一种目标检测方法及装置制造方法及图纸

本申请公开了一种目标检测方法及装置，目标检测方法包括：获取初始图像，初始图像中对兴趣目标标注有初始边界框；将初始图像输入预先训练的回归模型，得到回归模型输出的包含调整后边界框的待分割图像，回归模型为利用标注有兴趣目标的真实边界框及标注有兴趣目标的初始边界框的训练图像进行预训练得到；将待分割图像中调整后边界框所包含的图像分割出来，作为包含兴趣目标的待分类图像。在本申请中，通过以上方式提高了兴趣目标的边界框的标注精度。

【技术实现步骤摘要】
一种目标检测方法及装置
本申请涉及目标检测领域，更具体地说，涉及一种目标检测方法及装置。
技术介绍
交通部门为了大众进行安全有序的行驶，通常将道路交通标志以标注的形式放置在路面两侧的标志牌或直接绘制在路面上，用于对驾驶员的驾驶进行警告、禁止、限制或指示。在智能交通领域，道路交通标志有着巨大的作用，如导航服务商可以基于道路交通标志规划道路行程；智能汽车可以根据道路交通标志实时判断道路是否可以行驶等。因此，道路交通标志的识别显得尤为重要。现有道路交通标志的识别一般是采用图像分割技术，识别交通标志在图像中的位置区域，并将交通标志从图像中分割出来。然而，图像分割技术识别目标在图像中位置区域的精度往往不高，导致道路交通标志的识别精度不高。
技术实现思路
有鉴于此，本申请提供了一种目标检测方法及装置，用于解决采用图像分割技术从图像中识别道路交通标志，精度不高的问题。为了实现上述目的，现提出的方案如下：一种目标检测方法，包括：获取初始图像，所述初始图像中对兴趣目标标注有初始边界框；将所述初始图像输入预先训练的回归模型，得到所述回归模型输出的包含调整后边界框的待分割图像，所述回归模型为利用标注有兴趣目标的真实边界框及标注有兴趣目标的初始边界框的训练图像进行预训练得到；将所述待分割图像中所述调整后边界框所包含的图像分割出来，作为包含所述兴趣目标的待分类图像。优选的，所述回归模型的预训练过程，包括：获取标注有兴趣目标的真实边界框及标注有兴趣目标的初始边界框的训练图像；利用所述训练图像对回归模型进行训练，以使得回归模型输出的对所述初始边界框调整后的边界框与所述真实边界框的位置重合度满足设定条件。优选的，所述训练图像中标注有兴趣目标的初始边界框包括：对兴趣目标的真实边界框进行位置扰动后得到的边界框。优选的，还包括：利用预先训练的分类模型，确定所述待分类图像所包含的兴趣目标的类别，所述分类模型为预先利用标记有分类类别的训练图像进行训练得到。优选的，所述分类模型包括大尺寸兴趣目标分类模型和小尺寸兴趣目标分类模型；所述大尺寸兴趣目标分类模型为利用标记有分类类别，且包含设定大尺寸级别的兴趣目标的训练图像进行训练得到；所述小尺寸兴趣目标分类模型为利用标记有分类类别，且包含设定小尺寸级别的兴趣目标的训练图像进行训练得到；所述利用预先训练的分类模型，确定所述待分类图像所包含的兴趣目标的类别，包括：若各待分类图像中仅存在属于设定大尺寸级别的兴趣目标，则利用所述大尺寸兴趣目标分类模型，确定所述待分类图像所包含的兴趣目标的类别；若各待分类图像中仅存在属于设定小尺寸级别的兴趣目标，则利用所述小尺寸兴趣目标分类模型，确定所述待分类图像所包含的兴趣目标的类别。优选的，利用预先训练的分类模型，确定所述待分类图像所包含的兴趣目标的类别，还包括：若各待分类图像中同时存在属于设定大尺寸级别和设定小尺寸级别的兴趣目标，则首先利用所述大尺寸兴趣目标分类模型，确定所述待分类图像所包含的兴趣目标的类别；然后对于大尺寸兴趣目标分类模型确定的类别属于噪声的目标待分类图像，利用所述小尺寸兴趣目标分类模型，确定所述目标待分类图像所包含的兴趣目标的最终分类类别。