一种图像检测方法及装置、计算机存储介质、电子设备制造方法及图纸

本公开涉及图像处理领域，提供了一种图像检测方法及装置、计算机存储介质、电子设备，图像检测方法包括：获取待检测图像的噪声图，通过残差神经网络获取待检测图像的语义特征和噪声图的噪声语义特征；根据语义特征通过区域选取单元确定多个第一区域和与各第一区域对应的第一置信度，并将满足第一阈值的第一置信度所对应的第一区域作为第二区域；根据噪声语义特征和语义特征通过区域精修单元确定各第二区域对应的第二置信度，将满足第二阈值的第二置信度所对应的第二区域作为目标区域；根据语义特征通过图像分割单元确定待检测图像的置信度分布图，根据目标区域和置信度分布图确定待检测图像的目标置信度。本公开提高了图像检测的准确率。

【技术实现步骤摘要】
一种图像检测方法及装置、计算机存储介质、电子设备
本公开涉及图像处理
，特别涉及一种图像检测方法、一种图像检测装置、计算机可读存储介质及电子设备。
技术介绍
随着机器学习在图像处理
的发展，现有的图像检测技术大都采用机器学习来对图像中的目标区域进行检测。现有的图像检测模型分为两类，一类是基于目标框检测的模型，例如RGB-N模型；另一类是基于像素点分割的模型，例如HLED模型，但上述检测方法对目标区域的误检率高。鉴于此，本领域亟需开发一种新的图像检测方法及装置。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本公开的目的在于提供一种图像检测方法、图像检测装置、计算机可读存储介质及电子设备，进而至少在一定程度上提高图像检测的准确率。本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。根据本公开的一个方面，提供一种图像检测方法，应用于图像检测系统，所述图像检测系统包括残差神经网络、区域选取单元、区域精修单元和图像分割单元，所述方法包括：获取待检测图像对应的噪声图，分别将所述待检测图像和所述噪声图输入所述残差神经网络中，以获取所述待检测图像的语义特征和所述噪声图的噪声语义特征；根据所述语义特征通过所述区域选取单元确定多个第一区域和与各所述第一区域对应的第一置信度，并将满足第一阈值的第一置信度所对应的第一区域作为第二区域；根据所述噪声语义特征和所述语义特征通过所述区域精修单元确定各所述第二区域对应的第二置信度，并将满足第二阈值的第二置信度所对应的第二区域作为目标区域；根据所述语义特征通过所述图像分割单元确定所述待检测图像的置信度分布图，根据所述目标区域和所述置信度分布图确定所述待检测图像的目标置信度。在本公开的一些示例性实施例中，所述区域选取单元包括第一卷积神经网络层、第一感兴趣区域池化层和第一分类器和第一回归器；根据所述语义特征通过所述区域选取单元确定多个第一区域和与各所述第一区域对应的第一置信度，包括：在所述待检测图像中获取多个检测区域；分别将与各所述检测区域对应的语义特征输入所述第一卷积神经网络层，通过所述第一卷积神经网络层进行特征提取，以得到与各所述检测区域对应的深度语义特征；分别将与各所述检测区域对应的深度语义特征输入所述第一感兴趣区域池化层，通过所述第一感兴趣区域池化层进行特征提取，以得到与各所述检测区域对应的感兴趣语义特征；分别将各所述检测区域和与各所述检测区域对应的感兴趣语义特征输入所述第一分类器和所述第一回归器中，以得到多个所述第一区域和与各所述第一区域对应的第一置信度。在本公开的一些示例性实施例中，分别将各所述检测区域和与各所述检测区域对应的感兴趣语义特征输入所述第一分类器和所述第一回归器中，以得到多个所述第一区域和与各所述第一区域对应的第一置信度，包括：分别将各所述检测区域与各所述检测区域对应的感兴趣语义特征输入所述第一回归器中，以得到各所述检测区域对应的偏移值，根据各所述检测区域对应的偏移值确定多个所述第一区域；分别将各所述检测区域与各所述检测区域对应的感兴趣语义特征输入所述第一分类器中，以得到各所述第一区域对应的第一置信度。