图像目标的检测方法、装置、终端设备及存储介质制造方法及图纸

本发明专利技术公开了一种图像目标的检测方法、装置、终端设备及计算机可读存储介质，通过在含有待检测目标的目标样本图像中，标注所述待检测目标的标签；根据标注有所述标签的目标样本图像，和各场景领域的场景样本图像构造各训练样本图像，其中，各所述场景样本图像中不含有所述待检测目标；将各所述训练样本图像输入预设目标检测模型进行模型训练，并使用训练好的预设目标检测模型检测待检测图像中的图像目标。本发明专利技术不仅不需要花费大量人力资源采集不同场景领域的图像数据并对图像目标进行标注，还丰富了对目标检测模型进行模型训练的训练样本图像，避免了目标检测模型在后续进行图像目标检测时的误检和漏检情况，提升了图像目标的检测效率。

Detection method, device, terminal equipment and storage medium of image target

【技术实现步骤摘要】
图像目标的检测方法、装置、终端设备及存储介质
本专利技术涉及图像处理
，尤其涉及一种图像目标的检测方法、装置、终端设备及计算机可读存储介质。
技术介绍
对图像目标进行检测是计算机视觉发展中非常重要的一个领域，不同于图像分类问题，对图像目标进行检测不仅需要判断一张图中是否存在目标，还需要对检测到的图像目标进行定位。就通常情况而言，训练针对图像目标的检测模型对图像数据的要求是图像目标所处场景越丰富越好，图像数据数量越多越好，但是在现实情景中，图像数据的获取往往并不容易，而且面临着繁重的图像数据标注问题，如此，导致缺乏训练目标检测模型需要的样本数据，极易造成目标检测模型出现误检和漏检的情况。
技术实现思路
本专利技术的主要目的在于提供一种图像目标的检测方法、装置、终端设备及计算机可读存储介质，旨在解决由于不容易获取大量丰富图像数据来训练检测模型，导致检测模型在检测图像目标时，容易出现误检、漏检等情况的技术问题。为实现上述目的，本专利技术提供一种图像目标的检测方法，所述图像目标的检测方法包括：在含有待检测目标的目标样本图像中，标注所述待检测目标的标签；根据标注有所述标签的目标样本图像，和各场景领域的场景样本图像构造各训练样本图像，其中，各所述场景样本图像中不含有所述待检测目标；将各所述训练样本图像输入预设目标检测模型进行模型训练，并使用训练好的预设目标检测模型检测待检测图像中的图像目标。进一步地，所述根据标注有所述标签的目标样本图像，和各场景领域的场景样本图像构造各训练样本图像的步骤，包括：基于贝塔分布记录所述标签的权重；根据所述权重对所述标注有所述标签的目标样本图像分别与各所述场景样本图像进行加权求和，得到各所述训练样本图像。进一步地，所述根据所述权重对所述标注有所述标签的目标样本图像分别与各所述场景样本图像进行加权求和，得到各所述训练样本图像的步骤，包括：依据所述权重计算所述标签所在区域图像分别与各所述场景样本图像的并集；依据所述权重对所述标注有所述标签的目标样本图像，分别与各所述场景样本图像相同位置的像素点进行叠加，得到各叠加图像；将所述并集作为各所述叠加图像的标签，从而得到含有标签的所述训练样本图像。进一步地，所述将各所述训练样本图像输入预设目标检测模型进行模型训练的步骤，包括：将各所述训练样本图像输入所述预设目标检测模型，其中，所述预设目标检测模型为基于神经网络训练构建的检测模型；根据所述标签对所述预设目标检测模型的模型训练进行监督。进一步地，所述根据所述标签对所述检测模型的模型训练进行监督的步骤，包括：依据所述权重计算所述预设目标检测模型进行模型训练的损失值；根据所述损失值监督所述检测模型的模型训练。进一步地，所述在含有待检测目标的目标样本图像中，标注所述待检测目标的标签的步骤，包括：在所述目标样本图像中标记覆盖所述待检测目标的目标框；将所述目标框作为所述待检测目标的所述标签。进一步地，所述使用训练好的预设目标检测模型检测待检测图像中的图像目标的步骤，包括：将含有所述待检测目标的场景图像输入训练好的预设目标检测模型，以使训练好的预设目标检测模型，将所述待检测目标作为所述场景样本图像中的所述图像目标进行检测。为实现上述目的，本专利技术还提供一种图像目标的检测装置，所述图像目标的检测装置，包括：标注模块，用于在含有待检测目标的目标样本图像中，标注所述待检测目标的标签；构造模块，用于根据标注有所述标签的目标样本图像，和各场景领域的场景样本图像构造各训练样本图像，其中，各所述场景样本图像中不含有所述待检测目标；检测模块，用于将各所述训练样本图像输入预设目标检测模型进行模型训练，并使用训练好的预设目标检测模型检测待检测图像中的图像目标。本专利技术还提供一种终端设备，所述终端设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像目标的检测程序，所述图像目标的检测程序被所述处理器执行时实现如上述中的图像目标的检测方法的步骤。本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的图像目标的检测方法的步骤。本专利技术提出的图像目标的检测方法、装置、终端设备以及计算机可读存储介质，通过在含有待检测目标的目标样本图像中，标注所述待检测目标的标签；根据标注有所述标签的目标样本图像，和各场景领域的场景样本图像构造各训练样本图像，其中，各所述场景样本图像中不含有所述待检测目标；将各所述训练样本图像输入预设目标检测模型进行模型训练，并使用训练好的预设目标检测模型检测所述图像目标。本专利技术基于仅对容易采集且相对少量的含有待检测目标的目标样本图像进行标注，即，标注目标样本图像中的待检测目标的标签，然后根据该标签联合该目标样本图像与各个不容易采集但场景领域丰富，且不含有当前待检测目标的场景样本图像，构造出包含有该待检测目标的各个训练样本图像，最后利用构造出的各个训练样本图像对用于图像目标检测的预设目标检测模型进行模型训练，并使用训练好的预设目标检测模型检测不同场景领域图像中的图像目标。本专利技术实现了，利用含有待检测目标的目标样本图像和不含有待检测目标的场景样本图像，构造出新场景且含有待检测目标的训练样本图像，并用构造的训练样本图像对目标检测模型进行训练，不仅不需要花费大量人力资源采集不同场景领域的图像数据并对图像目标进行标注，还丰富了对目标检测模型进行模型训练的训练样本图像，避免了目标检测模型在后续进行图像目标检测时的误检和漏检情况，提升了图像目标的检测效率。附图说明图1是本专利技术实施例方案涉及的硬件运行的结构示意图；图2为图1中移动终端的无线通信装置示意图；图3是本专利技术一种图像目标的检测方法第一实施例的流程示意图；图4是本专利技术一种图像目标的检测方法一实施例的场景示意图；图5是本专利技术一种图像目标的检测装置一实施例的功能模块示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本专利技术的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。终端设备可以以各种形式来实施。例如，本专利技术中描述的终端设备可以包括手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(PersonalDigitalAssistant，PDA)、便捷式媒体播放器(PortableMediaPlayer，PMP)、导航装置、可穿戴设备、智能手环、计步器等移动终端，以及诸如数字TV、台式计算机等固定终端。后续描述中将以移动的终端设备为例进行说明，本领域技术人员将理解的是，除了特别本文档来自技高网...

