的结构框图；
23.图7示出了根据本公开一个实施例的目标检测装置700的结构框图；
24.图8示出了根据本公开一个实施例的目标检测装置800的结构框图；
25.图9示出了根据本公开一个实施例的目标检测模型的训练装置900的结构框图；
26.图10示出了根据本公开一个实施例的目标检测模型的训练装置1000的结构框图；
27.图11示出了根据本公开一个实施例的目标检测模型的训练装置1100的结构框图；
28.图12示出了根据本公开一个实施例的目标检测模型的训练装置1200的结构框图；
29.图13示出了能够用于实现本公开的实施例的示例性电子设备1300的结构框图。
具体实施方式
30.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
31.在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个要素与另一要素区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
32.在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
33.现有的目标检测算法串接不同的预测分支头，来预测得到不同的3d属性，所述预测分支头包括分类头和回归头。其中分类头用于预测目标属于某个类别的概率，也即预测得到类别属性，通常基于概率分布度量的损失函数进行网络优化，例如：优化交叉熵损失函数(cross entropy，ce)。回归头用于预测目标的朝向角属性(方向头)、3d位置属性和尺寸属性等多个类别的空间属性。通常基于距离度量的损失函数进行网络优化，例如:均方误差(mean square error，mse)。
34.而模型的预测能力对神经网络训练过程中所使用的损失函数很敏感，不同的数据，在不同的网络结构下，选择不同的损失函数往往会导致模型的预测能力发生变化。
35.针对上述技术问题，本公开提供了一种目标检测方法以及一种目标检测模型的训练方法。
36.下面将结合附图详细描述本公开的实施例。
37.图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括机动车辆110、服务器120以及将机动车辆110耦接到服务器120的一个或多个通信网络130。
38.在本公开的实施例中，机动车辆110可以包括根据本公开实施例的计算设备和/或被配置以用于执行根据本公开实施例的方法。
39.服务器120可以运行使得能够目标检测的方法或目标检测模型的训练方法的一个或多个服务或软件应用。在某些实施例中，服务器120还可以提供其他服务或软件应用，这些服务或软件应用可以包括非虚拟环境和虚拟环境。在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。机动车辆110的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。
40.服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如pc(个人计算机)服务器、unix服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
41.服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括http服务器、ftp服务器、cgi服务器、java服务器、数据库服务器等。
42.在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从机动车辆110接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由机动车辆110的一个或多个显示设备来显示数据馈送和/或实时事件。
43.网络130可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于tcp/ip、sna、ipx等)来支持数据通信。仅作为示例，一个或多个网络130可以是卫星通信网络、局域网(lan)、基于以太网的网络、令牌环、广域网(wan)、因特网、虚拟网络、虚拟专用网络(vpn)、内部网、外部网、区块链网络、公共交换电话网(pstn)、红外网络、无线网络(包括例如蓝牙、wifi)和/或这些与其他网络的任意组合。
44.系统100还可以包括一个或多个数据库150。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库150中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据存储库150可以驻留在各种位置。例如，由服务器120使用的数据存储库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库150可以是不同的类型。在某些实施例中，由服务器120使用的数据存储库可以是数据库，例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
45.在某些实施例中，数据库150中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。
46.机动车辆110可以包括传感器111用于感知周围环境。传感器111可以包括下列传感器中的一个或多个：视觉摄像头、红外摄像头、超声波传感器、毫米波雷达以及激光雷达(lidar)。不同的传感器可以提供不同的检测精度和范围。摄像头可以安装在车辆的前方、后方或其他位置。视觉摄像头可以实时捕获车辆内外的情况并呈现给驾驶员和/或乘客。此外，通过对视觉摄像头捕获的画面进行分析，可以获取诸如交通信号灯指示、交叉路口情况、其他车辆运行状态等信息。红外摄像头可以在夜视情况下捕捉物体。超声波传感器可以安装在车辆的四周，用于利用超声波方向性强等特点来测量车外物体距车辆的距离。毫米波雷达可以安装在车辆的前方、后方或其他位置，用于利用电磁波的特性测量车外物体距车辆的距离。激光雷达可以安装在车辆的前方、后方或其他位置，用于检测物体边缘、形状信息，从而进行物体识别和追踪。由于多普勒效应，雷达装置还可以测量车辆与移动物体的速度变化。
47.机动车辆110还可以包括通信装置112。通信装置112可以包括能够从卫星141接收卫星定位信号(例如，北斗、gps、glonass以及galileo)并且基于这些信号产生坐标的卫星定位模块。通信装置112还可以包括与移动通信基站142进行通信的模块，移动通信网络可以实施任何适合的通信技术，例如gsm/gprs、cdma、lte等当前或正在不断发展的无线通信技术(例如5g技术)。通信装置112还可以具有车联网或车联万物(vehicle-to-everything，v2x)模块，被配置用于实现例如与其它车辆143进行车对车(vehicle-to-vehicle，v2v)通信和与基础设施144进行车辆到基础设施(vehicle-to-infrastructure，v2i)通信的车与外界的通信。此外，通信装置112还可以具有被配置为例如通过使用ieee802.11标准的无线局域网或蓝牙与用户终端145(包括但不限于智能手机、平板电脑或诸如手表等可佩戴装置)进行通信的模块。利用通信装置112，机动车辆110还可以经由网络130接入服务器120。