优选的，利用标记有分类类别，且包含设定小尺寸级别的兴趣目标的训练图像训练得到小尺寸兴趣目标分类模型的过程，包括：将标记有分类类别，且包含设定小尺寸级别的兴趣目标的训练图像在其所属初始图像上，按照设定比例进行边界外扩，将边界外扩后的训练图像及所述训练图像作为输入训练图像对；利用输入训练图像对，对小尺寸兴趣目标分类模型进行训练；所述利用所述小尺寸兴趣目标分类模型，确定所述待分类图像所包含的兴趣目标的类别，包括：在所述初始图像中，将所述待分类图像的边界按照设定比例外扩，得到边界外扩后的待分类图像；将所述待分类图像及其边界外扩后的待分类图像共同输入所述小尺寸兴趣目标分类模型，以得到小尺寸兴趣目标分类模型输出的所述待分类图像所包含的兴趣目标的类别。一种目标检测装置，包括：获取模块，用于获取初始图像，所述初始图像中对兴趣目标标注有初始边界框；调整模块，用于将所述初始图像输入预先训练的回归模型，得到所述回归模型输出的包含调整后边界框的待分割图像，所述回归模型为利用标注有兴趣目标的真实边界框及标注有兴趣目标的初始边界框的训练图像进行预训练得到；分割模块，用于将所述待分割图像中所述调整后边界框所包含的图像分割出来，作为包含所述兴趣目标的待分类图像。优选的，还包括：回归模型训练模块，用于获取标注有兴趣目标的真实边界框及标注有兴趣目标的初始边界框的训练图像，并利用所述训练图像对回归模型进行训练，以使得回归模型输出的对所述初始边界框调整后的边界框与所述真实边界框的位置重合度满足设定条件。优选的，所述训练图像中标注有兴趣目标的初始边界框包括：对兴趣目标的真实边界框进行位置扰动后得到的边界框。优选的，还包括：分类模块，用于利用预先训练的分类模型，确定所述待分类图像所包含的兴趣目标的类别，所述分类模型为预先利用标记有分类类别的训练图像进行训练得到。优选的，所述分类模型包括大尺寸兴趣目标分类模型和小尺寸兴趣目标分类模型；该装置还包括：大尺寸分类模型训练单元，用于利用标记有分类类别，且包含设定大尺寸级别的兴趣目标的训练图像训练得到大尺寸兴趣目标分类模型；小尺寸分类模型训练单元，用于利用标记有分类类别，且包含设定小尺寸级别的兴趣目标的训练图像训练得到小尺寸兴趣目标分类模型；所述分类模块，包括：大尺寸分类单元，用于若各待分类图像中仅存在属于设定大尺寸级别的兴趣目标，则利用所述大尺寸兴趣目标分类模型，确定所述待分类图像所包含的兴趣目标的类别；小尺寸分类单元，用于若各待分类图像中仅存在属于设定小尺寸级别的兴趣目标，则利用所述小尺寸兴趣目标分类模型，确定所述待分类图像所包含的兴趣目标的类别。优选的，所述分类模块还包括：大小尺寸共同分类单元，用于若各待分类图像中同时存在属于设定大尺寸级别和设定小尺寸级别的兴趣目标，则首先利用所述大尺寸兴趣目标分类模型，确定所述待分类图像所包含的兴趣目标的类别；然后对于大尺寸兴趣目标分类模型确定的类别属于噪声的目标待分类图像，利用所述小尺寸兴趣目标分类模型，确定所述目标待分类图像所包含的兴趣目标的最终分类类别。优选的，所述小尺寸分类模型训练单元包括：第一小尺寸分类模型训练子单元，用于将标记有分类类别，且包含设定小尺寸级别的兴趣目标的训练图像在其所属初始图像上，按照设定比例进行边界外扩，将边界外扩后的训练图像及所述训练图像作为输入训练图像对；第二小尺寸分类模型训练子单元，用于利用输入训练图像对，对小尺寸兴趣目标分类模型进行训练；所述小尺寸分类单元包括：第一小尺寸分类子单元，用于在所述初始图像中，将所述待分类图像的边界按照设定比例外扩，得到边界外扩后的待分类图像；第二小尺寸分类子单元，用于将所述待分类图像及其边界外扩后的待分类图像共同输入所述小尺寸兴趣目标分类模型，以得到小尺寸兴趣目标分类模型输出的所述待分类图像所包含的兴趣目标的类别。从上述的技术方案可以看出，通过获取初始图像，所述初始图像中对兴趣目标标注有初始边界框；将所述初始图像输入预先训练的回归模型，得到所述回归模型输出的包含调整后边界框的待分割图像，所述回归模型为利用本文档来自技高网...

