目标检测方法及相关装置制造方法及图纸

本申请实施例公开了一种目标检测方法及相关装置，方法包括：获取多张待检测图片；将多张待检测图片输入融合神经网络模型进行处理，输出均包括一个或多个设定目标的至少一个目标检测结果，至少一个目标检测结果与至少一张待检测图片一一对应；其中，融合神经网络模型包括卷积神经网络模型和生成式对抗网络模型；对至少一个目标检测结果执行显示操作。采用本申请实施例有助于提高检测大量图片中存在的多个设定目标的准确性和效率。多个设定目标的准确性和效率。多个设定目标的准确性和效率。

【技术实现步骤摘要】
目标检测方法及相关装置


[0001]本申请涉及神经网络
，具体涉及一种目标检测方法及相关装置。

技术介绍

[0002]目前，目标检测的过程为：首先，通过机器学习对待检测图片进行初步标注；然后，采用人工方式对初步标注后的图像进行再次标注，得到包括至少一个设定目标的目标检测结果。
[0003]但是，当存在大量图片时，采用人工方式将会导致检测大量图片中存在的多个设定目标的准确性和效率均较低。

技术实现思路

[0004]本申请实施例提供一种目标检测方法及相关装置，用于提高检测大量图片中存在的多个设定目标的准确性和效率。
[0005]第一方面，本申请实施例提供了一种目标检测方法，方法包括：
[0006]获取多张待检测图片；
[0007]将多张待检测图片输入融合神经网络模型进行处理，输出均包括一个或多个设定目标的至少一个目标检测结果，至少一个目标检测结果与至少一张待检测图片一一对应；其中，融合神经网络模型包括卷积神经网络模型和生成式对抗网络模型；
[0008]对至少一个目标检测结果执行显示操作。
[0009]在一些可能的实施例中，将多张待检测图片输入融合神经网络模型进行处理，输出均包括一个或多个设定目标的至少一个目标检测结果，包括：
[0010]将多张待检测图片输入卷积神经网络模型进行初次处理，输出多个第一标注图像，多个第一标注图像与多张待检测图片一一对应；
[0011]将多个第一标注图像输入生成式对抗网络模型进行再次处理，输出均包括一个或多个设定目标的至少一个目标检测结果。
[0012]在一些可能的实施例中，将多个第一标注图像输入生成式对抗网络模型进行再次处理，输出均包括一个或多个设定目标的至少一个目标检测结果，包括：
[0013]将多个第一标注图像输入生成式对抗网络模型中；
[0014]对多个第一标注图像进行标注，得到多个第二标注图像，多个第二标注图像中均包括一个或多个设定目标的每个第二标注图像的面积小于其对应的第一标注图像的面积，多个第二标注图像与多个第一标注图像一一对应；
[0015]采用一个或多个设定目标识别算法对多个第二标注图像进行目标识别，得到多个第一设定目标数量和多个第一设定目标集合，多个第一设定目标数量和多个第一设定目标集合分别与多个第二标注图像一一对应；
[0016]从多个第二标注图像中选取至少一个目标第二标注图像，至少一个目标第二标注图像中的每个目标第二标注图像对应的第一设定目标数量均非零，至少一个目标第二标注
图像和至少一个第一设定目标集合为至少一个目标检测结果，至少一个目标第二标注图像和至少一个第一设定目标集合分别与至少一个目标检测结果一一对应。
[0017]第二方面，本申请实施例提供了一种目标检测装置，装置包括：
[0018]获取单元，用于获取多张待检测图片；
[0019]处理单元，用于将多张待检测图片输入融合神经网络模型进行处理，输出均包括一个或多个设定目标的至少一个目标检测结果，至少一个目标检测结果与至少一张待检测图片一一对应；其中，融合神经网络模型包括卷积神经网络模型和生成式对抗网络模型；
[0020]显示单元，用于对至少一个目标检测结果执行显示操作。
[0021]第三方面，本申请实施例提供了一种目标检测设备，上述目标检测设备包括处理器、存储器、通信接口，以及存储在存储器中的目标检测程序，上述目标检测程序被配置由处理器执行，以实现本申请实施例第一方面的方法中的步骤。
[0022]第四方面，本申请实施例提供了一种计算机可读存储介质，上述计算机可读存储介质用于存储目标检测程序，上述目标检测程序被处理器执行，以实现如本申请实施例第一方面的方法中的步骤。
[0023]第五方面，本申请实施例提供了一种计算机程序产品，计算机程序产品包括存储了目标检测程序的非瞬时性计算机可读存储介质，上述目标检测程序可操作来使计算机执行如本申请实施例第一方面的方法中的步骤。该计算机程序产品可以为一个软件安装包。
[0024]可以看出，相较于通过机器学习对大量的图片进行初次标注，以及采用人工方式对初次标注后的大量图像进行再次标注，在本申请实施例中，通过卷积神经网络模型和生成式对抗网络模型对获取到的多张图片进行两次标注，得到多张图片中存在的多个设定目标并执行显示操作，这样图像标注的过程无需人工参与，极大的提高检测大量图片中存在的多个设定目标的准确性和效率。
[0025]本申请的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
附图说明
[0026]为了更清楚地说明本申请实施例或
技术介绍
中的技术方案，下面将对本申请实施例或
技术介绍
中所需要使用的附图进行说明。
[0027]图1是本申请实施例提供的一种目标检测系统的架构示意图；
[0028]图2A是本申请实施例提供的一种目标检测方法的流程示意图；
[0029]图2B是本申请实施例提供的一种融合神经网络模型的结构示意图；
[0030]图3是本申请实施例提供的另一种目标检测方法的流程示意图；
[0031]图4是本申请实施例提供的一种目标检测装置的功能单元组成框图；
[0032]图5是本申请实施例提供的一种目标检测系统的结构示意图。
[0033]具体实现方式
[0034]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
[0035]以下分别进行详细说明。
[0036]本申请的说明书和权利要求书及附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0037]在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
[0038]下面对本申请实施例进行详细介绍。
[0039]请参见图1，图1是本申请实施例提供的一种目标检测系统100的架构示意图，该目标检测系统100包括处理器101和显示屏102，处理器101与显示屏102连接，其中：
[0040]处理器101，用于获取多张待检测图片；
[0041]本文档来自技高网...

