[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

本發明涉及智能決策技術，揭露了一種圖像檢測方法，包括：利用訓練圖像樣本集訓練原始對象檢測模型訓練，利用測試圖像樣本集對訓練原始對象檢測模型得到的初級對象檢測模型進行測試，得到檢測結果，根據檢測結果獲取誤識別樣本，根據誤識別樣本、摳圖圖像樣本集和負圖像樣本集得到新增訓練圖像樣本集，利用新增訓練圖像樣本集和訓練圖像樣本集對初級對象檢測模型再訓練，通過再訓練得到的標準對象檢測模型對待檢測圖像進行檢測，得到對象檢測結果。此外，本發明還涉及區塊鏈技術，所述對象檢測結果可存儲于區塊鏈的節點。本發明還提出一種圖像檢測裝置、電子設備以及計算機可讀存儲介質。本發明可以解決圖像檢測時準確率較低的問題。

技術領域

本發明涉及智能決策技術領域，尤其涉及一種圖像檢測方法、裝置、電子設備及介質。

背景技術

隨著人工智能的快速發展，神經網絡模型的運用也越來越廣泛，在利用神經網絡模型對物體進行圖像檢測(如圖像檢測)時，對于一些特征相似的對象，會出現“誤判”的情況，即將“非目標對象”被誤判為“目標對象”?，F有技術中，通常的解決方式是通過擴充樣本集，讓神經網絡模型提取更加多樣化的物體特征，特征值的數據更為全面完整，從而避開特征相似的對象。但是現有技術中常常沒有辦法獲取到大量的訓練樣本，因此，在樣本集無法進一步的優化的情況下，想要提高神經網絡精準度會變得較為困難，神經網絡精準度不高將導致通過神經網絡進行圖像檢測時準確率降低。

發明內容

本發明提供一種圖像檢測方法、裝置及計算機可讀存儲介質，其主要目的在于解決圖像檢測時準確率較低的問題。

為實現上述目的，本發明提供的一種圖像檢測方法，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。

可選地，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。

可選地，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。

可選地，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：