【技术保护点】
1.一种目标检测方法，其特征在于，包括：获取初始图像，所述初始图像中对兴趣目标标注有初始边界框；将所述初始图像输入预先训练的回归模型，得到所述回归模型输出的包含调整后边界框的待分割图像，所述回归模型为利用标注有兴趣目标的真实边界框及标注有兴趣目标的初始边界框的训练图像进行预训练得到；将所述待分割图像中所述调整后边界框所包含的图像分割出来，作为包含所述兴趣目标的待分类图像。

【技术特征摘要】
1.一种目标检测方法，其特征在于，包括：获取初始图像，所述初始图像中对兴趣目标标注有初始边界框；将所述初始图像输入预先训练的回归模型，得到所述回归模型输出的包含调整后边界框的待分割图像，所述回归模型为利用标注有兴趣目标的真实边界框及标注有兴趣目标的初始边界框的训练图像进行预训练得到；将所述待分割图像中所述调整后边界框所包含的图像分割出来，作为包含所述兴趣目标的待分类图像。2.根据权利要求1所述的方法，其特征在于，所述回归模型的预训练过程，包括：获取标注有兴趣目标的真实边界框及标注有兴趣目标的初始边界框的训练图像；利用所述训练图像对回归模型进行训练，以使得回归模型输出的对所述初始边界框调整后的边界框与所述真实边界框的位置重合度满足设定条件。3.根据权利要求2所述的方法，其特征在于，所述训练图像中标注有兴趣目标的初始边界框包括：对兴趣目标的真实边界框进行位置扰动后得到的边界框。4.根据权利要求1-3任一项所述的方法，其特征在于，还包括：利用预先训练的分类模型，确定所述待分类图像所包含的兴趣目标的类别，所述分类模型为预先利用标记有分类类别的训练图像进行训练得到。5.根据权利要求4所述的方法，其特征在于：所述分类模型包括大尺寸兴趣目标分类模型和小尺寸兴趣目标分类模型；所述大尺寸兴趣目标分类模型为利用标记有分类类别，且包含设定大尺寸级别的兴趣目标的训练图像进行训练得到；所述小尺寸兴趣目标分类模型为利用标记有分类类别，且包含设定小尺寸级别的兴趣目标的训练图像进行训练得到；所述利用预先训练的分类模型，确定所述待分类图像所包含的兴趣目标的类别，包括：若各待分类图像中仅存在属于设定大尺寸级别的兴趣目标，则利用所述大尺寸兴趣目标分类模型，确定所述待分类图像所包含的兴趣目标的类别；若各待分类图像中仅存在属于设定小尺寸级别的兴趣目标，则利用所述小尺寸兴趣目标分类模型，确定所述待分类图像所包含的兴趣目标的类别。6.根据权利要求5所述的方法，其特征在于，利用预先训练的分类模型，确定所述待分类图像所包含的兴趣目标的类别，还包括：若各待分类图像中同时存在属于设定大尺寸级别和设定小尺寸级别的兴趣目标，则首先利用所述大尺寸兴趣目标分类模型，确定所述待分类图像所包含的兴趣目标的类别；然后对于大尺寸兴趣目标分类模型确定的类别属于噪声的目标待分类图像，利用所述小尺寸兴趣目标分类模型，确定所述目标待分类图像所包含的兴趣目标的最终分类类别。7.根据权利要求5或6所述的方法，其特征在于，利用标记有分类类别，且包含设定小尺寸级别的兴趣目标的训练图像训练得到小尺寸兴趣目标分类模型的过程，包括：将标记有分类类别，且包含设定小尺寸级别的兴趣目标的训练图像在其所属初始图像上，按照设定比例进行边界外扩，将边界外扩后的训练图像及所述训练图像作为输入训练图像对；利用输入训练图像对，对小尺寸兴趣目标分类模型进行训练；所述利用所述小尺寸兴趣目标分类模型，确定所述待分类图像所包含的兴趣目标的类别，包括：在所述初始图像中，将所述待分类图像的边界按照设定比例外扩，得到边界外扩后的待分类图像；将所述待分类图像及其边界外扩后的待分类图像共同输入所述小尺寸兴趣目标分类模型，以得到小尺寸兴趣目标分类模型输出的所述待分类图像所包含的兴趣目标的类别。8.一种目标检测装置，其特征在于，...

【专利技术属性】
技术研发人员：杨文鲜，刘昕冉，张翠翠，
申请(专利权)人：高德软件有限公司，
类型：发明
国别省市：北京,11