【技术实现步骤摘要】
目标检测方法及相关装置
[0001]本申请涉及神经网络
,具体涉及一种目标检测方法及相关装置。
技术介绍
[0002]目前,目标检测的过程为:首先,通过机器学习对待检测图片进行初步标注;然后,采用人工方式对初步标注后的图像进行再次标注,得到包括至少一个设定目标的目标检测结果。
[0003]但是,当存在大量图片时,采用人工方式将会导致检测大量图片中存在的多个设定目标的准确性和效率均较低。
技术实现思路
[0004]本申请实施例提供一种目标检测方法及相关装置,用于提高检测大量图片中存在的多个设定目标的准确性和效率。
[0005]第一方面,本申请实施例提供了一种目标检测方法,方法包括:
[0006]获取多张待检测图片;
[0007]将多张待检测图片输入融合神经网络模型进行处理,输出均包括一个或多个设定目标的至少一个目标检测结果,至少一个目标检测结果与至少一张待检测图片一一对应;其中,融合神经网络模型包括卷积神经网络模型和生成式对抗网络模型;
[0008]对至少一个目标检测结果执行显示操作。
[0009]在一些可能的实施例中,将多张待检测图片输入融合神经网络模型进行处理,输出均包括一个或多个设定目标的至少一个目标检测结果,包括:
[0010]将多张待检测图片输入卷积神经网络模型进行初次处理,输出多个第一标注图像,多个第一标注图像与多张待检测图片一一对应;
[0011]将多个第一标注图像输入生成式对抗网络模型进行再次处理,输出均包括一个或多个 ...
【技术保护点】
【技术特征摘要】
1.一种目标检测方法,其特征在于,所述方法包括:获取多张待检测图片;将所述多张待检测图片输入融合神经网络模型进行处理,输出均包括一个或多个设定目标的至少一个目标检测结果,所述至少一个目标检测结果与至少一张待检测图片一一对应;其中,所述融合神经网络模型包括卷积神经网络模型和生成式对抗网络模型;对所述至少一个目标检测结果执行显示操作。2.根据权利要求1所述的方法,其特征在于,所述将所述多张待检测图片输入融合神经网络模型进行处理,输出均包括一个或多个设定目标的至少一个目标检测结果,包括:将所述多张待检测图片输入所述卷积神经网络模型进行初次处理,输出多个第一标注图像,所述多个第一标注图像与所述多张待检测图片一一对应;将所述多个第一标注图像输入所述生成式对抗网络模型进行再次处理,输出均包括一个或多个设定目标的至少一个目标检测结果。3.根据权利要求2所述的方法,其特征在于,所述将所述多个第一标注图像输入所述生成式对抗网络模型进行再次处理,输出均包括一个或多个设定目标的至少一个目标检测结果,包括:将所述多个第一标注图像输入所述生成式对抗网络模型中;对所述多个第一标注图像进行标注,得到多个第二标注图像,所述多个第二标注图像中均包括一个或多个设定目标的每个第二标注图像的面积小于其对应的第一标注图像的面积,所述多个第二标注图像与所述多个第一标注图像一一对应;采用一个或多个设定目标识别算法对所述多个第二标注图像进行目标识别,得到多个第一设定目标数量和多个第一设定目标集合,所述多个第一设定目标数量和所述多个第一设定目标集合分别与所述多个第二标注图像一一对应;从所述多个第二标注图像中选取至少一个目标第二标注图像,所述至少一个目标第二标注图像中的每个目标第二标注图像对应的第一设定目标数量均非零,所述至少一个目标第二标注图像和所述至少一个第一设定目标集合为至少一个目标检测结果,所述至少一个目标第二标注图像和所述至少一个第一设定目标集合分别与所述至少一个目标检测结果一一对应。4.根据权利要求2所述的方法,其特征在于,所述将所述多张待检测图片输入所述卷积神经网络模型进行初次处理,输出多个第一标注图像之后,所述方法还包括:采用一个或多个设定目标识别算法对所述多个第一标注图像进行目标识别,得到多个第二设定目标数量和多个第二设定目标集合,所述多个第二设定目标数量和所述多个第二设定目标集合分别与所述多个第一标注图像一一对应;从所述多个第一标注图像中选取至少一个目标第一标注图像,所述至少一个目标第一标注图像中的每个目标第一标注图像对应的第二设定目标数量均非零;所述将所述多个第一标注图像输入所述生成式对抗网络模型进行再次处理,输出均包括一个或多个设定目标的至少一个目标检测结果,包括:将所述至少一个目标第一标注图像输入所述生成式对抗网络模型中;对所述至少一个目标第一标...
【专利技术属性】
技术研发人员:李洁,刘庆,杨佳义,
申请(专利权)人:重庆邮电大学移通学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。