用于地图检测的模型训练方法和地图检测方法技术

本申请公开了一种用于地图检测的模型训练方法和地图检测方法，涉及人工智能、计算机视觉以及深度学习技术领域。具体实现方案为：通过获取到展示有地图的第一图像和未展示地图的第二图像后，根据第二图像的图像尺寸，调整第一图像的图像尺寸，将调整后的展示有地图的第一图像融合至第二图像，以得到训练图像，从而使得训练图像更加符合实际场景，丰富了训练集；进一步地，根据调整后的第一图像在第二图像中的融合位置对训练图像进行标注，将标注的训练图像添加至训练集，采用训练集对目标检测模型进行训练，从而使得训练后的目标检测模型可以精确的识别出图像中的地图，以及地图在图像中的位置。

【技术实现步骤摘要】
用于地图检测的模型训练方法和地图检测方法
本申请涉及人工智能、计算机视觉以及深度学习
，具体涉及图像识别
，尤其涉及一种用于地图检测的模型训练方法和地图检测方法。
技术介绍
地图数据在进入互联网之前，需要进行审核，以判定是否存在缺陷。相关技术中，对图片的审核还处在人工阶段，在图片中包含的问题地图较小时，可能存在漏检的情况，并且，人工检测存在检测速度慢，耗费大量人力成本等缺点，因此，提供一种有效的图片检测方法，代替或者降低人工审核成本，具有重大的意义。
技术实现思路
本申请提供了一种用于地图检测的模型训练方法、地图检测方法、装置、设备以及存储介质。本申请第一方面实施例提供了一种用于地图检测的模型训练方法，包括：获取展示有地图的第一图像，以及获取未展示地图的第二图像；根据所述第二图像的图像尺寸，调整所述第一图像的图像尺寸，其中，调整后的所述第一图像的图像尺寸小于所述第二图像的图像尺寸；将所述调整后的第一图像融合至所述第二图像，以得到训练图像，并根据所述调整后的第一图像在所述第二图像中的融合位置对所述训练图像进行标注；将标注的所述训练图像添加至训练集；采用所述训练集对目标检测模型进行训练。本申请第二方面实施例提供了一种地图检测方法，包括：获取目标检测模型，其中，所述目标检测模型是获取展示有地图的第一图像，以及获取未展示地图的第二图像，根据所述第二图像的图像尺寸，调整所述第一图像的图像尺寸，以使调整后的所述第一图像的图像尺寸小于所述第二图像的图像尺寸；将所述调整后的第一图像融合至所述第二图像，以得到训练图像，并根据所述调整后的第一图像在所述第二图像中的融合位置对所述训练图像进行标注，将标注的所述训练图像添加至训练集进行训练的得到；采用目标检测模型对目标图像进行地图识别。本申请第三方面实施例提供了一种用于地图检测的模型训练装置，包括：获取模块，用于获取展示有地图的第一图像，以及获取未展示地图的第二图像；调整模块，用于根据所述第二图像的图像尺寸，调整所述第一图像的图像尺寸，其中，调整后的所述第一图像的图像尺寸小于所述第二图像的图像尺寸；融合模块，用于将所述调整后的第一图像融合至所述第二图像，以得到训练图像，并根据所述调整后的第一图像在所述第二图像中的融合位置对所述训练图像进行标注；处理模块，用于将标注的所述训练图像添加至训练集；第一训练模块，用于采用所述训练集对目标检测模型进行训练。本申请第四方面实施例提供了一种地图检测装置，包括：模型获取模块，用于获取目标检测模型，其中，所述目标检测模型是获取展示有地图的第一图像，以及获取未展示地图的第二图像，根据所述第二图像的图像尺寸，调整所述第一图像的图像尺寸，以使调整后的所述第一图像的图像尺寸小于所述第二图像的图像尺寸；将所述调整后的第一图像融合至所述第二图像，以得到训练图像，并根据所述调整后的第一图像在所述第二图像中的融合位置对所述训练图像进行标注，将标注的所述训练图像添加至训练集进行训练的得到；地图识别模块，用于采用目标检测模型对目标图像进行地图识别。