[發明專利]圖像檢測方法、裝置、設備以及存儲介質

在審

• 申請號: 202010478424.4
• 申請日: 2020-05-29
• 公開（公告）號: CN111640103A
• 公開（公告）日: 2020-09-08
• 發明（設計）人: 王康康
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/73
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

本申請實施例公開了圖像檢測方法、裝置、設備以及存儲介質，涉及人工智能、深度學習、圖像處理技術領域。該方法的一具體實施方式包括：將待檢測圖像輸入至預先訓練的多任務檢測模型，其中，多任務檢測模型包括位置檢測分支網絡和屬性預測分支網絡；利用位置檢測分支網絡對待檢測圖像進行處理，得到待檢測圖像中的目標的位置；利用屬性預測分支網絡對待檢測圖像進行處理，得到待檢測圖像中的目標的屬性；對應輸出待檢測圖像中的至少部分目標的位置和屬性。該實施方式利用包括位置檢測分支網絡和屬性預測分支網絡的多任務檢測模型同時進行位置檢測和屬性預測，并且屬性預測分支網絡能夠一次預測所有目標的屬性，大大降低了多任務檢測耗時。

技術領域

本申請實施例涉及計算機技術領域，具體涉及人工智能、深度學習、圖像處理技術領域，特別涉及圖像檢測方法、裝置、設備以及存儲介質。

背景技術

目標檢測是深度學習中的一種檢測模型，目標檢測模型可以定位出一張圖像中的多個目標的邊界框。對于普通的目標檢測模型，當輸入一張圖像時，僅輸出圖像中的多個目標的位置。當需要進行多任務檢測時，通常需要多個模型來完成。例如，在目標檢測模型檢測出圖像中的多個目標的邊界框之后，將多個目標的邊界框以規定的格式從原圖像中分別摳出，在對摳出的多個目標的邊界框做少量變換之后，依次輸入至屬性預測模型，以得到多個目標的屬性值。

發明內容

本申請實施例提出了圖像檢測方法、裝置、設備以及存儲介質。

第一方面，本申請實施例提出了一種圖像檢測方法，包括：將待檢測圖像輸入至預先訓練的多任務檢測模型，其中，多任務檢測模型包括位置檢測分支網絡和屬性預測分支網絡；利用位置檢測分支網絡對待檢測圖像進行處理，得到待檢測圖像中的目標的位置；利用屬性預測分支網絡對待檢測圖像進行處理，得到待檢測圖像中的目標的屬性；對應輸出待檢測圖像中的至少部分目標的位置和屬性。

第二方面，本申請實施例提出了一種圖像檢測裝置，包括：圖像輸入模塊，被配置成將待檢測圖像輸入至預先訓練的多任務檢測模型，其中，多任務檢測模型包括位置檢測分支網絡和屬性預測分支網絡；位置檢測模塊，被配置成利用位置檢測分支網絡對待檢測圖像進行處理，得到待檢測圖像中的目標的位置；屬性預測模塊，被配置成利用屬性預測分支網絡對待檢測圖像進行處理，得到待檢測圖像中的目標的屬性；對應輸出模塊，被配置成對應輸出待檢測圖像中的至少部分目標的位置和屬性。

第三方面，本申請實施例提出了一種電子設備，包括：至少一個處理器；以及與至少一個處理器通信連接的存儲器；其中，存儲器存儲有可被至少一個處理器執行的指令，指令被至少一個處理器執行，以使至少一個處理器能夠執行如第一方面中任一實現方式描述的方法。

第四方面，本申請實施例提出了一種存儲有計算機指令的非瞬時計算機可讀存儲介質，計算機指令用于使計算機執行如第一方面中任一實現方式描述的方法。

本申請實施例提供的圖像檢測方法、裝置、設備以及存儲介質，首先將待檢測圖像輸入至預先訓練的多任務檢測模型；然后利用位置檢測分支網絡對待檢測圖像進行處理，得到待檢測圖像中的目標的位置，同時利用屬性預測分支網絡對待檢測圖像進行處理，得到待檢測圖像中的目標的屬性；最后對應輸出待檢測圖像中的至少部分目標的位置和屬性。利用包括位置檢測分支網絡和屬性預測分支網絡的多任務檢測模型同時進行位置檢測和屬性預測，并且屬性預測分支網絡能夠一次預測所有目標的屬性，大大降低了多任務檢測耗時。避免了先單獨使用目標檢測模型檢測圖像中的目標框，再單獨使用屬性預測模型預測目標框中的目標的屬性，屬性預測模型預測耗時隨著目標數線性增長的問題。

應當理解，本部分所描述的內容并非旨在標識本公開的實施例的關鍵或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過以下的說明書而變得容易理解。

附圖說明