48.机动车辆110还可以包括控制装置113。控制装置113可以包括与各种类型的计算机可读存储装置或介质通信的处理器，例如中央处理单元(cpu)或图形处理单元(gpu)，或者其他的专用处理器等。控制装置113可以包括用于自动控制车辆中的各种致动器的自动驾驶系统。自动驾驶系统被配置为经由多个致动器响应来自多个传感器111或者其他输入设备的输入而控制机动车辆110(未示出的)动力总成、转向系统以及制动系统等以分别控制加速、转向和制动，而无需人为干预或者有限的人为干预。控制装置113的部分处理功能可以通过云计算实现。例如，可以使用车载处理器执行某一些处理，而同时可以利用云端的计算资源执行其他一些处理。控制装置113可以被配置以执行根据本公开的方法。此外，控制装置113可以被实现为根据本公开的机动车辆侧(客户端)的计算设备的一个示例。
49.图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。
50.图2示出了根据本公开实施例的一种目标检测方法的示意图。如图2所示，目标检测方法包括：步骤s201获取目标对象的特征信息；以及步骤s202基于特征信息，利用分类头检测目标对象的类别属性，并且利用回归头检测目标对象的空间属性，空间属性包括朝向属性、位置属性和尺寸属性中的至少一种。可以理解的是，空间属性的数量可以更少或者更
多，并不仅仅只包含朝向属性、位置属性和尺寸属性，回归头的数量与空间属性的数量对应，每个空间属性对应的回归头检测的内容都是一样的，包括目标沿着xy轴方向的偏移量、z轴方向的高度信息、目标的尺寸大小信息(包括长度、宽度和高度信息)、目标偏航角的正弦信息和余弦信息以及目标沿xy轴方向的速度等，在本公开中不做具体限定。
51.分类头和回归头中的至少一者基于一组差异度量函数进行检测，一组差异度量函数通过雷尼差异度量(renyi divergence)进行表征以指示至少一个差异度量函数。
52.雷尼差异度量的通式表达如下：
[0053][0054]
其引入了一个α阶参数，其中p为真实值的概率分布，q为预测值的概率分布。当α取不同值时，d
α
会对应不同的差异度量函数。
[0055]
示例性的，当α分别取n个不同值时，也即对应一组差异度量函数包括n个不同维度的差异度量函数，每一个差异度量函数对应一个可行解空间，当n个可行解空间叠加在一起时，可以得到它们的交集。
[0056]
图3示出了根据本公开实施例的一种目标检测方法中雷尼差异度量可行解空间的示意图。以三分类问题进行示例，如图3所示，其横轴和纵轴分别代表了一个二分类问题中目标检测模型的预测值，当α的取值分别为1/2、1、2和+∞时，此时，一组差异度量函数包括了图中的half、shannon、collision和min四个函数，也即此时同一组差异度量函数包括四个不同维度的差异度量函数，图片中每一个封闭区域301、302、303、304代表对应损失函数的可行解空间。当四个可行解范围叠加在一起时，可以得到它们的交集305。在训练的过程中，这一组差异度量函数中的每一个都从不同的发散角度看待真实值的监督信息，为目标检测预测值的学习获得了一个合适的观察点。
[0057]
本公开通过引入同一组差异度量函数，其采用统一的表达通式，将不同的度量函数进行组合，从而得到一个更紧致的参数可行解空间，同时这些差异度量函数可以通过设置不同的α阶参数进行方便的切换，从而提升不同的数据，不同网络结构的情况下的目标检测模型的泛化能力。
[0058]
以下进一步描述根据本公开实施例的目标检测方法的各个方面。
[0059]
根据一些实施例，分类头基于第一组差异度量函数进行检测，回归头基于第二组差异度量函数进行检测，并且第一组差异度量函数中包括的至少一个差异度量函数与第二组差异度量函数中包括的至少一个差异度量函数相同。
[0060]
通常情况下，在分类问题中采用基于概率分布的度量函数，将样本间的相似性转化为随机事件出现的可能性，较为常见的使用kl损失，而在回归问题中采用基于距离度的度量函数，将输入数据映射到基于距离度量的特征空间，较为常见的使用l2损失。
[0061]
对于无穷小量x，可以证明l2损失是kl损失的紧致下界。其证明过程如下：
[0062][0063]
定义：
[0064]
f(α)＝d
α-(α/2*x2+α/36*(1+5α-5α2)*x4)，
[0065]
并补充定义：
[0066][0067]
由于二重极限和二次极限均存在，极限符号可交换，因此：
[0068][0069]
总之，
[0070][0071]
其中，o(x2)是x2的高阶无穷小量。
[0072]
将预测值与真实值进行归一化后，使用与分类头相同的差异度量函数对回归头进行差异度量。统一了差异度量函数后，可以更好的平衡多任务的学习，避免不同函数值域不同所带来的影响。
[0073]
根据一些实施例，分类头和回归头中的至少一者基于经过平滑操作的标签进行预训练，其中，标签用于标识目标对象的真实值，真实值包括真实类别属性和真实空间属性，平滑操作用于向真实类别属性和真实空间属性中的至少一者添加均匀噪声，并得到经过标签平滑后的真实值。
[0074]
通过标签平滑之后的标签数据解决了原来只考虑识别训练样本中正确的标签位置(one-hot标签为1的位置)的损失，而忽略了错误的标签位置(one-hot标签为0的位置)的损失。避免了模型对于正确标签过于自信，使得预测正负样本的输出值差别不至于过大，避免过拟合，从而提高了模型的泛化能力。
[0075]
根据一些实施例，分类头或回归头在预训练中使用的损失函数为至少一个差异度量函数各自与相应第一权重的乘积之和，第一权重用于表示至少一个差异度量函数各自在一组差异度量函数中的权重。也即，对于同一组差异度量函数，当同一组差异度量函数中的差异度量函数的数量大于或等于2时，对于每一个差异度量函数可以基于多目标优化的方式进行权重的分配。以图3中的示例做进一步的说明，对单个检测头(可以为分类头或回归头)的损失函数表达为：
[0076]
li(θ)＝a
i1d1/2
(θ)+a
i2
d1(θ)+a
i3
d2(θ)+a
i4d∞
(θ)
[0077]
其中，d
1/2
(θ)为half差异度量函数，d1(θ)为shannon差异度量函数，d2(θ)为collision差异度量函数，d
∞
(θ)为min差异度量函数，a
i1
、a
i2
、a
i3
和a
i4
分别为这四种差异度量函数的第一权重。
[0078]
根据一些实施例，分类头的损失函数和回归头的损失函数具有各自的第二权重，第二权重是基于分类头和回归头的数量，使用多目标平衡策略在预训练中学习得到的。
[0079]
通过引入第二权重来平衡分类头和回归头之间的损失函数的权重，以图3中的示例做进一步的说明，整个目标检测模型的总损失函数表达为：
[0080]
l(θ)＝b1l1(θ)+b2l2(θ)+b3l3(θ)+b4l4(θ)
[0081]
其中，l1(θ)、l2(θ)、l3(θ)和l4(θ)分别对应的用于检测目标对象类别属性、朝向属性、位置属性和尺寸属性的检测头的损失函数，b1、b2、b3和b4分别为这四个损失函数的第二权重。
[0082]
在预训练中，目标检测使用一个总损失函数，总损失函数为分类头的损失函数与回归头的损失函数之和。以图3中的示例做进一步的说明，整个目标检测模型的总损失函数表达为：
[0083]
l(θ)＝b1l1(θ)+b2l2(θ)+b3l3(θ)+b4l4(θ)
[0084]
＝a
11
b1d
α1
(θ)+a
12
b1d
α2
(θ)+a
13
b1d
α3
(θ)+a
14
b1d
α4
(θ)+
[0085]a21
b2d
α5
(θ)+a
22
b1d
α6
(θ)+a
23
b2d
α7
(θ)+a
24
b2d
α8
(θ)+a
31
b3d
α9
(θ)+
[0086]a32
b3d
α10
(θ)+a
33
b3d
α11
(θ)+a
34
b3d
α12
(θ)+a
41
b4d
α13
(θ)+