本申请第五方面实施例提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面实施例的用于地图检测的模型训练方法，或者，执行第二方面实施例的地图检测方法。本申请第六方面实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行第一方面实施例的用于地图检测的模型训练方法，或者，执行第二方面实施例的地图检测方法。上述申请中的一个实施例具有如下优点或有益效果：通过获取到展示有地图的第一图像和未展示地图的第二图像后，根据第二图像的图像尺寸，调整第一图像的图像尺寸，将调整后的展示有地图的第一图像融合至第二图像，以得到训练图像，从而使得训练图像更加符合实际场景，丰富了训练集；进一步地，根据调整后的第一图像在第二图像中的融合位置对训练图像进行标注，将标注的训练图像添加至训练集，采用训练集对目标检测模型进行训练，从而使得训练后的目标检测模型可以精确的识别出图像中的地图，以及地图在图像中的位置。应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。附图说明附图用于更好地理解本方案，不构成对本申请的限定。其中：图1为本申请实施例一提供的用于地图检测的模型训练方法的流程示意图；图2为本申请实施例提供的生成训练图像的示例图；图3为本申请实施例二提供的用于地图检测的模型训练方法的流程示意图；图4为本申请实施例三提供的用于地图检测的模型训练方法的流程示意图；图5为本申请实施例四提供的地图检测方法的流程示意图；图6为本申请实施例五提供的地图检测方法的流程示意图；图7为本申请实施例提供的地图检测方法的示例图；图8为本申请实施例六提出的用于地图检测的模型训练装置的结构示意图；图9为本申请实施例七提供的地图检测装置的结构示意图；图10是用来实现本申请实施例的地图检测方法的电子设备的框图。具体实施方式以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。相关技术中，在对地图检测模型进行训练时，通过构造地图相关的关键词，在互联网检索平台搜索下载相关的地图数据作为训练样本，对地图检测模型进行训练。但是，从互联网搜集到的地图数据的场景较为单一，主要为大幅地图数据，用户实际场景中的地图数据可能为图片中的某一部分，从而出现了从互联网搜索到的地图数据与用户实际场景中的地图数据相差较大，因此，采用从互联网搜集到的地图数据训练得到的地图检测模型在实际检测地图时，存在准确率低的技术问题。鉴于此，本申请提出了一种用于地图检测的模型训练方法，通过获取展示有地图的第一图像，以及获取未展示地图的第二图像，根据第二图像的图像尺寸，调整第一图像的图像尺寸，使得调整后的第一图像的图像尺寸小于第二图像的图像尺寸，将调整后的第一图像融合至第二图像，以得到训练图像，并根据调整后的第一图像在第二图像中的融合位置对训练图像进行标注，将标注的训练图像添加至训练集，采用训练集对目标检测模型进行训练。由此，通过合成满足实际场景的训练图像对目标检测模型进行训练，以得到高精度的目标检测模型，从而提高了地图检测的准确率。下面参考附图描述本申请实施例的用于地图检测的模型训练方法、地图检测方法本文档来自技高网...

【技术保护点】
1.一种用于地图检测的模型训练方法，包括：/n获取展示有地图的第一图像，以及获取未展示地图的第二图像；/n根据所述第二图像的图像尺寸，调整所述第一图像的图像尺寸，其中，调整后的所述第一图像的图像尺寸小于所述第二图像的图像尺寸；/n将所述调整后的第一图像融合至所述第二图像，以得到训练图像，并根据所述调整后的第一图像在所述第二图像中的融合位置对所述训练图像进行标注；/n将标注的所述训练图像添加至训练集；/n采用所述训练集对目标检测模型进行训练。/n

