[發明專利]基于級聯神經網絡的目標檢測方法、裝置及存儲介質

在審

• 申請號: 202011022685.1
• 申請日: 2020-09-25
• 公開（公告）號: CN111931920A
• 公開（公告）日: 2020-11-13
• 發明（設計）人: 蔡雨露;李晶;聶玉虎;崔文朋;鄭哲;劉瑞;池穎英;張海峰
• 申請（專利權）人: 北京智芯微電子科技有限公司;國網信息通信產業集團有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06K9/62
• 代理公司: 北京潤平知識產權代理有限公司 11283
• 代理人: 肖冰濱;王曉曉

1.一種基于級聯神經網絡的目標檢測方法，其特征在于，所述方法包括：

獲取待檢測圖像數據；

利用所述級聯神經網絡中的第一目標檢測模型對所述待檢測圖像數據中的目標圖像進行檢測，得到第一檢測結果；

對所述第一檢測結果中的目標框經過預設倍數的放大，并將放大后的目標框內的圖像數據作為第二檢測結果；

利用所述級聯神經網絡中的第二目標檢測模型對所述第二檢測結果中的目標圖像進行檢測，得到目標檢測結果，

其中所述第一目標檢測模型與所述第二目標檢測模型通過具有相同的神經網絡結構訓練得到。

2.根據權利要求1所述的目標檢測方法，其特征在于，在所述獲取待檢測圖像數據之前，所述方法還包括：

將采集的具有目標圖像的圖像數據作為第一模型數據集；

利用目標框對所述第一模型數據集中的目標圖像進行標注，得到與所述第一模型數據集對應的標注數據集；

預設具有相同的神經網絡結構的第一神經網絡和第二神經網絡。

3.根據權利要求2所述的目標檢測方法，其特征在于，通過下述方式訓練得到所述第一目標檢測模型：

通過所述第一模型數據集和標注數據集，得到訓練集和對應的標注訓練集，以及測試集和對應的標注測試集；

利用所述訓練集和對應的標注訓練集對所述第一神經網絡進行訓練，得到待定模型；

利用所述待定模型對所述測試集中的目標圖像進行檢測，得到初步檢測結果；

根據所述初步檢測結果與所述標注測試集的比較結果以及設定閾值，確定所述初步檢測結果中的偽正樣本，并由所述偽正樣本得到二次訓練集和二次標注訓練集；

利用所述二次訓練集和二次標注訓練集對所述待定模型進行訓練，得到所述第一目標檢測模型。

4.根據權利要求3所述的目標檢測方法，其特征在于，所述根據所述初步檢測結果與所述標注測試集的比較結果以及設定閾值，確定所述初步檢測結果中的偽正樣本，并由所述偽正樣本得到二次訓練集和二次標注訓練集包括：

計算所述初步檢測結果中的預測邊界框與所述標注測試集中對應的目標框之間的交并比；

將所述交并比小于所述設定閾值的測試樣本作為所述初步檢測結果中的偽正樣本；

將所述偽正樣本對應的所述測試集中的測試樣本作為二次訓練集，并將所述偽正樣本對應的所述標注測試集中的標注測試樣本作為二次標注訓練集。

5.根據權利要求2所述的目標檢測方法，其特征在于，通過下述方式訓練得到所述第二目標檢測模型：

將所述標注數據集中的目標框在設定倍數范圍內隨機放大，并提取放大后的目標框內的圖像數據作為第二模型數據集；

利用所述第二模型數據集對所述第二神經網絡進行訓練，得到所述第二目標檢測模型。

6.一種基于級聯神經網絡的目標檢測裝置，其特征在于，所述裝置包括：

獲取單元，用于獲取待檢測圖像數據；

初步檢測單元，用于利用所述級聯神經網絡中的第一目標檢測模型對所述待檢測圖像數據中的目標圖像進行檢測，得到第一檢測結果；

結果調整單元，用于對所述第一檢測結果中的目標框經過預設倍數的放大，并將放大后的目標框內的圖像數據作為第二檢測結果；

目標檢測單元，用于利用所述級聯神經網絡中的第二目標檢測模型對所述第二檢測結果中的目標圖像進行檢測，得到目標檢測結果，其中所述第一目標檢測模型與所述第二目標檢測模型通過具有相同的神經網絡結構訓練得到。

7.根據權利要求6所述的目標檢測裝置，其特征在于，所述裝置還包括：

數據采集單元，用于將采集的具有目標圖像的圖像數據作為第一模型數據集；

數據標注單元，用于利用目標框對所述第一模型數據集中的目標圖像進行標注，得到與所述第一模型數據集對應的標注數據集；

網絡預設單元，用于預設具有相同的神經網絡結構的第一神經網絡和第二神經網絡。