【技术实现步骤摘要】
目标检测方法及装置、电子设备和存储介质
本公开涉及计算机
，尤其涉及一种目标检测方法及装置、电子设备和存储介质。
技术介绍
目标检测是计算机视觉里面的经典问题，主要判断图像中是否包含某一类对象，如果包含还需要给出每个对象的位置。目标检测是图像内容理解的基石，是很多更加复杂视觉理解任务的基础，如跟踪识别、实例分割、场景分类和事件检测等。随着技术的发展，目标检测在实际生活中有着广泛的引用，如人脸识别、自动驾驶、安防布控和娱乐互动等。相关技术中，目标检测依赖于大规模的训练数据，需要大量的人力物力对训练数据进行搜集和标注，且对象的类别越多，标注成本也就越高，在一些特定的场景下，数据的搜集也很困难，从而造成样本图像的数量较少。且实际应用场景中，需求往往是动态变化的，可能需要动态地增加检测类别，而增加的类别的样本图像的数量可能较少。
技术实现思路
本公开提出了一种目标检测方法及装置、电子设备和存储介质。根据本公开的一方面，提供了一种目标检测方法，包括：构建目标类别的检测网络；
【技术保护点】
1.一种目标检测方法，其特征在于，包括：/n构建目标类别的检测网络；/n采用所述目标类别的检测网络对待检测图像进行检测，得到所述待检测图像的目标检测结果；/n其中，所述目标类别的检测网络的参数是基于目标类别的训练图像输入参数生成网络中而得到的。/n
【技术特征摘要】
1.一种目标检测方法，其特征在于，包括：
构建目标类别的检测网络；
采用所述目标类别的检测网络对待检测图像进行检测，得到所述待检测图像的目标检测结果；
其中，所述目标类别的检测网络的参数是基于目标类别的训练图像输入参数生成网络中而得到的。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
从图像集中获取一个或多个目标训练集，其中，每个目标训练集包括K个类别的训练图像，每个类别包括M个训练图像，K为大于0的整数；
基于各目标训练集，训练所述参数生成网络。
3.根据权利要求2所述的方法，其特征在于，所述M个训练图像包括N个支持图像和O个查询图像，N和O为大于0的整数；所述基于各目标训练集，训练所述参数生成网络，包括：
针对每个目标训练集：
将该目标训练集的各支持图像输入待训练的参数生成网络，得到该目标训练集的通用检测网络的参数，并根据该通用检测网络的参数，构建该目标训练集的通用检测网络；
将该目标训练集的各查询图像输入待训练的特征提取网络，得到该目标训练集的各查询图像的特征图；
将所述各查询图像的特征图分别输入所述通用检测网络，得到所述各查询图像的预测标签分布结果；
根据所述各查询图像的预测标签分布结果和真值标签，确定所述通用检测网络的检测损失；
根据所述通用检测网络的检测损失，训练所述待训练的参数生成网络。
4.根据权利要求3所述的方法，其特征在于，将该目标训练集的各支持图像输入待训练的参数生成网络，得到该目标训练集的通用检测网络的参数，包括：
将该目标训练集的各支持图像分别输入待训练的参数生成网络，得到每个支持图像对应的检测网络的参数；
根据各支持图像对应的检测网络的参数和各支持图像的真实类别，确定该目标训练集的每个类别的检测网络的参数；
根据该目标训练集的各类别的检测网络的参数，确定该目标训练集的通用检测网络的参数。
5.根据权利要求3或4所述的方法，其特征在于，所述方法还包括：
根据所述通用检测网络的检测损失，训练所述待训练的特征提取网络。
6.根据权利要求5所述的方法，其特征在于，根据所述通用检测网络的检测损失，训练所述待训练的特征提取网络，包括：
获取目标训练集的参考检测网络；
将所述各查询图像的特征图分别输入所述参考检测网络，得到所述各查询图像的参考标签分布结果；...
【专利技术属性】
技术研发人员：刘李洋，王波超，旷章辉，陈益民，张伟，
申请(专利权)人：深圳市商汤科技有限公司，
类型：发明
国别省市：广东;44
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。