本申请提供一种目标检测方法、装置、电子设备及可读存储介质，涉及图像处理技术领域。该方法包括：提取输入图像的图像特征；基于所述图像特征获取所述输入图像中的待检测对象的对象分割图；基于所述图像特征获取所述输入图像中的感兴趣目标的目标掩膜图；根据所述对象分割图和所述目标掩膜图获取所述待检测对象中包含感兴趣目标的对象的信息。该方案通过获得输入图像中感兴趣目标的目标掩膜图，然后再结合待检测对象的对象分割图，从而获得对包含感兴趣目标的对象的信息，无需人工对感兴趣目标的相关信息进行检测，节省检测时间，且检测精度更高。测精度更高。测精度更高。
【技术实现步骤摘要】
目标检测方法、装置、电子设备及可读存储介质
[0001]本申请涉及图像处理
，具体而言，涉及一种目标检测方法、装置、电子设备及可读存储介质。
技术介绍
[0002]在诸多场景均存在需要对一些感兴趣目标进行检测，例如，对打印文件或打印字符中的缺陷进行检测，或者对医疗图像中的特定病变区域进行检测，或者对水果图像中存在损坏的区域进行检测等。目前对这些目标进行检测的方式一般是通过人工进行肉眼观测，以查看这些图像中是否存在感兴趣目标，但是人工检测的方式检测时间较长，且可能由于人工疏忽而没有检测出，从而造成检测不准确的问题。
技术实现思路
[0003]本申请实施例的目的在于提供一种目标检测方法、装置、电子设备及可读存储介质，用以改善现有技术中通过人工进行目标检测而导致检测时间较长且检测不准确的问题。
[0004]第一方面，本申请实施例提供了一种目标检测方法，所述方法包括：提取输入图像的图像特征；基于所述图像特征获取所述输入图像中的待检测对象的对象分割图；基于所述图像特征获取所述输入图像中的感兴趣目标的目标掩膜图；根据所述对象分割图和所述目标掩膜图获取所述待检测对象中包含感兴趣目标的对象的信息。
[0005]在上述实现过程中，通过获得输入图像中感兴趣目标的目标掩膜图，然后再结合待检测对象的对象分割图，从而获得对包含感兴趣目标的对象的信息，无需人工对感兴趣目标的相关信息进行检测，节省检测时间，且检测精度更高。
[0006]可选地，所述基于所述图像特征获取所述输入图像中的待检测对象的对象分割图，包括：
[0007]将所述图像特征输入至语义分割网络进行处理，获得针对所述待检测对象的对象掩膜图；
[0008]基于所述图像特征获取所述输入图像中所述待检测对象的对象定位图；
[0009]根据所述对象掩膜图与所述对象定位图获取所述待检测对象的对象分割图。
[0010]在上述实现过程中，通过获取对象定位图，可以消除输入图像中多余的背景信息，使得在分割待检测对象时能更准确。
[0011]可选地，所述语义分割网络包括至少一个下采样层和至少一个上采样层，所述将所述图像特征输入至语义分割网络进行处理，获得针对所述待检测对象的对象掩膜图，包括：
[0012]将所述图像特征输入至所述至少一个下采样层进行处理，获得下采样特征；
[0013]将所述下采样特征输入至所述至少一个上采样层进行处理，获得针对所述待检测对象的对象掩膜图。
[0014]在上述实现过程中，通过上采样层以及下采样层对图像特征进行处理，可以更好地提取输入图像中的全局特征和局部特征，从而可以更好地对输入图像中的待检测对象进行分割。
[0015]可选地，所述至少一个下采样层包括N层，所述至少一个上采样层包括N层，第i上采样层的输入由上一个上采样层的输出与对应的第i下采样层的输出融合得到，所述第i上采样层与第i下采样层输出的特征具有相同分辨率，N为大于等于1的整数，i取1至N。
[0016]在上述实现过程中，将具有相同分辨率的特征进行融合后可以更好地提取输入图像中的特征，以便于后续实现对待检测图像的准确分割。
[0017]可选地，所述将所述下采样特征输入至所述至少一个上采样层进行处理，获得针对所述待检测对象的对象掩膜图，包括：
[0018]将所述下采样特征输入至循环神经网络模型，通过所述循环神经网络模型获取所述输入图像的序列特征；
[0019]将所述序列特征输入至所述至少一个上采样层进行处理，获得针对所述待检测对象的对象掩膜图。
[0020]在上述实现过程中，通过循环神经网络模型获取输入图像的序列特征，从而能够更好地获取输入图像中的上下文信息，以提高对待检测对象进行分割的准确性。
[0021]可选地，所述对象掩膜图为每个待检测对象对应的对象掩膜图，所述根据所述对象掩膜图与所述对象定位图获取所述待检测对象的对象分割图，包括：
[0022]根据各个对象掩膜图与所述对象定位图获取各个待检测对象的对象分割图。
[0023]在上述实现过程中，通过每个对象掩膜图对每个待检测对象进行分割，这样可以获知包含感兴趣目标的对象具体为哪个待检测对象，从而实现感兴趣目标的准确定位。
[0024]可选地，所述包含感兴趣目标的对象的信息包括所述感兴趣目标在所述对象分割图中的位置信息。从而可以知晓包含感兴趣目标的对象在对象分割图中的位置。
