目标检测方法、装置、终端设备及计算机可读存储介质制造方法及图纸

本申请提供目标检测方法、装置、终端设备和计算机可读存储介质，方法包括：获取多个含有检测目标的第一图像；第一图像中设有标记检测目标的第一学习区；获取多个含有误检目标的第二图像；第二图像中设有第二学习区；将第一图像和第二图像混合，形成混合图像集；从混合图像集中提取与第一学习区近似的特征，得到目标正样本；从混合图像集中提取与第一学习区不近似的特征，得到目标负样本；用目标正样本和目标负样本训练学习模型中的目标分类器，得到目标检测器；用目标检测器检测待检图像，以检测出待检图像中是否含有检测目标。本申请提高了目标分类器的精度，降低了误检率。

【技术实现步骤摘要】
目标检测方法、装置、终端设备及计算机可读存储介质
本专利技术涉及图像处理
,具体涉及目标检测
,尤其涉及一种目标检测方法、装置、设备及计算机可读存储介质。
技术介绍
随着深度学习理论和研究的不断发展，目标检测不管在精度上还是在时间性能上都取得了巨大的突破。当前主流的基于深度学习的目标检测算法(包括FasterR-CNN系列、SSD、YOLO等)在对应的数据集上都取得了很好的实验效果，但它们都没有解决如何学习负样本的问题。比如训练好了一个行人检测模型，它能准确地定位出图片中的行人，然而，它也很可能错误地将人体雕像(或者其它类似行人的物体)定位出来。现有技术中目标检测是很常用的技术，目标检测模型有很多，他们的训练方式按照“样本集”的不同划分为以下两种：第一种目标检测模型是提供检测环境下的含有检测目标的图片，作为正样本，还提供不含有检测目标的图片，作为负样本，分别用正样本和负样本训练一个分类器或回归器。这样被训练后的分类器或回归器即可识别出含有待检目标。该方案的缺陷是：需要人为地挑选出正样本和负样本，进而分别去学习本文档来自技高网...

【技术保护点】
1.一种目标检测方法，其特征在于，所述方法包括：/n获取多个含有检测目标的第一图像；所述第一图像中设有标记所述检测目标的第一学习区；/n获取多个含有误检目标的第二图像；所述第二图像中设有第二学习区，用于辅助所述第二图像被学习模型学习；/n将所述第一图像和所述第二图像混合，形成混合图像集；/n从混合图像集中提取与所述第一学习区近似的特征，得到目标正样本；/n从混合图像集中提取与所述第一学习区不近似的特征，得到目标负样本；/n用所述目标正样本和目标负样本训练学习模型中的目标分类器，得到目标检测器；用所述目标检测器检测待检图像，以检测出所述待检图像中是否含有所述检测目标。/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：
获取多个含有检测目标的第一图像；所述第一图像中设有标记所述检测目标的第一学习区；
获取多个含有误检目标的第二图像；所述第二图像中设有第二学习区，用于辅助所述第二图像被学习模型学习；
将所述第一图像和所述第二图像混合，形成混合图像集；
从混合图像集中提取与所述第一学习区近似的特征，得到目标正样本；
从混合图像集中提取与所述第一学习区不近似的特征，得到目标负样本；
用所述目标正样本和目标负样本训练学习模型中的目标分类器，得到目标检测器；用所述目标检测器检测待检图像，以检测出所述待检图像中是否含有所述检测目标。


2.根据权利要求1所述的目标检测方法，其特征在于，所述从混合图像集中提取与所述第一学习区近似的特征，得到目标正样本，具体包括以下步骤：
从第一图像中提名第一设定个数的第一候选框；所述第一候选框与所述第一学习区大小及形状一致；
将与所述第一学习区的重叠率大于等于设定值的第一候选框作为目标正样本。


3.根据权利要求2所述的目标检测方法，其特征在于，从混合图像集中提取与所述第一学习区不近似的特征，得到目标负样本具体包括以下步骤：
从第二图像中提名第二设定个数的第二候选框；所述第二候选框与所述第一学习区大小及形状一致；
将所述第二候选框及，与所述第一学习区的重叠率小于设定值的第一候选框作为目标负样本。


4.根据权利要求1至3任意一项所述的目标检测方法，其特征在于，所述学习模型还具有辅助分类器；
所述目标检测方法还包括：
从混合图像集中提取与所述第二学习区近似的特征，得到辅助正样本；
从混合图像集中提取与所述第二学习区大小一致且不近似的特征，得到辅助负样本；
用所述辅助正样本和辅助负样本训练所述辅助分类器。


...

【专利技术属性】
技术研发人员：曾晓嘉，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：广东;44