【技术特征摘要】
1.一种用于地图检测的模型训练方法，包括：
获取展示有地图的第一图像，以及获取未展示地图的第二图像；
根据所述第二图像的图像尺寸，调整所述第一图像的图像尺寸，其中，调整后的所述第一图像的图像尺寸小于所述第二图像的图像尺寸；
将所述调整后的第一图像融合至所述第二图像，以得到训练图像，并根据所述调整后的第一图像在所述第二图像中的融合位置对所述训练图像进行标注；
将标注的所述训练图像添加至训练集；
采用所述训练集对目标检测模型进行训练。


2.根据权利要求1所述的模型训练方法，其中，所述获取未展示地图的第二图像，包括：
采用所述目标检测模型对所述训练集进行目标检测，以从所述训练集中检测出展示有地图的图像；
将所述训练集中，所述目标检测模型误检出地图的图像作为所述第二图像。


3.根据权利要求1所述的模型训练方法，其中，所述将所述调整后的第一图像融合至所述第二图像，包括：
将所述调整后的第一图像作为前景，并将所述第二图像作为背景进行融合，以得到所述训练图像。


4.根据权利要求3所述的模型训练方法，其中，将所述调整后的第一图像作为前景，并将所述第二图像作为背景进行融合，以得到所述训练图像，包括：
随机确定所述前景和所述背景之间的相对位置；
根据所述相对位置，将作为前景的所述调整后的第一图像，以及将作为背景的所述第二图像进行融合，以得到所述训练图像。


5.根据权利要求1-4任一项所述的模型训练方法，其中，所述获取展示有地图的第一图像，包括：
搜索以得到原始地图；
根据设定的异常类型，对所述原始地图进行调整，以得到属于所述异常类型的第一图像；
所述将所述调整后的第一图像融合至所述第二图像，以得到训练图像之后，还包括：
根据所述异常类型，对所述训练集中的所述训练图像进行标注；
采用所述训练集，对分类模型进行训练。


6.根据权利要求5所述的模型训练方法，其中，所述根据设定的异常类型，对所述原始地图进行调整，以得到属于所述异常类型的第一图像，包括：
识别所述原始地图的轮廓；
根据所述异常类型，对所述原始地图的轮廓进行调整。


7.根据权利要求5所述的模型训练方法，其中，所述根据设定的异常类型，对所述原始地图进行调整，以得到属于所述异常类型的第一图像，包括：
根据所述异常类型，从所述原始地图中识别得到目标区域，以及除所述目标区域以外的参考区域；
对所述原始地图中的目标区域进行改色，以使改色后的所述目标区域与所述参考区域颜色存在差异。


8.一种地图检测方法，包括：
获取目标检测模型，其中，所述目标检测模型是获取展示有地图的第一图像，以及获取未展示地图的第二图像，根据所述第二图像的图像尺寸，调整所述第一图像的图像尺寸，以使调整后的所述第一图像的图像尺寸小于所述第二图像的图像尺寸；将所述调整后的第一图像融合至所述第二图像，以得到训练图像，并根据所述调整后的第一图像在所述第二图像中的融合位置对所述训练图像进行标注，将标注的所述训练图像添加至训练集进行训练的得到；
采用目标检测模型对目标图像进行地图识别。


9.根据权利要求8所述的地图检测方法，其中，所述采用目标检测模型对目标图像进行地图识别之后，还包括：
获取所述目标检测模型输出的位置信息；
根据所述位置信息，从所述目标图像中获取局部图；
采用分类模型对所述局部图进行分类，以得到所述分类模型输出的异常类型。


10.一种用于地图检测的模型训练装置，包括：
获取模块，用于获取展示有地图的第一图像，以及获取未展示地图的第二图像；
调整模块，用于根据所述第二图像的图像尺寸，调整所述第一图像的图像尺寸，其中，调整后的所述第一图像的图像尺寸...

【专利技术属性】
技术研发人员：周志超，李甫，何栋梁，孙昊，戴欣怡，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11