在本公开的一些示例性实施例中，所述区域精修单元包括第二感兴趣区域池化层、双线性池化层和第二分类器和第二回归模器；所述噪声语义特征通过所述区域精修单元确定各所述第二区域对应的第二置信度，包括：根据所述噪声语义特征和所述语义特征获取各所述第一区域对应的噪声语义特征；分别将各所述第一区域对应的噪声语义特征输入所述第二感兴趣区域池化层，通过所述第二感兴趣区域池化层进行特征提取，以得到与各所述第一区域对应的感兴趣噪声语义特征；分别将各所述第一区域对应的感兴趣噪声语义特征和感兴趣语义特征输入所述双线性池化层，通过所述双线性池化层进行特征融合，以得到与各所述第一区域对应的融合语义特征；分别将各所述第一区域对应的融合语义特征输入所述第二分类器和所述第二回归器中，以得到多个所述第二区域和与各所述第二区域对应的第二置信度。在本公开的一些示例性实施例中，分别将各所述第一区域对应的融合语义特征输入所述第二分类器和所述第二回归器中，以得到多个所述第二区域和与各所述第二区域对应的第二置信度，包括：分别将各所述第一区域与各所述第一区域对应的融合语义特征输入所述第二回归器中，以得到各所述第一区域对应的偏移值，根据各所述第一区域对应的偏移值确定所述第二区域；分别将各所述第一区域与各所述第一区域对应的融合语义特征输入所述第二分类器中，以得到所述第二区域对应的第二置信度。在本公开的一些示例性实施例中，所述图像分割单元包括反卷积神经网络层、上采样层和第三分类器；根据所述语义特征通过所述图像分割单元确定所述待检测图像的置信度分布图，包括：将所述语义特征输入所述反卷积神经网络层，通过所述反卷积神经网络层进行特征还原，以得到与所述语义特征对应的图像特征；将所述图像特征输入所述上采样层，通过所述上采样层进行特征扩充，以得到与所述待检测图像对应的特征分布图；将所述特征分布图输入所述第三分类器中，以得到所述待检测图像的置信度分布图。在本公开的一些示例性实施例中，根据所述目标区域和所述置信度分布图确定所述待检测图像的目标置信度，包括：根据所述目标区域在所述置信度分布图上获取与所述目标区域对应的多个置信度；根据所述多个置信度计算置信度均值，将所述置信度均值作为所述目标区域的目标置信度，并根据所述目标区域的目标置信度确定所述待检测区域的目标置信度。在本公开的一些示例性实施例中，所述方法还包括：获取多个真实图像和与各所述真实图像对应的造假图像，根据各所述真实图像和与各所述真实图像对应的造假图像生成多个训练样本对；其中，各所述造假图像上包括造假区域；获取各所述训练样本对对应的的训练噪声样本对，所述训练噪声样本对包括真实噪声图和造假噪声图；将各所述训练样本对和各所述训练噪声样本对输入至所述待训练图像检测系统，根据各所述训练样本对和各所述训练噪声样本对对所述待训练图像检测系统进行训练，以获得所述图像检测系统。在本公开的一些示例性实施例中，所述待训练图像检测系统包括所述待训练残差神经网络、待训练区域选取单元、待训练区域精修单元和待训练图像分割单元；根据各所述训练样本对和各所述训练噪声样本对对所述待训练图像检测系统进行训练，以获得所述图像检测系统，包括：将各所述训练样本对输入至所述待训练残差神经网络，通过所述待训练残差神经网络进行特征提取，以获得与各所述训练样本对对应的语义特征对，所述语义特征对包括造假语义特征和真实语义特征；将各所述训练噪声样本对输入至所述待训练残差神经网络，通过所述待训练残差神经网络进行特征提取，以获得与各所述训练噪声样本对对应的噪声语义特征对，所述噪声语义特征对包括造假噪声语义特征和真实噪声语义特征；将各所述语义特征对输入所述待训练区域选取单元，通过所述待训练区域选取单元进行特征提取，以获得第一分类损失函数和第一回归损本文档来自技高网...

