【技术实现步骤摘要】
图像处理方法、检测模型的训练方法、装置、设备和介质
[0001]本公开涉人工智能领域,具体涉及计算机视觉和深度学习技术,具体可用于智慧城市和智能交通场景下。
技术介绍
[0002]相关技术中,在利用检测模型检测图像中的对象时,检测模型的检测准确度较低,导致检测效果较差。
技术实现思路
[0003]本公开提供了一种图像处理方法、检测模型的训练方法、装置、电子设备、存储介质以及程序产品。
[0004]根据本公开的一方面,提供了一种图像处理方法,包括:获取待处理图像,其中,所述待处理图像包括至少一个目标对象;对所述待处理图像执行检测操作,得到针对所述至少一个目标对象中每个目标对象的检测结果,其中,针对所述每个目标对象的检测结果与所述每个目标对象的畸变信息相关联。
[0005]根据本公开的另一方面,提供了一种检测模型的训练方法,包括:获取图像训练样本,其中,所述图像训练样本包括至少一个参考对象;基于所述至少一个参考对象中每个参考对象的畸变信息,训练检测模型。
[0006]根据本公开的另一方面,提供了一种图像处理装置,包括:第一获取模块以及检测模块。第一获取模块,用于获取待处理图像,其中,所述待处理图像包括至少一个目标对象;检测模块,用于对所述待处理图像执行检测操作,得到针对所述至少一个目标对象中每个目标对象的检测结果,其中,针对所述每个目标对象的检测结果与所述每个目标对象的畸变信息相关联。
[0007]根据本公开的另一方面,提供了一种检测模型的训练装置,包括:第二获取模块和第一 ...
【技术保护点】
【技术特征摘要】
1.一种图像处理方法,包括:获取待处理图像,其中,所述待处理图像包括至少一个目标对象;以及对所述待处理图像执行检测操作,得到针对所述至少一个目标对象中每个目标对象的检测结果,其中,针对所述每个目标对象的检测结果与所述每个目标对象的畸变信息相关联。2.根据权利要求1所述的方法,其中,所述每个目标对象的畸变信息与第一距离相关联,所述第一距离包括所述每个目标对象和所述待处理图像的图像中心之间的距离。3.根据权利要求1或2所述的方法,其中:所述检测操作是利用检测模型执行的,所述检测模型的模型参数是基于检测模型的损失函数得到的,所述损失函数的损失值对应的权重与图像训练样本中参考对象的畸变信息相关联;所述损失值与标注框和预测框之间的第二距离相关联,所述标注框用于标注图像训练样本中的参考对象,所述预测框表征参考对象的预测结果。4.根据权利要求1
‑
3中任意一项所述的方法,其中:所述检测模型的模型参数是基于标注框的方向信息得到的,所述标注框用于标注图像训练样本中的参考对象;所述标注框包括参考顶点和除所述参考顶点之外的剩余顶点,所述标注框的方向信息与所述参考顶点和所述剩余顶点之间的相对位置相关联。5.一种检测模型的训练方法,包括:获取图像训练样本,其中,所述图像训练样本包括至少一个参考对象;以及基于所述至少一个参考对象中每个参考对象的畸变信息,训练检测模型。6.根据权利要求5所述的方法,其中,所述每个参考对象的畸变信息与第三距离相关联,所述第三距离包括所述每个参考对象和所述图像训练样本的图像中心之间的距离;所述基于所述至少一个参考对象中每个参考对象的畸变信息,训练检测模型包括:基于所述第三距离,确定针对所述每个参考对象的权重;以及基于所述权重,调整所述检测模型的模型参数。7.根据权利要求6所述的方法,其中,所述基于所述权重,调整所述检测模型的模型参数包括:基于所述权重调整所述检测模型的损失函数的损失值,其中,所述损失值与标注框和预测框之间的第四距离相关联,所述标注框用于标注图像训练样本中的参考对象,所述预测框表征参考对象的预测结果;以及基于调整后的损失值,调整所述检测模型的模型参数。8.根据权利要求5
‑
7中任意一项所述的方法,还包括:针对所述图像训练样本中的标注框,确定所述标注框中的参考顶点和除所述参考顶点之外的剩余顶点之间的相对位置;基于所述参考顶点和所述剩余顶点之间的相对位置,确定所述标注框的方向信息;以及基于所述标注框的方向信息,训练所述检测模型。9.一种图像处理装置,包括:
第一获取模块,用于获取待处理图像,其中,所述待处理图像包括至少一个目标对象;以及检测模块,用于对所述待处理图像执行检测操作,得到针对所述至少一个目标对象中每个目标对象的检测结果,其中,针对所述每个目标对象的检测结果与所述每个目标对象的畸变信息相关联。10.根据权利要求9所述的装置,其中,所述每个目标对象的畸变信息与第一距离相关...
【专利技术属性】
技术研发人员:蒋旻悦,杨喜鹏,谭啸,孙昊,
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:
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。