[發明專利]一種目標檢測方法、裝置及存儲介質

在審

• 申請號: 202010529233.6
• 申請日: 2020-06-11
• 公開（公告）號: CN111814832A
• 公開（公告）日: 2020-10-23
• 發明（設計）人: 姚廣;高耀宗
• 申請（專利權）人: 上海聯影智能醫療科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郝傳鑫;賈允

1.一種目標檢測方法，其特征在于，所述方法包括：

獲取待檢測圖像；

基于目標檢測模型對所述待檢測圖像進行目標檢測，得到第一目標檢測結果；

基于誤檢篩查模型對所述第一目標檢測結果進行誤檢篩查，得到第二目標檢測結果；

其中，所述誤檢篩查模型是對所述目標檢測模型測試得到的誤檢結果進行聚類處理后訓練得到的，且所述誤檢篩查模型包括一個或多個級聯的誤檢篩查子模型。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取樣本驗證集；

基于所述目標檢測模型對所述樣本驗證集進行目標檢測，確定第一誤檢結果；

對所述第一誤檢結果進行聚類處理，得到誤檢篩查負樣本；

基于所述誤檢篩查負樣本對第一神經網絡模型進行誤檢篩查訓練，在誤檢篩查的訓練中調整所述第一神經網絡模型的模型參數至所述第一神經網絡模型的第一損失函數滿足第一收斂條件；

將當前的第一神經網絡模型作為所述誤檢篩查模型。

3.根據權利要求2所述的方法，其特征在于，所述方法還包括：

在對所述第一誤檢結果進行聚類處理之后，基于預設配置信息和/或所述第一誤檢結果中各類別的平均置信度進行權重配置，將權重配置后的所述第一誤檢結果作為所述誤檢篩查負樣本。

4.根據權利要求2所述的方法，其特征在于，所述方法還包括：

在對所述第一誤檢結果進行聚類處理之后，確定第一聚類誤檢結果；

獲取樣本訓練集；

基于所述目標檢測模型對所述樣本訓練集進行目標檢測，確定補充樣本誤檢結果；

對所述第一聚類誤檢結果及所述補充樣本誤檢結果進行聚類處理，得到補充聚類樣本；

將所述補充聚類樣本作為所述誤檢篩查負樣本。

5.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取樣本待檢測圖像及對應的目標標注結果；

基于所述樣本待檢測圖像及對應的目標標注結果對第二神經網絡模型進行目標檢測的訓練，在目標檢測的訓練中調整所述第二神經網絡模型的模型參數至所述第二神經網絡模型的第二損失函數滿足第二收斂條件；

將當前的第二神經網絡模型作為所述目標檢測模型。

6.一種目標檢測方法，其特征在于，所述方法包括：

獲取待檢測圖像；

基于目標檢測模型對所述待檢測圖像進行目標檢測，得到第一目標檢測結果；

基于誤檢篩查模型對所述待檢測圖像進行目標檢測，得到第三目標檢測結果；

確定所述第一目標檢測結果與所述第三目標檢測結果的交集；

將所述第一目標檢測結果與所述第三目標檢測結果的交集作為誤檢篩查后的目標檢測結果；

其中，所述誤檢篩查模型是對所述目標檢測模型測試得到的誤檢結果進行聚類處理后訓練得到的。

7.根據權利要求6所述的方法，其特征在于，所述方法還包括：

在確定所述第一目標檢測結果與所述第三目標檢測結果的交集之后，確定所述第三目標檢測結果中置信度大于預設閾值的對象；

將所述第三目標檢測結果中置信度大于預設閾值的對象和所述第一目標檢測結果與所述第三目標檢測結果的交集作為誤檢篩查后的目標檢測結果。

8.一種目標檢測裝置，其特征在于，所述裝置包括：

第一圖像獲取模塊，用于獲取待檢測圖像；

第一目標檢測模塊，用于基于目標檢測模型對所述待檢測圖像進行目標檢測，得到第一目標檢測結果；

第一誤檢篩查模塊，用于基于誤檢篩查模型對所述第一目標檢測結果進行誤檢篩查，得到第二目標檢測結果，其中，所述誤檢篩查模型是對所述目標檢測模型測試得到的誤檢結果進行聚類處理后訓練得到的，且所述誤檢篩查模型包括一個或多個級聯的誤檢篩查子模型。