【技术保护点】
1.一种图像检测方法，其特征在于，应用于图像检测系统，所述图像检测系统包括残差神经网络、区域选取单元、区域精修单元和图像分割单元，所述方法包括：/n获取待检测图像对应的噪声图，分别将所述待检测图像和所述噪声图输入所述残差神经网络中，以获取所述待检测图像的语义特征和所述噪声图的噪声语义特征；/n根据所述语义特征通过所述区域选取单元确定多个第一区域和与各所述第一区域对应的第一置信度，并将满足第一阈值的第一置信度所对应的第一区域作为第二区域；/n根据所述噪声语义特征和所述语义特征通过所述区域精修单元确定各所述第二区域对应的第二置信度，并将满足第二阈值的第二置信度所对应的第二区域作为目标区域；/n根据所述语义特征通过所述图像分割单元确定所述待检测图像的置信度分布图，根据所述目标区域和所述置信度分布图确定所述待检测图像的目标置信度。/n

【技术特征摘要】
1.一种图像检测方法，其特征在于，应用于图像检测系统，所述图像检测系统包括残差神经网络、区域选取单元、区域精修单元和图像分割单元，所述方法包括：
获取待检测图像对应的噪声图，分别将所述待检测图像和所述噪声图输入所述残差神经网络中，以获取所述待检测图像的语义特征和所述噪声图的噪声语义特征；
根据所述语义特征通过所述区域选取单元确定多个第一区域和与各所述第一区域对应的第一置信度，并将满足第一阈值的第一置信度所对应的第一区域作为第二区域；
根据所述噪声语义特征和所述语义特征通过所述区域精修单元确定各所述第二区域对应的第二置信度，并将满足第二阈值的第二置信度所对应的第二区域作为目标区域；
根据所述语义特征通过所述图像分割单元确定所述待检测图像的置信度分布图，根据所述目标区域和所述置信度分布图确定所述待检测图像的目标置信度。


2.根据权利要求1所述的图像检测方法，其特征在于，所述区域选取单元包括第一卷积神经网络层、第一感兴趣区域池化层和第一分类器和第一回归器；
根据所述语义特征通过所述区域选取单元确定多个第一区域和与各所述第一区域对应的第一置信度，包括：
在所述待检测图像中获取多个检测区域；
分别将与各所述检测区域对应的语义特征输入所述第一卷积神经网络层，通过所述第一卷积神经网络层进行特征提取，以得到与各所述检测区域对应的深度语义特征；
分别将与各所述检测区域对应的深度语义特征输入所述第一感兴趣区域池化层，通过所述第一感兴趣区域池化层进行特征提取，以得到与各所述检测区域对应的感兴趣语义特征；
分别将各所述检测区域和与各所述检测区域对应的感兴趣语义特征输入所述第一分类器和所述第一回归器中，以得到多个所述第一区域和与各所述第一区域对应的第一置信度。


3.根据权利要求2所述的图像检测方法，其特征在于，分别将各所述检测区域和与各所述检测区域对应的感兴趣语义特征输入所述第一分类器和所述第一回归器中，以得到多个所述第一区域和与各所述第一区域对应的第一置信度，包括：
分别将各所述检测区域与各所述检测区域对应的感兴趣语义特征输入所述第一回归器中，以得到各所述检测区域对应的偏移值，根据各所述检测区域对应的偏移值确定多个所述第一区域；
分别将各所述检测区域与各所述检测区域对应的感兴趣语义特征输入所述第一分类器中，以得到各所述第一区域对应的第一置信度。


4.根据权利要求1所述的图像检测方法，其特征在于，所述区域精修单元包括第二感兴趣区域池化层、双线性池化层和第二分类器和第二回归模器；
所述噪声语义特征和所述语义特征通过所述区域精修单元确定各所述第二区域对应的第二置信度，包括：
根据所述噪声语义特征获取各所述第一区域对应的噪声语义特征；
分别将各所述第一区域对应的噪声语义特征输入所述第二感兴趣区域池化层，通过所述第二感兴趣区域池化层进行特征提取，以得到与各所述第一区域对应的感兴趣噪声语义特征；
分别将各所述第一区域对应的感兴趣噪声语义特征和感兴趣语义特征输入所述双线性池化层，通过所述双线性池化层进行特征融合，以得到与各所述第一区域对应的融合语义特征；
分别将各所述第一区域对应的融合语...

【专利技术属性】
技术研发人员：付晓，刘昊岳，沈程秀，刘设伟，
申请(专利权)人：泰康保险集团股份有限公司，泰康在线财产保险股份有限公司，
类型：发明
国别省市：北京;11