【技术实现步骤摘要】
一种目标检测结果的鉴别方法、装置、设备及存储介质本申请要求于2019年6月24日提交中国专利局、申请号为201910549722.5、专利技术名称为“一种目标检测结果的鉴别方法、装置、设备及存储介质”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
本申请涉及图像处理
，尤其涉及一种目标检测结果的鉴别方法、装置、设备及存储介质。
技术介绍
目标检测即从图像中检测出图像目标，是图像处理中的常见处理内容。随着人们对图像目标检测的自动化需求的不断增长，自动化的图像图标检测方案的应用越来越普及。另一方面，从图像中检测出正确的图像目标是对目标检测结果进行后续处理的关键。而不同的目标检测方案的性能各异，甚至同一目标检测方案应用于不同图像时的目标检测性能表现也不同，因此，鉴别目标检测结果是否为图像目标，从而保证目标检测的准确性，是目标检测应用中的实际需求。
技术实现思路
基于上述需求，本申请提出一种目标检测结果的鉴别方法、装置、设备及存储介质，可以用于鉴别目标检测结果是否为图像目标。
【技术保护点】
1.一种目标检测结果的鉴别方法，其特征在于，包括：/n获取初始目标检测结果，所述初始目标检测结果为从图像中检测图像目标得到的初步检测结果；/n将所述初始目标检测结果划分为图像单元序列，并根据所述图像单元序列提取所述初始目标检测结果的内部结构特征；/n至少根据所述内部结构特征，确定所述初始目标检测结果是否为图像目标。/n
【技术特征摘要】
20190624 CN 20191054972251.一种目标检测结果的鉴别方法，其特征在于，包括：
获取初始目标检测结果，所述初始目标检测结果为从图像中检测图像目标得到的初步检测结果；
将所述初始目标检测结果划分为图像单元序列，并根据所述图像单元序列提取所述初始目标检测结果的内部结构特征；
至少根据所述内部结构特征，确定所述初始目标检测结果是否为图像目标。
2.根据权利要求1所述的方法，其特征在于，所述初始目标检测结果为三维立体的初始目标检测结果；
所述将所述初始目标检测结果划分为图像单元序列，包括：
将所述初始目标检测结果划分为二维图像序列。
3.根据权利要求2所述的方法，其特征在于，所述根据所述图像单元序列提取所述初始目标检测结果的内部结构特征，包括：
将所述二维图像序列输入预先训练好的结构关系识别模型，提取得到所述初始目标检测结果的内部结构特征；
其中，所述结构关系识别模型至少通过提取三维图像目标样本的各二维图像帧之间的关系特征训练得到。
4.根据权利要求3所述的方法，其特征在于，所述结构关系识别模型基于循环神经网络训练得到。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
提取所述初始目标检测结果的表象特征；
所述至少根据所述内部结构特征，确定所述初始目标检测结果是否为图像目标，包括：
根据所述表象特征和所述内部结构特征，确定所述初始目标检测结果是否为图像目标。
6.根据权利要求5所述的方法，其特征在于，所述提取所述初始目标检测结果的表象特征，包括：
将所述初始目标检测结果输入预先训练好的征象识别模型，得到所述初始目标检测结果的表象特征；
其中，所述征象识别模型至少通过提取图像目标样本的类别特征和/或征象特征训练得到。
7.根据权利要求6所述的方法，其特征在于，所述征象识别模型基于卷积神经网络训练得到。
8.根据权利要求5所述的方法，其特征在于，所述根据所述表象特征和所述内部结构特征，确定所述初始目标检测结果是否为图像目标，包括：
将所述表象特征和所述内部结构特征输入预先训练好的分类器，确定所述初始目标检测结果是否为图像目标；
其中，所述分类器至少根据图像目标样本的表象特征和内部结构特征，对所述图像目标样本进行分类训练得到。
9.根据权利要求5所述的方法，其特征在于，所述根据所述表象特征和所述内部结构特征，确定所述初始目标检测结果是否为图像目标，包括：
对所述表象特征和所述内部结构特征进行特征融合处理，得到表象和内部结构综合特征；
将所述表象和内部结构综合特征输入预先训练好的分类器，确定所述初始目标检测结果是否为图像目标；
其中，所述分类器至少根据图像目标样本的表象和内部结构综合特征，...
【专利技术属性】
技术研发人员：殷保才，徐亮，孙梅，
申请(专利权)人：科大讯飞股份有限公司，
类型：发明
国别省市：安徽;34
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。