【技术实现步骤摘要】
目标检测方法、装置、计算机设备和存储介质
本申请涉及人工智能
,特别是涉及一种目标检测方法、装置、计算机设备和存储介质。
技术介绍
基于深度学习的目标检测技术在很多任务中取得了很好的效果,但其需要大量的训练数据做支撑,同时需要对每一张图片中的目标进行人工标注。传统地,当出现一个新的检测任务,而新的检测目标是原有标注数据中没有见过的类别,那么又需要耗费大量的人力对新目标进行标注,而包含新目标的数据少之又少,难以训练出有效的检测模型,从而使得新目标的检测准确性较低。
技术实现思路
基于此,有必要针对上述技术问题,提供一种能够不依赖于深度学习模型,且提高新目标的检测准确性的目标检测方法、装置、计算机设备和存储介质。一种目标检测方法,所述方法包括:获取目标图像以及模板图像;分别提取所述目标图像以及所述模板图像各自对应的自有特征信息,所述自有特征信息用于表征对应的所述目标图像或模板图像的自有特征信息;根据所述目标图像的自有特征信息以及所述模板图像的自有特征信息,得到所述目标图像和所述模板图像各自对应的匹配特征图,其中,所述目标图像对应的匹配特征图用于表征所述目标图像与所述模板图像进行融合后的融合的特征信息以及所述目标图像的自有特征信息;所述模板图像对应的匹配特征图用于表征所述模板图像与所述目标图像进行融合后的融合的特征信息以及所述模板图像对应的自有特征信息;提取所述目标图像对应的匹配特征图中的待处理区域,并根据所述待处理区域对应的特征生成第一特征向量,所 ...
【技术保护点】
1.一种目标检测方法,其特征在于,所述方法包括:/n获取目标图像以及模板图像;/n分别提取所述目标图像以及所述模板图像各自对应的自有特征信息;/n根据所述目标图像的自有特征信息以及所述模板图像的自有特征信息,得到所述目标图像和所述模板图像各自对应的匹配特征图;其中,所述目标图像对应的匹配特征图用于表征所述目标图像与所述模板图像进行融合后的融合的特征信息以及所述目标图像的自有特征信息;所述模板图像对应的匹配特征图用于表征所述模板图像与所述目标图像进行融合后的融合的特征信息以及所述模板图像对应的自有特征信息;/n提取所述目标图像对应的匹配特征图中的待处理区域,并根据所述待处理区域对应的特征生成第一特征向量,所述待处理区域为预测存在第一目标的第一区域;/n根据所述模板图像对应的匹配特征图生成第二特征向量;/n将所述第一特征向量和所述第二特征向量合并得到第三特征向量,并根据第三特征向量判断所述目标图像中是否存在与所述模板图像对应的第二目标。/n
【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:
获取目标图像以及模板图像;
分别提取所述目标图像以及所述模板图像各自对应的自有特征信息;
根据所述目标图像的自有特征信息以及所述模板图像的自有特征信息,得到所述目标图像和所述模板图像各自对应的匹配特征图;其中,所述目标图像对应的匹配特征图用于表征所述目标图像与所述模板图像进行融合后的融合的特征信息以及所述目标图像的自有特征信息;所述模板图像对应的匹配特征图用于表征所述模板图像与所述目标图像进行融合后的融合的特征信息以及所述模板图像对应的自有特征信息;
提取所述目标图像对应的匹配特征图中的待处理区域,并根据所述待处理区域对应的特征生成第一特征向量,所述待处理区域为预测存在第一目标的第一区域;
根据所述模板图像对应的匹配特征图生成第二特征向量;
将所述第一特征向量和所述第二特征向量合并得到第三特征向量,并根据第三特征向量判断所述目标图像中是否存在与所述模板图像对应的第二目标。
2.根据权利要求1所述的方法,其特征在于,所述根据所述待处理区域对应的特征生成第一特征向量之后,还包括:
根据所述第一特征向量对所述待处理区域进行位置修正得到第二区域;
所述根据第三特征向量判断所述目标图像中是否存在与所述模板图像对应的第二目标,包括:
根据第三特征向量,计算各个所述待处理区域存在与所述模板图像对应的第二目标的得分;
根据所述得分判断所述目标图像中是否存在与所述模板图像对应的第二目标的第二区域。
3.根据权利要求2所述的方法,其特征在于,包括至少两张所述模板图像所述模板图像,所述方法还包括:
获取至少两张所述模板图像中的下一张,并继续分别提取所述目标图像以及所述模板图像各自对应的自有特征信息,以得到与新的模板图像对应的第二区域;
对根据各个模板图像所得到的第二区域进行过滤处理,得到所述目标图像中存在目标的区域。
4.根据权利要求1至3任意一项所述的方法,其特征在于,所述模板图像包括...
【专利技术属性】
技术研发人员:牛寅,
申请(专利权)人:上海眼控科技股份有限公司,
类型:发明
国别省市:上海;31
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。