多目标检测方法、装置和电子设备制造方法及图纸

本申请提出一种多目标检测方法、装置和电子设备，其中，多目标检测方法包括：根据目标生成多个检测框；获取所述多个检测框的分类概率；根据所述多个检测框的分类概率分别生成所述多个检测框的置信度，并获取所述多个检测框的稳定度；以及根据所述多个检测框的置信度和稳定度对所述多个检测框进行筛选。该方法能够有效利用电子设备的计算资源，通过检测框实时且稳定地检测出有意义的目标，从而可以降低服务器侧的资源占用，降低用户的流量消耗，提升用户在相关应用场景的使用体验。

【技术实现步骤摘要】
多目标检测方法、装置和电子设备
本申请涉及电子设备
，尤其涉及一种多目标检测方法、装置和电子设备。
技术介绍
目前，为了保证目标检测的准确性，通过在服务器侧部署复杂的目标检测模型，当用户使用电子设备拍摄图片或者视频后，可以通过远程访问服务器侧的检测服务，获取检测结果，该检测结果包括拍摄图片或者视频帧中包括的各目标。但是，实际应用时，申请人发现，上述获取检测结果的方式存在如下技术问题：其一，由于电子设备需要不断地向服务器侧上传图像，以获取检测结果，因此，检测结果的获取极大地依赖于网络的实时性，在网络故障、延时等情况下，用户获取的检测结果存在明显的滞后性，并且，耗费用户大量的网络流量；其二，增加服务器侧的资源占用，在用户拍摄视频等场景下，服务器侧需要对视频帧进行连续检测，给服务器侧带来较大的服务请求压力。
技术实现思路
本申请提出一种多目标检测方法、装置和电子设备，以实现有效利用电子设备的计算资源，通过检测框实时且稳定地检测出有意义的目标，从而可以降低服务器侧的资源占用，降低用户的流量消耗，提升用户在相关应用场景的使用体验，用于解决现有技术中通过远程访问服务器侧的检测服务，获取检测结果存在滞后性、耗费用户大量的网络流量，且增加服务器侧的资源占用的技术问题。本申请一方面实施例提出了一种多目标检测方法，包括：根据目标生成多个检测框；获取所述多个检测框的分类概率；根据所述多个检测框的分类概率分别生成所述多个检测框的置信度，并获取所述多个检测框的稳定度；以及根据所述多个检测框的置信度和稳定度对所述多个检测框进行筛选。本申请实施例提出的多目标检测方法，通过根据目标生成多个检测框，而后，获取多个检测框的分类概率，接着，根据多个检测框的分类概率分别生成多个检测框的置信度，并获取多个检测框的稳定度，最后，根据多个检测框的置信度和稳定度对多个检测框进行筛选。由此，可以有效利用电子设备的计算资源，通过检测框实时且稳定地检测出有意义的目标，从而可以降低服务器侧的资源占用，降低用户的流量消耗，提升用户在相关应用场景的使用体验。本申请又一方面实施例提出了一种多目标检测装置，包括：第一生成模块，用于根据目标生成多个检测框；第一获取模块，用于获取所述多个检测框的分类概率；第二生成模块，用于根据所述多个检测框的分类概率分别生成所述多个检测框的置信度；第二获取模块，用于获取所述多个检测框的稳定度；以及筛选模块，用于根据所述多个检测框的置信度和稳定度对所述多个检测框进行筛选。本申请实施例提出的多目标检测装置，通过根据目标生成多个检测框，而后，获取多个检测框的分类概率，接着，根据多个检测框的分类概率分别生成多个检测框的置信度，并获取多个检测框的稳定度，最后，根据多个检测框的置信度和稳定度对多个检测框进行筛选。由此，可以有效利用电子设备的计算资源，通过检测框实时且稳定地检测出有意义的目标，从而可以降低服务器侧的资源占用，降低用户的流量消耗，提升用户在相关应用场景的使用体验。本申请又一方面实施例提出了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如本申请前述实施例提出的多目标检测方法。本申请又一方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现本申请前述实施例提出的多目标检测方法。本申请又一方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令由处理器执行时，执行如本申请前述实施例提出的多目标检测方法。本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。附图说明本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1为本申请实施例一所提出的多目标检测方法的流程示意图；图2为本申请实施例中检测模型的训练过程示意图；图3为本申请实施例二所提供的多目标检测方法的流程示意图；图4为本申请实施三所提供的多目标检测方法的流程示意图；图5为本申请实施例四所提供的多目标检测方法的流程示意图；图6是本申请实施例五所提供的多目标检测装置的结构示意图；图7是本申请实施例六所提供的多目标检测装置的结构示意图；图8示出了适于用来实现本申请实施方式的示例性电子设备的框图。具体实施方式下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。相反，本申请的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。本申请主要针对现有技术中通过远程访问服务器侧的检测服务，获取检测结果存在滞后性、耗费用户大量的网络流量，且增加服务器侧的资源占用的技术问题，提出一种多目标检测方法。本申请实施例的多目标检测方法，通过根据目标生成多个检测框，而后，获取多个检测框的分类概率，接着，根据多个检测框的分类概率分别生成多个检测框的置信度，并获取多个检测框的稳定度，最后，根据多个检测框的置信度和稳定度对多个检测框进行筛选。由此，可以有效利用电子设备的计算资源，通过检测框实时且稳定地检测出有意义的目标，从而可以降低服务器侧的资源占用，降低用户的流量消耗，提升用户在相关应用场景的使用体验。下面参考附图描述本申请实施例的多目标检测方法、装置和电子设备。在具体描述本专利技术实施例之前，为了便于理解，首先对常用技术词进行介绍：VOC，视觉目标分类(VisualObjectClasses)。VOC数据集应用于深度学习图像领域，是一个可以用来进行图像识别的数据集。COCO，上下文中的公共对象(CommonObjectsinCOntext)。COCO数据集应用于深度学习图像领域，是一个可以用来进行图像识别的数据集。Imagenet数据集，应用于深度学习图像领域，其使用非常方便，几乎成为了目前深度学习图像领域算法性能检验的“标准”数据集。基于Imagenet数据集，可以实现图像分类、定位、检测等功能。YOLOV2模型，你只看一眼(YouOnlyLookOnce，简称YOLO)模型的V2版本，其为单一网络目标检测模型。MDL，百度移动端深度学习平台(Mobiledeeplearning，现升级为Paddle-mobile)。MobileNet模型，用于移动设备和嵌入式设备的视觉应用，实现目标检测，细粒度识别，人脸属性提取，以及大规模地理定位等功能。图1为本申请实施例一所提出的多目标检测方法的流程示意图。本申请实施例的执行主体为多目标检测装置，该多目标检测装置可以被配置在任意一个电子设备中，以使该电子设备可以执行多目标检测功能。其中，电子设备可以为手机、平板电脑、个人数字助理、穿戴式设备等具有各种操作系统、触摸屏和/或显示屏的硬件设备。如图1所示，该多目标检测方法包括：步骤101，根据目标生成多个检测框。本申请实施例中，目标为需要对其进行检测的目标，例如可以为人、人脸、动物、物体、景物、风景名胜等等。本申请实施例中，当用户通过电子设备拍摄图片或者视频时，可以通过预先训练的检测模型，对图片或者视频帧中的目标进行检测本文档来自技高网...