[0087]a42
b4d
α14
(θ)+a
43
b4d
α15
(θ)+a
44
b4d
α16
(θ)
[0088]
根据一些实施例，在所述预训练中使用总损失函数，所述总损失函数为所述分类头或所述回归头在所述预训练中使用的损失函数中的所述至少一个差异度量函数中各自与相应第三权重的乘积之和，所述第三权重用于表示所述至少一个差异度量函数中每一个在所述总损失函数中的权重。也即，引入第三权重λk来平衡不同任务的损失函数的权重，可以将λk理解为差异度量函数d
αk
在总损失函数中的权重。因此上式也可以改写为：
[0089]
l(θ)＝λ1d
α1
(θ)+λ2d
α2
(θ)+
…
+λ
kdαk
(θ)
[0090]
为了更好的平衡分类任务与回归任务的目标，第三权重λk可以不依托于第一权重和第二权重的乘积而独立的存在，并使用基于帕累托最优的权重学习策略进行多目标平衡优化。
[0091]
将多任务学习过程抽象为下面的内外双层优化问题：
[0092][0093]
其中，内层优化的第三权重λk在优化的过程中进行动态的调整，外层优化根据加权求和的损失函数调整模型参数θ。
[0094]
根据一些实施例，特征信息包括鸟瞰图bev特征信息，鸟瞰图bev特征信息是基于鸟瞰图下的感知(bird
′
s-eye-view perception，bev perception)得到的特征信息，将不同视角在鸟瞰图下统一与表征是很自然的描述，能够方便后续规划控制任务；同时，鸟瞰图下的目标对象也没有图像视角下的尺度(scale)和遮挡(occlusion)问题。
[0095]
其中，获取目标对象的特征信息，包括获取与目标对象相关联的信息数据；以及基于与目标对象相关联的信息数据，生成鸟瞰图bev特征信息。
[0096]
示例性的，可采用鸟瞰图bev特征转换算法(lift，splat，shoot，lss)，基于纯视觉/图像信息构建鸟瞰图bev空间特征进行示例性说明，其中lift是对各相机采集的图像显性地估计像平面下采样后特征点的深度分布，得到包含图像特征的视锥，也即获取深度信息，提取2d图像中的像素在以车身坐标为原点的3d空间中的特征；splat是结合相机内外参把所有相机的视锥分配到鸟瞰图bev网格中，并对每个栅格中的多个视锥点进行体素池化(voxel-pooling)计算，形成鸟瞰图bev特征图。
[0097]
根据一些实施例，基于与目标对象相关联的信息数据，生成鸟瞰图bev特征信息，包括：从与目标对象相关联的信息数据提取不同尺度下的多个特征信息；对不同尺度下的多个特征信息进行融合以得到多尺寸融合特征信息；以及对多尺寸融合特征信息进行转换以生成鸟瞰图bev特征信息。
[0098]
从与目标对象相关联的信息数据提取不同尺度下的多个特征信息以及对不同尺度下的多个特征信息进行融合可以采用多尺度特征提取器(feature pyramid network，fpn)实现，同样基于纯视觉/图像信息的多尺度特征提取进行示例性说明，多尺度融合利用骨架网络中得到的多尺度(分辨率)的特征图作为输入，对最大尺度特征图进行反卷积操作到目标尺度后与该尺度下的输入特征图相加得到该尺度下的融合特征图，该融合特征图再继续通过反卷积操作得到下一个尺度的融合特征图，以此类推可以得到多张多尺度融合特征图。
[0099]
针对每一帧图像，输入n个特征图(例如n＝3)，则会对应输出n个多尺度融合特征图，输入的n个特征图的尺寸彼此不同，输入的n个特征图分别与输出的n个多尺度融合特征图的尺寸相同，即输入输出的尺寸保持不变相同。采用上述类似的方式，分别得到n个环视相机图像中每一张图像的多尺度融合特征图。其中n的取值可以根据实际需要具体设置，本公开不做特殊限定。
[0100]
根据一些实施例，与目标对象相关联的信息数据包括基于至少一个第一传感器获取的目标对象的图像数据和基于至少一个第二传感器获取的目标对象的点云数据中的至少一者。
[0101]
示例性的，第一传感器可以为视觉摄像头、红外摄像头等不同类型的摄像头，摄像头可以安装在车辆的前方、后方或其他位置。视觉摄像头可以实时捕获车辆内外的情况并呈现给驾驶员和/或乘客。此外，通过对视觉摄像头捕获的画面进行分析，可以获取诸如交通信号灯指示、交叉路口情况、其他车辆运行状态等目标对象的图像数据。红外摄像头可以在夜视情况下捕捉含有目标对象的图像数据。
[0102]
第二传感器可以为超声波传感器、毫米波雷达以及激光雷达(lidar)中的至少一个，不同的传感器可以提供不同的检测精度和范围。毫米波雷达可以安装在车辆的前方、后方或其他位置，用于利用电磁波的特性测量车外物体距车辆的距离。激光雷达可以安装在车辆的前方、后方或其他位置，用于检测物体边缘、形状信息，从而进行物体识别和追踪。由于多普勒效应，雷达装置还可以测量车辆与移动物体的速度变化。
[0103]
示例性的，可以在原始数据层将至少第一传感器的数据和第二传感器的数据进行融合，以视觉摄像头和激光雷达为例，可以利用来自激光雷达的深度信息帮助视觉摄像头将特性提升到鸟瞰图bev空间。
[0104]
示例性的，也可以先将至少第一传感器的数据和第二传感器的数据都进行转换生成对应的鸟瞰图bev特征信息，然后再将多个不同的鸟瞰图bev特征信息(例如相机鸟瞰图bev特征和激光雷达鸟瞰图bev特征)进行融合形成多传感器融合的鸟瞰图bev特征信息，目前的自动驾驶汽车上通常都会配备不同类型的传感器，可以通过各个传感器之间取长补短。在鸟瞰图bev空间下，可以非常方便的将不同视角、不同时间序列(帧)、不同模态(传感器)的特征信息进行融合，输出更加准确的鸟瞰图bev空间特征，从而更好地实现自动驾驶感知任务。
[0105]
示例性的，由于激光雷达数据仅包含对地平面的短暂有效测量(对于旋转的32波束lidar通常在30米左右)，导致激光雷达鸟瞰图bev特征的许多部分编码为空白空间。与激光雷达相比，视觉摄像头的数据中的可见面积通常更大。因此对于不同的鸟瞰图bev特征信息可以通过并行策略(add)、系列特征融合(concat)或者求得加权系数进行加权求和等方
式得到融合后的bev特征。
[0106]
图4示出了根据本公开实施例的一种目标检测模型的结构示意图。如图4所示，目标检测方法使用了该目标检测模型400，目标检测模型400包括骨架网络410、多尺度特征提取器420、鸟瞰图bev特征转换器430和431、鸟瞰图bev特征融合器440、分类头450和回归头460。
[0107]
目标对象的特征信息可以包括纯视觉/图像信息和激光雷达点云信息。可以理解的是，目标对象的特征信息还可以包括其他传感器获取的原始信息，也可以为各个传感器获取的原始信息经过特征提取和特征融合后的特征信息，如图4所示，激光雷达点云信息可以直接输入鸟瞰图bev特征转换器431进行鸟瞰图bev空间变化，激光雷达点云信息也可以经过特征提取和融合后再输入鸟瞰图bev特征转换器431进行鸟瞰图bev空间变化。
[0108]
纯视觉图像信息经过骨架网络410，骨架网络410负责根据输入的纯视觉/图像信息提取视觉特征，其中视觉特征指不同尺度的特征图，骨架网络410可以有不同的形式，例如多维度混合的模型放缩网络(efficientnet)。针对每个视觉摄像头的图像，将该纯视觉/图像信息输入骨架网络410中，从而得到不同尺度的多个特征图。
[0109]
多尺度特征提取器420将骨架网络410在不同尺度提取到的特征进行融合，使得学到的特征更为鲁棒。针对每一帧图像，输入n个特征图至多尺度特征提取器420，则多尺度特征提取器420会对应输出n个多尺度融合特征图，输入的n个特征图的尺寸彼此不同，输入的n个特征图分别与输出的n个多尺度融合特征图的尺寸相同，即输入输出的尺寸保持不变相同。采用上述类似的方式，分别得到n个环视相机图像中每一张图像的多尺度融合特征图。