【技术保护点】
1.一种图像目标的检测方法，其特征在于，所述图像目标的检测方法，包括：/n在含有待检测目标的目标样本图像中，标注所述待检测目标的标签；/n根据标注有所述标签的目标样本图像，和各场景领域的场景样本图像构造各训练样本图像，其中，各所述场景样本图像中不含有所述待检测目标；/n将各所述训练样本图像输入预设目标检测模型进行模型训练，并使用训练好的预设目标检测模型检测待检测图像中的图像目标。/n

【技术特征摘要】
1.一种图像目标的检测方法，其特征在于，所述图像目标的检测方法，包括：
在含有待检测目标的目标样本图像中，标注所述待检测目标的标签；
根据标注有所述标签的目标样本图像，和各场景领域的场景样本图像构造各训练样本图像，其中，各所述场景样本图像中不含有所述待检测目标；
将各所述训练样本图像输入预设目标检测模型进行模型训练，并使用训练好的预设目标检测模型检测待检测图像中的图像目标。


2.如权利要求1所述的图像目标的检测方法，其特征在于，所述根据标注有所述标签的目标样本图像，和各场景领域的场景样本图像构造各训练样本图像的步骤，包括：
基于贝塔分布记录所述标签的权重；
根据所述权重对所述标注有所述标签的目标样本图像分别与各所述场景样本图像进行加权求和，得到各所述训练样本图像。


3.如权利要求2所述的图像目标的检测方法，其特征在于，所述根据所述权重对所述标注有所述标签的目标样本图像分别与各所述场景样本图像进行加权求和，得到各所述训练样本图像的步骤，包括：
依据所述权重计算所述标签所在区域图像分别与各所述场景样本图像的并集；
依据所述权重对所述标注有所述标签的目标样本图像，分别与各所述场景样本图像相同位置的像素点进行叠加，得到各叠加图像；
将所述并集作为各所述叠加图像的标签，从而得到含有标签的所述训练样本图像。


4.如权利要求3所述的图像目标的检测方法，其特征在于，所述将各所述训练样本图像输入预设目标检测模型进行模型训练的步骤，包括：
将各所述训练样本图像输入所述预设目标检测模型，其中，所述预设目标检测模型为基于神经网络训练构建的检测模型；
根据所述标签对所述预设目标检测模型的模型训练进行监督。


5.如权利要求4所述的图像目标的检测方法，其特征在于，所述根据所述标签...

【专利技术属性】
技术研发人员：李一力，张浩，邵新庆，刘强，徐明，
申请(专利权)人：深圳力维智联技术有限公司，南京中兴力维软件有限公司，
类型：发明
国别省市：广东;44