[發明專利]一種目標檢測方法、裝置及相關設備

在審

• 申請號: 202111007551.7
• 申請日: 2021-08-30
• 公開（公告）號: CN115731153A
• 公開（公告）日: 2023-03-03
• 發明（設計）人: 李治軍;曹志強;謝達奇;潘珩
• 申請（專利權）人: 華為云計算技術有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/62
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 羅曉敏

本申請提供了一種目標檢測方法，該方法應用于目標檢測系統中的決策裝置，該目標檢測系統還包括第一設備集合以及第二設備集合，該第一設備集合中的第一檢測模型的規格小于第二檢測模型中的第二檢測模型的規格。該方法具體實施時，決策裝置獲取第一檢測模型對目標圖像進行檢測得到的初步檢測結果，并根據該初步檢測結果，確定目標圖像中包括的候選對象對應的圖像特征；當圖像特征滿足第一預設條件時，決策裝置確定將該目標圖像傳輸至第二設備集合。如此，決策裝置能夠盡可能避免目標檢測系統針對該目標圖像存在漏檢問題，從而使得目標檢測系統能夠保持較高的檢測精度。此外，本申請還提供了對應的裝置以及相關設備。

技術領域

本申請涉及人工智能技術領域，尤其涉及一種目標檢測方法、裝置及相關設備。

背景技術

在人工智能(artificial intelligence，AI)領域中，機器學習技術作為AI領域一種重要的方法和手段，旨在通過機器學習算法對訓練數據集進行規律分析得到模型，并利用該模型持續對未知的樣本數據進行推理。例如，可以利用預先完成訓練的檢測模型檢測出圖像中的一個或者多個對象。

目前，可以根據部署檢測模型的環境的資源量設置兩級的目標檢測機制。比如，在邊云協同的推理場景中，可以在邊緣側以及云端分別設置不同規格的檢測模型，并且，由于邊緣側的計算資源通常少于云端的計算資源，因此，部署于在邊緣側的檢測模型可以是通過對云端的檢測模型進行壓縮所得到的規格較小的模型。相應的，針對相同的圖像，云端的檢測模型對于該圖像的檢測性能(如檢測精度、檢測效率等)，通常優于邊緣側的檢測模型對于該圖像的檢測性能。同時，在邊緣側部署決策裝置，該決策裝置可以在邊緣側的檢測模型輸出的針對圖像的檢測結果的置信度較低時，確定將該圖像發送至云端，以便利用云端的規格更大的檢測模型對該圖像進行目標檢測，以此提高針對該圖像的目標檢測精度。但是，實際應用時，目標檢測系統所輸出的檢測結果中經常存在漏檢問題，即圖像中的部分或全部對象并沒有被檢測出來，從而導致目標檢測系統的檢測精度難以保持在較高的水平。

發明內容

本申請提供了一種目標檢測方法，用于使得目標檢測系統針對圖像的檢測精度保持在較高的水平。此外，本申請還提供了一種決策裝置、計算機設備、計算機可讀存儲介質以及計算機程序產品。

第一方面，本申請提供了一種目標檢測方法，該方法可以應用于目標檢測系統中的決策裝置，其中，該目標檢測系統不僅可以包括決策裝置，還可以包括第一設備集合以及第二設備集合，該第一設備集合以及第二設備集合均包括至少一個計算設備，該第一設備集合中的第一檢測模型的規格小于第二檢測模型中的第二檢測模型的規格。該方法具體實施時，決策裝置獲取初步檢測結果，該初步檢測結果是由第一設備集合中的第一檢測模型對目標圖像進行檢測得到；然后，決策裝置根據該初步檢測結果，確定目標圖像中包括的候選對象對應的圖像特征，并且，當該圖像特征滿足第一預設條件時，決策裝置確定將該目標圖像傳輸至第二設備集合。

由于決策裝置是根據候選對象對應的圖像特征，來確定是否將目標圖像傳輸至第二設備集合，這使得決策裝置能夠盡可能避免因為第一檢測模型對初步檢測結果中的部分或者全部候選對象進行過濾而導致目標檢測系統針對該目標圖像存在漏檢問題，從而使得目標檢測系統能夠保持較高的檢測精度。

可選地，當特征圖像不滿足第一預設條件時，決策裝置可以確定將第一檢測模型輸出的針對目標圖像的檢測結果作為目標檢測系統最終反饋給用戶的檢測結果。