[0110]
鸟瞰图bev特征转换器430和431将不同类型的目标对象的特征信息转入鸟瞰图bev空间，形成不同类型的鸟瞰图bev特征图。
[0111]
鸟瞰图bev特征融合器440对不同类型的鸟瞰图bev特征图进行融合，由于激光雷达数据仅包含对地平面的短暂有效测量(对于旋转的32波束lidar通常在30米左右)，导致激光雷达鸟瞰图bev特征的许多部分编码为空白空间。与激光雷达相比，视觉摄像头的数据中的可见面积通常更大。因此对于不同的鸟瞰图bev特征信息可以通过add、concat或者求得加权系数进行加权求和等方式得到融合后的bev特征。
[0112]
分类头450和回归头460基于融合后的鸟瞰图bev特征进行目标检测，利用分类头450检测所述目标对象的类别属性，并且利用回归头460检测所述目标对象的空间属性，所述空间属性包括朝向属性、位置属性和尺寸属性中的至少一种。
[0113]
图5示出了根据本公开实施例的一种目标检测模型的训练方法的示意图。如图5所示，目标检测模型的训练方法，包括：
[0114]
步骤s501，获取样本目标对象的样本特征信息以及真实特征信息，其中，真实特征信息包括真实类别属性和真实空间属性，真实空间属性包括样本目标对象的真实朝向属性、真实位置属性和真实尺寸属性中的至少一种。
[0115]
可以理解的是，真实空间属性的数量可以更少或者更多，并不仅仅只包含真实朝向属性、真实位置属性和真实尺寸属性，真实空间属性的数量与回归头的数量对应，每个真实空间属性对应的回归头检测的内容都是一样的，包括目标沿着xy轴方向的偏移量、z轴方向的高度信息、目标的尺寸大小信息(包括长度、宽度和高度信息)、目标偏航角的正弦信息和余弦信息以及目标沿xy轴方向的速度等，在本公开中不做具体限定。
[0116]
步骤s502，基于样本特征信息，利用分类头预测得到样本目标对象的预测类别属性，并且利用回归头预测得到样本目标对象的预测空间属性，预测空间属性包括回归头预测得到的样本目标对象的预测朝向属性、预测位置属性和预测尺寸属性中的至少一种。
[0117]
其中，分类头和回归头中的至少一者基于一组差异度量函数进行预测，一组差异度量函数通过雷尼差异度量进行表征以指示至少一个差异度量函数。
[0118]
雷尼差异度量的通式表达如下：
[0119][0120]
其引入了一个α阶参数，其中p为真实值的概率分布，q为预测值的概率分布。当α取不同值时，d
α
会对应不同的差异度量函数。
[0121]
示例性的，当α分别取n个不同值时，也即对应一组差异度量函数包括n个不同维度的差异度量函数，每一个差异度量函数对应一个可行解空间，当n个可行解空间叠加在一起时，可以得到它们的交集。
[0122]
步骤s503确定预测类别属性与真实类别属性是否一致以及预测空间属性与真实空间属性是否一致。
[0123]
示例性的，这种一致性的判定基于限制预测值(包括预测类别属性和预测空间属性)的概率分布与真实值(包括真实类别属性和真实空间属性)的概率分布(也即学习目标)的最大差异程度来实现。
[0124]
步骤s504响应于确定预测类别属性与真实类别属性一致且预测空间属性与真实空间属性一致，也即通过最小化差异度量函数使得预测值(包括预测类别属性和预测空间属性)的概率分布逐渐逼近真实值(包括真实类别属性和真实空间属性)的概率分布，从而获得训练完成的目标检测模型。
[0125]
在训练的过程中，这一组差异度量函数中的每一个都从不同的发散角度看待真实值的监督信息，为目标检测预测值的学习获得了一个合适的观察点。
[0126]
本公开通过引入同一组差异度量函数，其采用统一的表达通式，将不同的度量函数进行组合，从而得到一个更紧致的参数可行解空间，同时这些差异度量函数可以通过设置不同的α阶参数进行方便的切换，从而提升不同的数据，不同网络结构的情况下的目标检测模型的泛化能力。
[0127]
以下进一步描述根据本公开实施例的目标检测模型的训练方法的各个方面。
[0128]
根据一些实施例，分类头基于第一组差异度量函数进行检测，回归头基于第二组差异度量函数进行检测，并且第一组差异度量函数中包括的至少一个差异度量函数与第二组差异度量函数中包括的至少一个差异度量函数相同。
[0129]
通常情况下，在分类问题中采用基于概率分布的度量函数，将样本间的相似性转化为随机事件出现的可能性，较为常见的使用kl损失，而在回归问题中采用基于距离度的度量函数，将输入数据映射到基于距离度量的特征空间，较为常见的使用l2损失。
[0130]
将预测值与真实值进行归一化后，使用与分类头相同的差异度量函数对回归头进行差异度量。统一了差异度量函数后，可以更好的平衡多任务的学习，避免不同函数值域不同所带来的影响。
[0131]
根据一些实施例，真实特征信息通过标签表示，标签用于标识样本目标对象的真实类别属性和真实空间属性，分类头和回归头中的至少一者基于经过平滑操作的标签进行训练，其中，平滑操作用于向真实类别属性和真实空间属性中的至少一者添加均匀噪声，并得到经过标签平滑后的真实值。
[0132]
通过标签平滑之后的标签数据解决了原来只考虑识别训练样本中正确的标签位置(one-hot标签为1的位置)的损失，而忽略了错误的标签位置(one-hot标签为0的位置)的损失。避免了模型对于正确标签过于自信，使得预测正负样本的输出值差别不至于过大，避免过拟合，从而提高了模型的泛化能力。
[0133]
根据一些实施例，分类头或回归头在训练中使用的损失函数为至少一个差异度量函数各自与相应第一权重的乘积之和，第一权重用于表示至少一个差异度量函数各自在一组差异度量函数中的权重。也即，对于同一组差异度量函数，当同一组差异度量函数中的差异度量函数的数量大于或等于2时，对于每一个差异度量函数可以基于多目标优化的方式进行权重的分配。以同一组差异度量函数中包括四个α值不同的差异度量函数为例，对单个检测头(可以为分类头或回归头)的损失函数表达为：
[0134]
li(θ)＝a
i1dα1
(θ)+a
i2dα2
(θ)+a
i3dα3
(θ)+a
i4dα4
(θ)
[0135]
其中，d
α1
(θ)、d
α2
(θ)、d
α3
(θ)和d
α4
(θ)分别为四个α值不同的差异度量函数，a
i1
、a
i2
、a
i3
和a
i4
分别为这四种差异度量函数的第一权重。
[0136]
根据一些实施例，分类头的损失函数和回归头的损失函数具有各自的第二权重，第二权重是基于分类头和回归头的数量，使用多目标平衡策略在训练中学习得到的。
[0137]
通过引入第二权重来平衡分类头和回归头之间的损失函数的权重，以同一组差异度量函数中包括四个α值不同的差异度量函数为例，整个目标检测模型的总损失函数表达为：
[0138]
l(θ)＝b1l1(θ)+b2l2(θ)+b3l3(θ)+b4l4(θ)
[0139]
其中，l1(θ)、l2(θ)、l3(θ)和l4(θ)分别对应的用于检测目标对象类别属性、朝向属性、位置属性和尺寸属性的检测头的损失函数，b1、b2、b3和b4分别为这四个损失函数的第二权重。
[0140]
目标检测的训练使用一个总损失函数，总损失函数为分类头的损失函数与回归头的损失函数之和。以同一组差异度量函数中包括四个α值不同的差异度量函数为例，整个目标检测模型的总损失函数表达为：
[0141]
l(θ)＝b1l1(θ)+b2l2(θ)+b3l3(θ)+b4l4(θ)
[0142]
＝a
11
b1d
α1
(θ)+a
12
b1d
α2
(θ)+a
13
b1d
α3
(θ)+a
14
b1d
α4
(θ)+
[0143]a21
b2d
α5
(θ)+a
22
b1d
α6
(θ)+a
23
b2d
α7
(θ)+a
24
b2d
α8
(θ)+a
31
b3d
α9
(θ)+