[0025]可选地，所述感兴趣目标为缺陷，所述包含感兴趣目标的对象的信息包括所述感兴趣目标的缺陷类别。
[0026]可选地，所述基于所述图像特征获取所述输入图像中的感兴趣目标的目标掩膜图，包括：
[0027]利用卷积神经网络模型基于所述图像特征获取所述输入图像中的感兴趣目标的目标掩膜图，使得图像分割更准确。
[0028]可选地，所述感兴趣目标为缺陷，所述提取输入图像的图像特征之前，还包括：
[0029]获取多张训练图像，每张训练图像中标注有具有缺陷的缺陷对象；
[0030]利用所述训练图像对所述卷积神经网络模型进行训练。从而可有利于提高卷积神经网络模型的精度。
[0031]可选地，所述获取多张训练图像，包括：
[0032]获取K张初始图像，K为大于或等于1的整数；
[0033]确定每张初始图像中具有缺陷的缺陷对象所在的区域；
[0034]将每张图像中所述缺陷对象所在的区域进行擦除，获得空白区域；
[0035]获取模拟的与所述缺陷对象的缺陷类别不同的多个其他缺陷类别的缺陷对象；
[0036]将所述多个其他缺陷类别的缺陷对象分别与所述空白区域进行融合，获得J张训
练图像，J为大于K的整数。
[0037]在上述实现过程中，通过对初始图像进行相应处理，即可基于少量的初始图像获得更多的训练图像，进而降低了人工采集训练图像的成本，且减少了训练图像采集时间。
[0038]可选地，所述获取模拟的与所述缺陷对象的缺陷类别不同的多个其他缺陷类别的缺陷对象，包括：
[0039]通过截断高斯分布对所述缺陷对象进行模拟，获得与所述缺陷对象的缺陷类别不同的多个其他缺陷类别的缺陷对象。
[0040]第二方面，本申请实施例提供了一种目标检测装置，所述装置包括：
[0041]特征提取模块，用于提取输入图像的图像特征；
[0042]对象分割图获取模块，用于基于所述图像特征获取所述输入图像中的待检测对象的对象分割图；
[0043]目标掩膜图获取模块，用于基于所述图像特征获取所述输入图像中的感兴趣目标的目标掩膜图；
[0044]信息检测模块，用于根据所述对象分割图和所述目标掩膜图获取所述待检测对象中包含感兴趣目标的对象的信息。
[0045]可选地，所述对象分割图获取模块，用于：
[0046]将所述图像特征输入至语义分割网络进行处理，获得针对所述待检测对象的对象掩膜图；
[0047]基于所述图本文档来自技高网...
【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：提取输入图像的图像特征；基于所述图像特征获取所述输入图像中的待检测对象的对象分割图；基于所述图像特征获取所述输入图像中的感兴趣目标的目标掩膜图；根据所述对象分割图和所述目标掩膜图获取所述待检测对象中包含感兴趣目标的对象的信息。2.根据权利要求1所述的方法，其特征在于，所述基于所述图像特征获取所述输入图像中的待检测对象的对象分割图，包括：将所述图像特征输入至语义分割网络进行处理，获得针对所述待检测对象的对象掩膜图；基于所述图像特征获取所述输入图像中所述待检测对象的对象定位图；根据所述对象掩膜图与所述对象定位图获取所述待检测对象的对象分割图。3.根据权利要求2所述的方法，其特征在于，所述语义分割网络包括至少一个下采样层和至少一个上采样层，所述将所述图像特征输入至语义分割网络进行处理，获得针对所述待检测对象的对象掩膜图，包括：将所述图像特征输入至所述至少一个下采样层进行处理，获得下采样特征；将所述下采样特征输入至所述至少一个上采样层进行处理，获得针对所述待检测对象的对象掩膜图。4.根据权利要求3所述的方法，其特征在于，所述至少一个下采样层包括N层，所述至少一个上采样层包括N层，第i上采样层的输入由上一个上采样层的输出与对应的第i下采样层的输出融合得到，所述第i上采样层与第i下采样层输出的特征具有相同分辨率，N为大于等于1的整数，i取1至N。5.根据权利要求3或4所述的方法，其特征在于，所述将所述下采样特征输入至所述至少一个上采样层进行处理，获得针对所述待检测对象的对象掩膜图，包括：将所述下采样特征输入至循环神经网络模型，通过所述循环神经网络模型获取所述输入图像的序列特征；将所述序列特征输入至所述至少一个上采样层进行处理，获得针对所述待检测对象的对象掩膜图。6.根据权利要求2所述的方法，其特征在于，所述对象掩膜图为每个待检测对象对应的对象掩膜图，所述根据所述对象掩膜图与所述对象定位图获取所述待检测对象的对象分割图，包括：根据各个对象掩膜图与所述对象定位图获取各个待检测对象的对象分割图。7.根据权利要求1至6中任一项所述的方法，其特征在于，所述包含感兴趣目标的对象的信息包括所述感兴趣目标在所述对象分割图中的位置信息。8....
【专利技术属性】
技术研发人员：万昭祎，姚聪，
申请(专利权)人：北京旷视科技有限公司，
类型：发明
国别省市：
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。