[發明專利]圖像檢測方法、裝置、電子設備及介質

在審

• 申請號: 202110426546.3
• 申請日: 2021-04-20
• 公開（公告）號: CN113065607A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 黃哲
• 申請（專利權）人: 平安國際智慧城市科技股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06K9/34
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種圖像檢測方法，其特征在于，所述方法包括：

獲取包含預設對象的正圖像樣本集，將所述正圖像樣本集按比例劃分為訓練圖像樣本集、測試圖像樣本集和摳圖圖像樣本集；

利用所述訓練圖像樣本集對預設的原始對象檢測模型進行訓練，得到初級對象檢測模型；

利用所述初級對象檢測模型對所述測試圖像樣本集進行檢測，得到檢測結果，根據所述檢測結果獲取所述測試圖像樣本集中的誤識別樣本；

獲取不包含所述預設對象的負圖像樣本集，將所述負圖像樣本集與所述誤識別樣本進行匯總，得到匯總樣本集，將所述匯總樣本集與所述摳圖圖像樣本集進行圖像合成，得到新增訓練圖像樣本集；

利用所述新增訓練圖像樣本集和所述訓練圖像樣本集對所述初級對象檢測模型進行再訓練，得到標準對象檢測模型；

利用所述標準對象檢測模型對獲取得到的待檢測圖像進行對象檢測，得到對象檢測結果。

2.如權利要求1所述的圖像檢測方法，其特征在于，所述根據所述檢測結果獲取所述測試圖像樣本集中的誤識別樣本，包括：

當所述初級圖像檢測模型的檢測結果的置信度閾值為第一置信度時，從檢測結果中獲取第一誤識別樣本；

判斷所述第一誤識別樣本的數量級是否與所述訓練圖像樣本集的數量級相同；

當所述第一誤識別樣本的數量級與所述訓練圖像樣本集的數量級相同時，確定所述第一誤識別樣本為所述測試圖像樣本集中的誤識別樣本。

3.如權利要求2所述的圖像檢測方法，其特征在于，所述判斷所述第一誤識別樣本的數量級是否與所述訓練圖像樣本集的數量級相同之后，所述方法還包括：

當所述第一誤識別樣本的數量級大于所述訓練圖像樣本集的數量級時，將所述初級圖像檢測模型的檢測結果的置信度閾值調整為第二置信度，對所述第一誤識別樣本進行篩選，直至篩選出的誤識別樣本的數量級等于所述訓練圖像樣本集的數量級，將篩選出的誤識別樣本輸出為所述測試圖像樣本集中的誤識別樣本。

4.如權利要求1所述的圖像檢測方法，其特征在于，所述將所述匯總樣本集與所述摳圖圖像樣本集進行圖像合成，得到新增訓練圖像樣本集，包括：

將所述匯總樣本集中匯總圖像作為背景圖像，將所述摳圖圖像樣本集中所述預設對象作為所述背景圖像的前景圖像進行合成，得到新增訓練圖像樣本集。

5.如權利要求4所述的圖像檢測方法，其特征在于，所述將所述摳圖圖像樣本集中所述預設對象作為所述背景圖像的前景圖像進行合成之前，所述方法還包括：

提取所述摳圖樣本集的摳圖樣本中的對象區域；

判斷所述對象區域中的對象與所述預設對象是否一致；

若所述對象區域中的對象與所述預設對象一致，將所述對象區域的像素點的灰度值轉化為第一灰度值，將所述對象區域之外的像素點的灰度值轉化為第二灰度值；

通過截取所述第一灰度值獲取所述預設對象。

6.如權利要求1至5中任一項所述的圖像檢測方法，其特征在于，所述利用所述訓練圖像樣本集對預設的原始對象檢測模型進行訓練，得到初級對象檢測模型，包括：

將所述訓練圖像樣本集輸入至所述原始對象檢測模型進行特征提取，得到訓練結果；

利用預設的損失函數計算所述訓練結果與預設的目標結果之間的損失值；

當所述損失值大于或等于預設的損失閾值，則調整所述原始對象檢測模型的參數，返回至特征提取處理；

當所述損失值小于所述損失閾值，則停止訓練，得到初級對象檢測模型。

7.如權利要求6所述的圖像檢測方法，其特征在于，所述利用預設的損失函數計算所述訓練結果與預設的目標結果之間的損失值，包括：

利用下述預設的損失函數計算所述訓練結果與預設的目標結果之間的損失值：

其中，為損失值，為所述訓練結果，Y為所述目標結果，α表示誤差因子，為預設常數。