[0144]a32
b3d
α10
(θ)+a
33
b3d
α11
(θ)+a
34
b3d
α12
(θ)+a
41
b4d
α13
(θ)+
[0145]a42
b4d
α14
(θ)+a
43
b4d
α15
(θ)+a
44
b4d
α16
(θ)
[0146]
根据一些实施例，在训练中使用总损失函数，总损失函数为分类头或回归头在预训练中使用的损失函数中的至少一个差异度量函数中各自与相应第三权重的乘积之和，第三权重用于表示至少一个差异度量函数中每一个在总损失函数中的权重。也即，引入第三权重λk来平衡不同任务的损失函数的权重，可以将λk理解为差异度量函数d
αk
在总损失函数中的权重。因此上式也可以改写为：
[0147]
l(θ)＝λ1d
α1
(θ)+λ2d
α2
(θ)+
…
+λ
kdαk
(θ)
[0148]
为了更好的平衡分类任务与回归任务的目标，第三权重λk可以不依托于第一权重和第二权重的乘积而独立的存在，并使用基于帕累托最优的权重学习策略进行多目标平衡优化。
[0149]
将多任务学习过程抽象为下面的内外双层优化问题：
[0150][0151]
其中，内层优化的第三权重λk在优化的过程中进行动态的调整，外层优化根据加权求和的损失函数调整模型参数θ。
[0152]
根据本公开的另一方面，还提供了一种目标检测装置。
[0153]
图6示出了根据本公开一个实施例的目标检测装置600的结构框图。如图6所示，目标检测装置600包括：获取模块610和处理模块620。
[0154]
获取模块610，被配置为获取目标对象的特征信息。处理模块620，被配置为基于特征信息，利用分类头检测目标对象的类别属性，并且利用回归头检测目标对象的空间属性，空间属性包括朝向属性、位置属性和尺寸属性中的至少一种。分类头和回归头中的至少一者基于一组差异度量函数进行检测，一组差异度量函数通过雷尼差异度量进行表征以指示至少一个差异度量函数。
[0155]
在训练的过程中，这一组差异度量函数中的每一个都从不同的发散角度看待真实值的监督信息，为目标检测预测值的学习获得了一个合适的观察点。
[0156]
本公开通过引入同一组差异度量函数，其采用统一的表达通式，将不同的度量函数进行组合，从而得到一个更紧致的参数可行解空间，同时这些差异度量函数可以通过设置不同的α阶参数进行方便的切换，从而提升不同的数据，不同网络结构的情况下的目标检测模型的泛化能力。
[0157]
根据一些实施例，分类头基于第一组差异度量函数进行检测，回归头基于第二组差异度量函数进行检测，并且第一组差异度量函数中包括的至少一个差异度量函数与第二组差异度量函数中包括的至少一个差异度量函数相同。
[0158]
通常情况下，在分类问题中采用基于概率分布的度量函数，将样本间的相似性转化为随机事件出现的可能性，较为常见的使用kl损失，而在回归问题中采用基于距离度的度量函数，将输入数据映射到基于距离度量的特征空间，较为常见的使用l2损失。
[0159]
将预测值与真实值进行归一化后，使用与分类头相同的差异度量函数对回归头进行差异度量。统一了差异度量函数后，可以更好的平衡多任务的学习，避免不同函数值域不同所带来的影响。
[0160]
根据一些实施例，分类头和回归头中的至少一者基于经过平滑操作的标签进行预训练，其中，标签用于标识目标对象的真实值，真实值包括真实类别属性和真实空间属性，平滑操作用于向真实类别属性和真实空间属性中的至少一者添加均匀噪声，并得到经过标签平滑后的真实值。
[0161]
通过标签平滑之后的标签数据解决了原来只考虑识别训练样本中正确的标签位置(one-hot标签为1的位置)的损失，而忽略了错误的标签位置(one-hot标签为0的位置)的
损失。避免了模型对于正确标签过于自信，使得预测正负样本的输出值差别不至于过大，避免过拟合，从而提高了模型的泛化能力。
[0162]
根据一些实施例，分类头或回归头在预训练中使用的损失函数为至少一个差异度量函数各自与相应第一权重的乘积之和，第一权重用于表示至少一个差异度量函数各自在一组差异度量函数中的权重。也即，对于同一组差异度量函数，当同一组差异度量函数中的差异度量函数的数量大于或等于2时，对于每一个差异度量函数可以基于多目标优化的方式进行权重的分配。
[0163]
根据一些实施例，分类头的损失函数和回归头的损失函数具有各自的第二权重，第二权重是基于分类头和回归头的数量，使用多目标平衡策略在预训练中学习得到的。
[0164]
在预训练中，目标检测使用一个总损失函数，总损失函数为分类头的损失函数与回归头的损失函数之和。
[0165]
根据一些实施例，在预训练中使用总损失函数，总损失函数为分类头或回归头在预训练中使用的损失函数中的至少一个差异度量函数中各自与相应第三权重的乘积之和，第三权重用于表示至少一个差异度量函数中每一个在总损失函数中的权重。也即，引入第三权重λk来平衡不同任务的损失函数的权重，可以将λk理解为差异度量函数d
αk
在总损失函数中的权重。因此整个目标检测模型的总损失函数表达为：
[0166]
l(θ)＝λ1d
α1
(θ)+λ2d
α2
(θ)+...+λ
kdαk
(θ)
[0167]
为了更好的平衡分类任务与回归任务的目标，第三权重λk可以不依托于第一权重和第二权重的乘积而独立的存在，并使用基于帕累托最优的权重学习策略进行多目标平衡优化。
[0168]
图7示出了根据本公开一个实施例的目标检测装置700的结构框图。如图7所示，目标检测装置700包括：获取模块710和处理模块720。
[0169]
特征信息包括鸟瞰图bev特征信息，其中，获取模块710包括关联信息获取模块711和鸟瞰图bev特征生成模块712。
[0170]
关联信息获取模块711被配置为获取与目标对象相关联的信息数据；以及鸟瞰图bev特征生成模块712被配置为基于与目标对象相关联的信息数据，生成鸟瞰图bev特征信息。鸟瞰图bev特征信息是基于鸟瞰图下的感知得到的特征信息，将不同视角在鸟瞰图下统一与表征是很自然的描述，能够方便后续规划控制任务；同时，鸟瞰图下的目标对象也没有图像视角下的尺度和遮挡问题。
[0171]
图8示出了根据本公开一个实施例的目标检测装置800的结构框图。如图8所示，目标检测装置800包括：获取模块810和处理模块820，获取模块810包括关联信息获取模块811和鸟瞰图bev特征生成模块812。
[0172]
鸟瞰图bev特征生成模块812包括多尺度提取子模块8121、多尺度融合子模块8122和多尺度转换子模块8123。多尺度提取子模块8121被配置为从与目标对象相关联的信息数据提取不同尺度下的多个特征信息；多尺度融合子模块8122被配置为对不同尺度的多个特征信息进行融合以得到多尺寸融合特征信息；以及多尺度转换子模块8123被配置为对多尺寸融合特征信息进行转换以生成鸟瞰图bev特征信息。
[0173]
根据一些实施例，与目标对象相关联的信息数据包括基于至少一个第一传感器获取的目标对象的图像数据和基于至少一个第二传感器获取的目标对象的点云数据中的至
少一者。
[0174]
示例性的，第一传感器可以为视觉摄像头、红外摄像头等不同类型的摄像头，摄像头可以安装在车辆的前方、后方或其他位置。视觉摄像头可以实时捕获车辆内外的情况并呈现给驾驶员和/或乘客。此外，通过对视觉摄像头捕获的画面进行分析，可以获取诸如交通信号灯指示、交叉路口情况、其他车辆运行状态等目标对象的图像数据。红外摄像头可以在夜视情况下捕捉含有目标对象的图像数据。
[0175]
第二传感器可以为超声波传感器、毫米波雷达以及激光雷达中的至少一个，不同的传感器可以提供不同的检测精度和范围。毫米波雷达可以安装在车辆的前方、后方或其他位置，用于利用电磁波的特性测量车外物体距车辆的距离。激光雷达可以安装在车辆的前方、后方或其他位置，用于检测物体边缘、形状信息，从而进行物体识别和追踪。由于多普勒效应，雷达装置还可以测量车辆与移动物体的速度变化。
