[發明專利]一種目標檢測模型訓練方法、目標檢測方法和裝置

有效

• 申請號: 202011625231.3
• 申請日: 2020-12-31
• 公開（公告）號: CN112784691B
• 公開（公告）日: 2023-06-02
• 發明（設計）人: 楊世才;浦世亮;陳偉杰;過一路;謝迪
• 申請（專利權）人: 杭州海康威視數字技術股份有限公司
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V10/762;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 項京;馬敬

1.一種目標檢測模型訓練方法，其特征在于，所述方法包括：

獲取當前檢測場景的未標注標簽的第一樣本圖像；

基于基線檢測模型對各第一樣本圖像進行檢測，確定各第一樣本圖像中置信度大于第一預設閾值的目標圖像區域；其中，一個目標圖像區域的置信度表示該目標圖像區域包含預設對象的概率；所述基線檢測模型為：基于當前檢測場景以外的其他檢測場景的第二樣本圖像進行訓練得到的，用于檢測所述預設對象的網絡模型；

基于各第一樣本圖像中目標圖像區域的圖像特征，對各第一樣本圖像中的目標圖像區域進行聚類，得到多個圖像區域集合；

針對每一圖像區域集合，基于該圖像區域集合包含的目標圖像區域的置信度，計算該圖像區域集合的置信度，作為該圖像區域集合包含的目標圖像區域的軟標簽；

針對各第一樣本圖像中的每一目標圖像區域，根據該目標圖像區域的軟標簽，對所述基線檢測模型進行模型訓練，得到當前檢測場景的目標檢測模型。

2.根據權利要求1所述的方法，其特征在于，所述針對各第一樣本圖像中的每一目標圖像區域，根據該目標圖像區域的軟標簽，對所述基線檢測模型進行模型訓練，得到當前檢測場景的目標檢測模型，包括：

針對各第一樣本圖像中的每一目標圖像區域，將該目標圖像區域的軟標簽，作為該目標圖像區域的真實標簽，對所述基線檢測模型進行模型訓練，得到當前檢測場景的目標檢測模型。

3.根據權利要求1所述的方法，其特征在于，所述針對各第一樣本圖像中的每一目標圖像區域，根據該目標圖像區域的軟標簽，對所述基線檢測模型進行模型訓練，得到當前檢測場景的目標檢測模型，包括：

針對各第一樣本圖像中的每一目標圖像區域，將該目標圖像區域的軟標簽，作為該目標圖像區域的真實標簽，對所述基線檢測模型進行模型訓練，得到待選檢測模型；

獲取用戶對備選圖像區域集合進行標注的標簽，作為所述備選圖像區域集合包含的目標圖像區域的硬標簽；其中，所述備選圖像區域集合包含的目標圖像區域的軟標簽屬于預設范圍；

針對所述備選圖像區域集合中的每一目標圖像區域，將該目標圖像區域的硬標簽，作為該目標圖像區域的真實標簽，對所述待選檢測模型進行模型訓練，得到當前檢測場景的目標檢測模型。

4.根據權利要求1所述的方法，其特征在于，所述基線檢測模型為快速區域卷積神經網絡模型或YOLO模型。

5.根據權利要求1所述的方法，其特征在于，所述基于各第一樣本圖像中目標圖像區域的圖像特征，對各第一樣本圖像中的目標圖像區域進行聚類，得到多個圖像區域集合，包括：

基于各第一樣本圖像中目標圖像區域的圖像特征，按照K-means聚合算法，對各第一樣本圖像中的目標圖像區域進行聚類，得到多個圖像區域集合。

6.根據權利要求1所述的方法，其特征在于，該圖像區域集合的置信度用于表示該圖像區域集合包含的目標圖像區域的置信度的平均水平。

7.一種目標檢測方法，其特征在于，所述方法包括：

獲取待檢測圖像；

將所述待檢測圖像輸入至當前檢測場景的目標檢測模型，得到所述待檢測圖像的檢測結果；其中，所述目標檢測模型為采用權利要求1至6任一項所述的目標檢測模型訓練方法獲取的。

8.根據權利要求7所述的方法，其特征在于，所述檢測結果包括以下至少一項：表示所述待檢測圖像中是否包含預設對象的標識、所述待檢測圖像中各圖像區域包含預設對象的概率、所述各圖像區域的位置信息。