【技术保护点】
1.一种多目标检测方法，其特征在于，包括：根据目标生成多个检测框；获取所述多个检测框的分类概率；根据所述多个检测框的分类概率分别生成所述多个检测框的置信度，并获取所述多个检测框的稳定度；以及根据所述多个检测框的置信度和稳定度对所述多个检测框进行筛选。

【技术特征摘要】
1.一种多目标检测方法，其特征在于，包括：根据目标生成多个检测框；获取所述多个检测框的分类概率；根据所述多个检测框的分类概率分别生成所述多个检测框的置信度，并获取所述多个检测框的稳定度；以及根据所述多个检测框的置信度和稳定度对所述多个检测框进行筛选。2.如权利要求1所述的多目标检测方法，其特征在于，在所述获取所述多个检测框的分类概率之后，还包括：对所述多个检测框进行非极大值抑制。3.如权利要求1所述的多目标检测方法，其特征在于，所述获取所述多个检测框的稳定度，包括：获取检测框历史检测数据；判断生成的所述多个检测框与所述检测框历史检测数据的重复数是否大于预设阈值；如果大于或等于所述预设阈值，则判断所述稳定度为稳定；如果小于所述预设阈值，则判断所述稳定度为不稳定。4.如权利要求1所述的多目标检测方法，其特征在于，在所述根据所述多个检测框的置信度和稳定度对所述多个检测框进行筛选之前，还包括：获取所述检测框的面积和/或边界距离；根据所述检测框的面积和/或边界距离对所述多个检测框进行抑制。5.如权利要求1所述的多目标检测方法，其特征在于，所述根据所述多个检测框的置信度和稳定度对所述多个检测框进行筛选，包括：对所述置信度低于置信度阈值，且所述稳定度...

【专利技术属性】
技术研发人员：邱鑫，李国洪，张柳清，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11