[0176]
图9示出了根据本公开一个实施例的目标检测模型的训练装置900的结构框图。如图9所示，目标检测模型的训练装置900包括：信息获取模块910，样本预测模块920，预测结果确定模块930，模型获取模块940。
[0177]
信息获取模块910被配置为获取样本目标对象的样本特征信息以及真实特征信息，其中，真实特征信息包括真实类别属性和真实空间属性，真实空间属性包括样本目标对象的真实朝向属性、真实位置属性和真实尺寸属性中的至少一种。
[0178]
样本预测模块920被配置为基于样本特征信息，利用分类头预测得到样本目标对象的预测类别属性，并且利用回归头预测得到样本目标对象的预测空间属性，预测空间属性包括回归头预测得到的样本目标对象的预测朝向属性、预测位置属性和预测尺寸属性中的至少一种。
[0179]
其中，分类头和回归头中的至少一者基于一组差异度量函数进行检测，一组差异度量函数通过雷尼差异度量进行表征以指示至少一个差异度量函数。
[0180]
预测结果确定模块930被配置为确定预测类别属性与真实类别属性是否一致以及预测空间属性与真实空间属性是否一致。
[0181]
模型获取模块940被配置为响应于确定预测类别属性与真实类别属性一致且预测空间属性与真实空间属性一致，获得训练完成的目标检测模型。
[0182]
在训练的过程中，这一组差异度量函数中的每一个都从不同的发散角度看待真实值的监督信息，为目标检测预测值的学习获得了一个合适的观察点。
[0183]
本公开通过引入同一组差异度量函数，其采用统一的表达通式，将不同的度量函数进行组合，从而得到一个更紧致的参数可行解空间，同时这些差异度量函数可以通过设置不同的α阶参数进行方便的切换，从而提升不同的数据，不同网络结构的情况下的目标检测模型的泛化能力。
[0184]
根据一些实施例，分类头基于第一组差异度量函数进行检测，回归头基于第二组差异度量函数进行检测，并且第一组差异度量函数中包括的至少一个差异度量函数与第二组差异度量函数中包括的至少一个差异度量函数相同。
[0185]
通常情况下，在分类问题中采用基于概率分布的度量函数，将样本间的相似性转化为随机事件出现的可能性，较为常见的使用kl损失，而在回归问题中采用基于距离度的度量函数，将输入数据映射到基于距离度量的特征空间，较为常见的使用l2损失。
[0186]
将预测值与真实值进行归一化后，使用与分类头相同的差异度量函数对回归头进行差异度量。统一了差异度量函数后，可以更好的平衡多任务的学习，避免不同函数值域不同所带来的影响。
[0187]
根据一些实施例，真实特征信息通过标签表示，标签用于标识样本目标对象的真实类别属性和真实空间属性。分类头和回归头中的至少一者基于经过平滑操作的标签进行训练，其中，标签用于标识目标对象的真实值，真实值包括真实类别属性和真实空间属性，平滑操作用于向真实类别属性和真实空间属性中的至少一者添加均匀噪声，并得到经过标签平滑后的真实值。也即分类头和回归头中的至少一者基于经过平滑操作的标签进行训练。
[0188]
通过标签平滑之后的标签数据解决了原来只考虑识别训练样本中正确的标签位置(one-hot标签为1的位置)的损失，而忽略了错误的标签位置(one-hot标签为0的位置)的损失。避免了模型对于正确标签过于自信，使得预测正负样本的输出值差别不至于过大，避免过拟合，从而提高了模型的泛化能力。
[0189]
图10示出了根据本公开一个实施例的目标检测模型的训练装置1000的结构框图。如图10所示，目标检测模型的训练装置1000包括：信息获取模块1010、样本预测模块1020、预测结果确定模块1030、模型获取模块1040和第一权重确定模块1050。其中信息获取模块1010、样本预测模块1020、预测结果确定模块1030、模型获取模块1040的配置与前述实施例可以相同。
[0190]
所述第一权重确定模块1050被配置为确定至少一个差异度量函数各自在一组差异度量函数中的第一权重，其中，分类头或回归头在训练中使用的损失函数为至少一个差异度量函数各自与相应第一权重的乘积之和。也即，对于同一组差异度量函数，当同一组差异度量函数中的差异度量函数的数量大于或等于2时，对于每一个差异度量函数可以基于多目标优化的方式进行权重的分配。
[0191]
图11示出了根据本公开一个实施例的目标检测模型的训练装置1100的结构框图。如图11所示，目标检测模型的训练装置1100包括：信息获取模块1110、样本预测模块1120、预测结果确定模块1130、模型获取模块1140、第一权重确定模块1150和第二权重确定模块1160。其中信息获取模块1110、样本预测模块1120、预测结果确定模块1130、模型获取模块1140、第一权重确定模块1150的配置与前述实施例可以相同。
[0192]
第二权重确定模块1160被配置为确定分类头的损失函数和回归头的损失函数各自的第二权重，第二权重是基于分类头和回归头的数量，使用多目标平衡策略在训练中学习得到的。
[0193]
根据一些实施例，在预训练中，目标检测使用一个总损失函数，总损失函数为分类头的损失函数与回归头的损失函数之和。
[0194]
图12示出了根据本公开一个实施例的目标检测模型的训练装置1200的结构框图。如图12所示，目标检测模型的训练装置1200包括：信息获取模块1210、样本预测模块1220、预测结果确定模块1230、模型获取模块1240、第三权重模块1270。
[0195]
在训练中使用总损失函数，训练装置1200还包括：第三权重确定模块1270被配置为确定至少一个差异度量函数中每一个在总损失函数中的权重；总损失函数为分类头或回归头在训练中使用的损失函数中的所述至少一个差异度量函数中各自与相应第三权重的
乘积之和。
[0196]
通过引入第三权重λk来平衡不同任务的损失函数的权重，可以将λk理解为差异度量函数d
αk
在总损失函数中的权重。因此整个目标检测模型的总损失函数表达为：
[0197]
l(θ)＝λ1d
α1
(θ)+λ2d
α2
(θ)+
…
+λ
kdαk
(θ)
[0198]
为了更好的平衡分类任务与回归任务的目标，第三权重λk可以不依托于第一权重和第二权重的乘积而独立的存在，并使用基于帕累托最优的权重学习策略进行多目标平衡优化。
[0199]
根据本公开的实施例，还提供了一种电子设备、一种可读存储介质、一种计算机程序产品和一种机动车辆。
[0200]
参考图13，现将描述可以作为本公开的服务器或客户端的电子设备1300的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
[0201]
如图13所示，设备1300包括计算单元1310，其可以根据存储在只读存储器(rom)1320中的计算机程序或者从存储单元1380加载到随机访问存储器(ram)1330中的计算机程序，来执行各种适当的动作和处理。在ram 1330中，还可存储设备1300操作所需的各种程序和数据。计算单元1310、rom 1320以及ram 1330通过总线1340彼此相连。输入/输出(i/o)接口1350也连接至总线1340。
[0202]
设备1300中的多个部件连接至i/o接口1350，包括：输入单元1360、输出单元1370、存储单元1380以及通信单元1390。输入单元1360可以是能向设备1300输入信息的任何类型的设备，输入单元1360可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元1370可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元1380可以包括但不限于磁盘、光盘。通信单元1390允许设备1300通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙设备、802.11设备、wifi设备、wimax设备、蜂窝通信设备和/或类似物。