【技术保护点】

【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：获取多张待检测图片；将所述多张待检测图片输入融合神经网络模型进行处理，输出均包括一个或多个设定目标的至少一个目标检测结果，所述至少一个目标检测结果与至少一张待检测图片一一对应；其中，所述融合神经网络模型包括卷积神经网络模型和生成式对抗网络模型；对所述至少一个目标检测结果执行显示操作。2.根据权利要求1所述的方法，其特征在于，所述将所述多张待检测图片输入融合神经网络模型进行处理，输出均包括一个或多个设定目标的至少一个目标检测结果，包括：将所述多张待检测图片输入所述卷积神经网络模型进行初次处理，输出多个第一标注图像，所述多个第一标注图像与所述多张待检测图片一一对应；将所述多个第一标注图像输入所述生成式对抗网络模型进行再次处理，输出均包括一个或多个设定目标的至少一个目标检测结果。3.根据权利要求2所述的方法，其特征在于，所述将所述多个第一标注图像输入所述生成式对抗网络模型进行再次处理，输出均包括一个或多个设定目标的至少一个目标检测结果，包括：将所述多个第一标注图像输入所述生成式对抗网络模型中；对所述多个第一标注图像进行标注，得到多个第二标注图像，所述多个第二标注图像中均包括一个或多个设定目标的每个第二标注图像的面积小于其对应的第一标注图像的面积，所述多个第二标注图像与所述多个第一标注图像一一对应；采用一个或多个设定目标识别算法对所述多个第二标注图像进行目标识别，得到多个第一设定目标数量和多个第一设定目标集合，所述多个第一设定目标数量和所述多个第一设定目标集合分别与所述多个第二标注图像一一对应；从所述多个第二标注图像中选取至少一个目标第二标注图像，所述至少一个目标第二标注图像中的每个目标第二标注图像对应的第一设定目标数量均非零，所述至少一个目标第二标注图像和所述至少一个第一设定目标集合为至少一个目标检测结果，所述至少一个目标第二标注图像和所述至少一个第一设定目标集合分别与所述至少一个目标检测结果一一对应。4.根据权利要求2所述的方法，其特征在于，所述将所述多张待检测图片输入所述卷积神经网络模型进行初次处理，输出多个第一标注图像之后，所述方法还包括：采用一个或多个设定目标识别算法对所述多个第一标注图像进行目标识别，得到多个第二设定目标数量和多个第二设定目标集合，所述多个第二设定目标数量和所述多个第二设定目标集合分别与所述多个第一标注图像一一对应；从所述多个第一标注图像中选取至少一个目标第一标注图像，所述至少一个目标第一标注图像中的每个目标第一标注图像对应的第二设定目标数量均非零；所述将所述多个第一标注图像输入所述生成式对抗网络模型进行再次处理，输出均包括一个或多个设定目标的至少一个目标检测结果，包括：将所述至少一个目标第一标注图像输入所述生成式对抗网络模型中；对所述至少一个目标第一标...

【专利技术属性】
技术研发人员：李洁，刘庆，杨佳义，
申请(专利权)人：重庆邮电大学移通学院，
类型：发明
国别省市：