[發(fā)明專利]目標檢測方法及裝置、電子設(shè)備、存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110462394.2
• 申請日: 2021-04-27
• 公開（公告）號: CN113095434A
• 公開（公告）日: 2021-07-09
• 發(fā)明（設(shè)計）人: 李搏;竇浩軒;甘偉豪
• 申請（專利權(quán)）人: 深圳市商湯科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/34
• 代理公司: 北京派特恩知識產(chǎn)權(quán)代理有限公司 11270
• 代理人: 王花麗;張穎玲

本公開實施例公開了一種目標檢測方法及裝置、電子設(shè)備、存儲介質(zhì)。方法包括：采用更新后的目標檢測模型，檢測獲得的待檢測圖像，得到目標檢測結(jié)果；更新后的目標檢測模型是采用與結(jié)果預(yù)測圖像對應(yīng)的、經(jīng)過人工標注處理的場景圖像對目標檢測模型訓(xùn)練獲得；目標檢測模型是基于預(yù)設(shè)訓(xùn)練集對初始檢測模型訓(xùn)練獲得，結(jié)果預(yù)測圖像是經(jīng)由目標檢測模型檢測后、且包括預(yù)測標注數(shù)據(jù)的場景圖像；預(yù)設(shè)訓(xùn)練集為從數(shù)據(jù)集中選出的預(yù)設(shè)類別的多張樣本圖像；數(shù)據(jù)集是多張標注出目標對象的圖像，且多張圖像中預(yù)設(shè)數(shù)量圖像的目標對象之間屬于不同類別。通過本公開，能夠提高目標檢測結(jié)果的準確性。

技術(shù)領(lǐng)域

本公開涉及圖像處理技術(shù)，尤其涉及一種目標檢測方法及裝置、電子設(shè)備、存儲介質(zhì)。

背景技術(shù)

大規(guī)模的城市級貓、狗檢測在智慧城市等方面中有著非常重要的作用，相比于常規(guī)的人/車檢測，由于貓、狗都比較小，且貓、狗的樣本比較難收集，所以貓、狗的檢測具有更多的挑戰(zhàn)。

相關(guān)技術(shù)中對貓、狗檢測的檢測模型的精度不高，使得檢測效果較差。

發(fā)明內(nèi)容

本公開實施例提供一種目標檢測方法及裝置、電子設(shè)備、存儲介質(zhì)，能夠提高目標檢測結(jié)果的準確性。

本公開實施例的技術(shù)方案是這樣實現(xiàn)的：

本公開實施例提供一種目標檢測方法，包括：獲取待檢測圖像；采用更新后的目標檢測模型，對所述待檢測圖像進行目標檢測，得到目標檢測結(jié)果；所述更新后的目標檢測模型是采用與結(jié)果預(yù)測圖像對應(yīng)的、且經(jīng)過人工標注處理的場景圖像對目標檢測模型訓(xùn)練獲得；其中，所述目標檢測模型是基于預(yù)設(shè)訓(xùn)練集對初始檢測模型訓(xùn)練獲得的，所述結(jié)果預(yù)測圖像是經(jīng)由所述目標檢測模型檢測后的、且包括預(yù)測標注數(shù)據(jù)的場景圖像；所述人工標注處理用于對所述預(yù)測標注數(shù)據(jù)進行校驗，并根據(jù)校驗結(jié)果在與所述結(jié)果預(yù)測圖像對應(yīng)的場景圖像中進行目標對象的正確標注；所述預(yù)設(shè)訓(xùn)練集為從數(shù)據(jù)集中選出的屬于預(yù)設(shè)類別的多張樣本圖像；所述數(shù)據(jù)集是多張標注出了目標對象的圖像，且所述多張圖像中預(yù)設(shè)數(shù)量圖像的目標對象之間屬于不同類別。

上述方法中，在所述采用更新后的目標檢測模型，對所述待檢測圖像進行目標檢測，得到目標檢測結(jié)果之前，還包括：采用目標檢測模型，對多張場景圖像進行目標檢測，得到所述結(jié)果預(yù)測圖像；獲取所述與所述結(jié)果預(yù)測圖像對應(yīng)的、且經(jīng)過人工標注處理的場景圖像；將所述經(jīng)過人工標注處理的場景圖像作為訓(xùn)練樣本，對所述目標檢測模型進行訓(xùn)練，得到所述更新后的目標檢測模型。

上述方法中，所述經(jīng)過人工標注處理的場景圖像包括：帶有目標標注數(shù)據(jù)的場景圖像和未帶有目標標注數(shù)據(jù)的場景圖像。

上述方法中，所述將所述經(jīng)過人工標注處理的場景圖像作為訓(xùn)練樣本，對所述目標檢測模型進行訓(xùn)練，得到所述更新后的目標檢測模型，包括：將帶有目標標注數(shù)據(jù)的場景圖像確定為正樣本，以及將未帶有目標標注數(shù)據(jù)的場景圖像確定為負樣本，所述正樣本和所述負樣本為所述訓(xùn)練樣本；根據(jù)所述訓(xùn)練樣本，對所述目標檢測模型進行訓(xùn)練，得到所述更新后的目標檢測模型。

上述方法中，所述將所述經(jīng)過人工標注處理的場景圖像作為訓(xùn)練樣本，對所述目標檢測模型進行訓(xùn)練，得到所述更新后的目標檢測模型，包括：在所述經(jīng)過人工標注處理的場景圖像的數(shù)量大于或等于預(yù)設(shè)閾值的情況下，將所述經(jīng)過人工標注處理的場景圖像作為訓(xùn)練樣本，對所述目標檢測模型進行訓(xùn)練，得到所述更新后的目標檢測模型。

上述方法中，在所述采用目標檢測模型，對多張場景圖像進行目標檢測，得到所述結(jié)果預(yù)測圖像之前，還包括：根據(jù)視頻幀的屬性參數(shù)，以預(yù)設(shè)時間間隔截取場景視頻流中的視頻幀，得到預(yù)設(shè)數(shù)量的視頻幀；將所述預(yù)設(shè)數(shù)量的視頻幀確定為所述多張場景圖像。

上述方法中，所述帶有目標標注數(shù)據(jù)的場景圖像為，標注出貓和狗中的至少一種的場景圖像；所述未帶有目標標注數(shù)據(jù)的場景圖像為，未包含所述貓和狗中的至少一種的場景圖像。

上述方法中，所述預(yù)設(shè)類別包括：貓和狗中的至少一種。