[0203]
计算单元1310可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1310的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元1310执行上文所描述的各个方法和处理，例如前述实施例提及的目标检测方法或训练方法。例如，在一些实施例中，前述实施例提及的目标检测方法或训练方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1380。在一些实施例中，计算机程序的部分或者全部可以经由rom 1320和/或通信单元1390而被载入和/或安装到设备1300上。当计算机程序加载到ram 1330
并由计算单元1310执行时，可以执行上文描述的目标检测方法或训练方法的一个或多个步骤。备选地，在其他实施例中，计算单元1310可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行前述实施例提及的目标检测方法或训练方法。
[0204]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0205]
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0206]
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0207]
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0208]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、互联网和区块链网络。
[0209]
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客
[0210]
户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
[0211]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
[0212]
虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本公开的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

技术特征：
1.一种目标检测方法，包括：获取目标对象的特征信息；以及基于所述特征信息，利用分类头检测所述目标对象的类别属性，并且利用回归头检测所述目标对象的空间属性，所述空间属性包括朝向属性、位置属性和尺寸属性中的至少一种，其中，所述分类头和所述回归头中的至少一者基于一组差异度量函数进行所述检测，所述一组差异度量函数通过雷尼差异度量进行表征以指示至少一个差异度量函数。2.根据权利要求1所述的方法，其中，所述分类头基于第一组差异度量函数进行所述检测，所述回归头基于第二组差异度量函数进行所述检测，并且所述第一组差异度量函数中包括的所述至少一个差异度量函数与所述第二组差异度量函数中包括的所述至少一个差异度量函数相同。3.根据权利要求1或2所述的方法，其中，所述分类头和所述回归头中的至少一者基于经过平滑操作的标签进行预训练，其中，所述标签用于标识所述目标对象的真实类别属性和真实空间属性，所述平滑操作用于向所述真实类别属性和所述真实空间属性中的至少一者添加均匀噪声。4.根据权利要求3所述的方法，其中，所述分类头或所述回归头在所述预训练中使用的损失函数为所述至少一个差异度量函数各自与相应第一权重的乘积之和，所述第一权重用于表示所述至少一个差异度量函数各自在所述一组差异度量函数中的权重。5.根据权利要求4所述的方法，其中，所述分类头的所述损失函数和所述回归头的所述损失函数具有各自的第二权重，所述第二权重是基于所述分类头和所述回归头的数量，使用多目标平衡策略在所述预训练中学习得到的。6.根据权利要求3所述的方法，其中，在所述预训练中使用总损失函数，所述总损失函数为所述分类头或所述回归头在所述预训练中使用的损失函数中的所述至少一个差异度量函数中各自与相应第三权重的乘积之和，所述第三权重用于表示所述至少一个差异度量函数中每一个在所述总损失函数中的权重。7.根据权利要求1至6中任一项所述的方法，其中，所述特征信息包括鸟瞰图bev特征信息，其中，所述获取目标对象的特征信息，包括：获取与所述目标对象相关联的信息数据；以及基于与所述目标对象相关联的信息数据，生成所述鸟瞰图bev特征信息。8.根据权利要求7所述的方法，其中，所述基于与所述目标对象相关联的信息数据，生成所述鸟瞰图bev特征信息，包括：从与所述目标对象相关联的信息数据提取不同尺度下的多个特征信息；对所述不同尺度下的多个特征信息进行融合以得到多尺寸融合特征信息；以及对所述多尺寸融合特征信息进行转换以生成所述鸟瞰图bev特征信息。9.根据权利要求7或8所述的方法，其中，所述与所述目标对象相关联的信息数据包括基于至少一个第一传感器获取的所述目标对象的图像数据和基于至少一个第二传感器获取的所述目标对象的点云数据中的至少一者。10.一种目标检测模型的训练方法，包括：获取样本目标对象的样本特征信息以及真实特征信息，其中，所述真实特征信息包括
真实类别属性和真实空间属性，所述真实空间属性包括所述样本目标对象的真实朝向属性、真实位置属性和真实尺寸属性中的至少一种；基于所述样本特征信息，利用分类头预测得到所述样本目标对象的预测类别属性，并且利用回归头预测得到所述样本目标对象的预测空间属性，所述预测空间属性包括所述回归头预测得到的所述样本目标对象的预测朝向属性、预测位置属性和预测尺寸属性中的至少一种，其中，所述分类头和所述回归头中的至少一者基于一组差异度量函数进行所述预测，所述一组差异度量函数通过雷尼差异度量进行表征以指示至少一个差异度量函数；确定所述预测类别属性与所述真实类别属性是否一致以及所述预测空间属性与所述真实空间属性是否一致；以及响应于确定所述预测类别属性与所述真实类别属性一致且所述预测空间属性与所述真实空间属性一致，获得训练完成的目标检测模型。11.根据权利要求10所述的方法，其中，所述分类头基于第一组差异度量函数进行所述检测，所述回归头基于第二组差异度量函数进行所述检测，并且所述第一组差异度量函数中包括的所述至少一个差异度量函数与所述第二组差异度量函数中包括的所述至少一个差异度量函数相同。12.根据权利要求10或11所述的方法，其中，所述真实特征信息通过标签表示，所述标签用于标识所述样本目标对象的所述真实类别属性和所述真实空间属性，所述分类头和所述回归头中的至少一者基于经过平滑操作的所述标签进行所述训练，其中，所述平滑操作用于向所述真实类别属性和所述真实空间属性中的至少一者添加均匀噪声。13.根据权利要求12所述的方法，其中，所述分类头或所述回归头在所述训练中使用的损失函数为所述至少一个差异度量函数各自与相应第一权重的乘积之和，所述第一权重用于表示所述至少一个差异度量函数各自在所述一组差异度量函数中的权重。14.根据权利要求13所述的方法，其中，所述分类头的所述损失函数和所述回归头的所述损失函数具有各自的第二权重，所述第二权重是基于所述分类头和所述回归头的数量，使用多目标平衡策略在所述训练中学习得到的。15.根据权利要求13或14所述的方法，其中，在所述训练中使用总损失函数，所述总损失函数为所述分类头或所述回归头在所述预训练中使用的损失函数中的所述至少一个差异度量函数中各自与相应第三权重的乘积之和，所述第三权重用于表示所述至少一个差异度量函数中每一个在所述总损失函数中的权重。16.一种目标检测装置，包括：获取模块，被配置为获取目标对象的特征信息；以及处理模块，被配置为基于所述特征信息，利用分类头检测所述目标对象的类别属性，并且利用回归头检测所述目标对象的空间属性，所述空间属性包括朝向属性、位置属性和尺寸属性中的至少一种，其中，所述分类头和所述回归头中的至少一者基于一组差异度量函数进行所述检测，所述一组差异度量函数通过雷尼差异度量进行表征以指示至少一个差异度量函数。17.根据权利要求16所述的装置，其中，所述分类头基于第一组差异度量函数进行所述检测，所述回归头基于第二组差异度量函数进行所述检测，并且所述第一组差异度量函数
中包括的所述至少一个差异度量函数与所述第二组差异度量函数中包括的所述至少一个差异度量函数相同。18.根据权利要求16或17所述的装置，其中，所述分类头和所述回归头中的至少一者基于经过平滑操作的标签进行预训练，其中，所述标签用于标识所述目标对象的真实类别属性和真实空间属性，所述平滑操作用于向所述真实类别属性和所述真实空间属性中的至少一者添加均匀噪声。19.根据权利要求18所述的装置，其中，所述分类头或所述回归头在所述预训练中使用的损失函数为所述至少一个差异度量函数各自与相应第一权重的乘积之和，所述第一权重用于表示所述至少一个差异度量函数各自在所述一组差异度量函数中的权重。20.根据权利要求19所述的装置，其中，所述分类头的所述损失函数和所述回归头的所述损失函数具有各自的第二权重，所述第二权重是基于所述分类头和所述回归头的数量，使用多目标平衡策略在所述预训练中学习得到的。21.根据权利要求19或20所述的装置，其中，在所述预训练中使用总损失函数，所述总损失函数为所述分类头或所述回归头在所述预训练中使用的损失函数中的所述至少一个差异度量函数中各自与相应第三权重的乘积之和，所述第三权重用于表示所述至少一个差异度量函数中每一个在所述总损失函数中的权重。22.根据权利要求16-21中任一项所述的装置，其中，所述特征信息包括鸟瞰图bev特征信息，其中，所述获取模块包括：关联信息获取模块，被配置为获取与所述目标对象相关联的信息数据；以及鸟瞰图bev特征生成模块，被配置为基于与所述目标对象相关联的信息数据，生成所述鸟瞰图bev特征信息。23.根据权利要求22所述的装置，其中，所述鸟瞰图bev特征生成模块包括：多尺度提取子模块，被配置为从与所述目标对象相关联的信息数据提取不同尺度下的多个特征信息；多尺度融合子模块，被配置为对所述不同尺度的多个特征信息进行融合以得到多尺寸融合特征信息；以及多尺度转换子模块，被配置为对所述多尺寸融合特征信息进行转换以生成所述鸟瞰图bev特征信息。24.根据权利要求22或23所述的装置，其中，所述与所述目标对象相关联的信息数据包括基于至少一个第一传感器获取的所述目标对象的图像数据和基于至少一个第二传感器获取的所述目标对象的点云数据中的至少一者。25.一种目标检测模型的训练装置，包括：信息获取模块，被配置为获取样本目标对象的样本特征信息以及真实特征信息，其中，所述真实特征信息包括真实类别属性和真实空间属性，所述真实空间属性包括所述样本目标对象的真实朝向属性、真实位置属性和真实尺寸属性中的至少一种；以及样本预测模块，被配置为基于所述样本特征信息，利用分类头预测得到所述样本目标对象的预测类别属性，并且利用回归头预测得到所述样本目标对象的预测空间属性，所述预测空间属性包括所述回归头预测得到的所述样本目标对象的预测朝向属性、预测位置属性和预测尺寸属性中的至少一种，
其中，所述分类头和所述回归头中的至少一者基于一组差异度量函数进行所述检测，所述一组差异度量函数通过雷尼差异度量进行表征以指示至少一个差异度量函数；预测结果确定模块，被配置为确定所述预测类别属性与所述真实类别属性是否一致以及所述预测空间属性与真实空间属性是否一致；以及模型获取模块，被配置为响应于确定所述预测类别属性与所述真实类别属性一致且所述预测空间属性与所述真实空间属性一致，获得训练完成的目标检测模型。26.根据权利要求25所述的装置，其中，所述分类头基于第一组差异度量函数进行所述检测，所述回归头基于第二组差异度量函数进行所述检测，并且所述第一组差异度量函数中包括的所述至少一个差异度量函数与所述第二组差异度量函数中包括的所述至少一个差异度量函数相同。27.根据权利要求25或26所述的装置，其中，所述真实特征信息通过标签表示，所述标签用于标识所述样本目标对象的所述真实类别属性和所述真实空间属性，其中，所述装置还包括：标签平滑模块，被配置为对所述标签进行平滑操作，所述平滑操作用于向所述真实类别属性和所述真实空间属性中的至少一者添加均匀噪声，其中，所述分类头和所述回归头中的至少一者基于经过所述平滑操作的所述标签进行所述训练。28.根据权利要求27所述的装置，其中，所述装置还包括：第一权重确定模块，被配置为确定所述至少一个差异度量函数各自在所述一组差异度量函数中的第一权重，其中，所述分类头或所述回归头在所述训练中使用的损失函数为所述至少一个差异度量函数各自与相应第一权重的乘积之和。29.根据权利要求28所述的装置，其中，所述装置还包括：第二权重确定模块，被配置为确定所述分类头的所述损失函数和所述回归头的所述损失函数各自的第二权重，所述第二权重是基于所述分类头和所述回归头的数量，使用多目标平衡策略在所述训练中学习得到的。30.根据权利要求28或29所述的装置，其中，在所述训练中使用总损失函数，所述装置还包括：第三权重确定模块，被配置为确定所述至少一个差异度量函数中每一个在所述总损失函数中的权重；所述总损失函数为所述分类头或所述回归头在所述训练中使用的损失函数中的所述至少一个差异度量函数中的各自与相应第三权重的乘积之和。31.一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有能够被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-9中任一项所述的目标检测方法或权利要求10-15中任一项所述的目标检测模型的训练方法。32.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-9中任一项所述的目标检测方法或权利要求10-15中任
一项所述的目标检测模型的训练方法。33.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-9中任一项所述的目标检测方法或权利要求10-15中任一项所述的目标检测模型的训练方法。34.一种机动车辆，包括如权利要求31所述的电子设备。

技术总结
本公开提供了一种目标检测方法、目标检测模型训练方法、装置及车辆，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域。实现方案为：获取目标对象的特征信息；以及基于特征信息，利用分类头检测目标对象的类别属性，并且利用回归头检测目标对象的空间属性，空间属性包括朝向属性、位置属性和尺寸属性中的至少一种；其中，分类头和回归头中的至少一者基于一组差异度量函数进行检测，一组差异度量函数通过雷尼差异度量进行表征以指示至少一个差异度量函数。至少一个差异度量函数。至少一个差异度量函数。


技术研发人员：田野
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：2023.06.12
技术公布日：2023/10/15