对象确定和机器模型的处理方法、装置、设备和存储介质制造方法及图纸

本申请实施例提供了一种对象确定和机器模型的处理方法、装置、设备和存储介质，以避免标注，提高机器模型的鲁棒性。所述对象确定方法包括：获取至少两个待测图像；采用机器模型从所述待测图像中提取特征信息，所述机器模型是通过第一类图像样本和第二类图像样本训练得到的，所述第二类图像样本是对所述第一类图像样本进行至少一种预设处理之后得到的与所述第一类图像样本包含相同对象的图像；根据所述特征信息对所述至少两个待测图像进行对象检测。检测。检测。

【技术实现步骤摘要】
对象确定和机器模型的处理方法、装置、设备和存储介质


[0001]本申请涉及图像处理
，特别是涉及一种对象确定和机器模型的处理方法、装置、设备和存储介质。

技术介绍

[0002]图像处理技术可以广泛应用于对象数量的统计、对象的确定中。例如，可以从图像中提取对象的特征信息，以根据特征信息统计对象数目；又例如，可以从多个图像中提取对象的特征信息，以确定多个图像中是否存在相同对象。
[0003]现有技术中，通常采用机器模型从图像中提取对象的特征信息，该机器模型是预先训练得到的，首先，将标注了对象的图像样本输入到机器模型中，以使机器模型预测该图像样本中的对象；然后，确定标注的对象的特征信息和预测的对象的特征信息之间的损失值；最后，若损失值不满足预设条件，则根据损失值调整机器模型的参数直至损失值满足预设条件。
[0004]申请人对上述方案进行研究之后发现，上述机器模型的鲁棒性较差，并且需要使用标注了对象的图像样本进行训练。

技术实现思路

[0005]本申请实施例提供了一种对象确定和机器模型的处理方法，以提高机器模型的鲁本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对象确定方法，其特征在于，所述方法包括：获取至少两个待测图像；采用机器模型从所述待测图像中提取特征信息，所述机器模型是通过第一类图像样本和第二类图像样本训练得到的，所述第二类图像样本是对所述第一类图像样本进行至少一种预设处理之后得到的与所述第一类图像样本包含相同对象的图像；根据所述特征信息对所述至少两个待测图像进行对象检测。2.根据权利要求1所述的方法，其特征在于，所述根据所述特征信息对所述至少两个待测图像进行对象检测，包括：确定所述待测图像的特征信息之间的匹配度；根据所述待测图像的特征信息之间的匹配度对所述至少两个待测图像进行对象检测。3.根据权利要求2所述的方法，其特征在于，所述确定所述待测图像的特征信息之间的匹配度，包括：确定所述待测图像的特征信息对应的特征向量；根据所述待测图像的特征向量之间的相似度，确定所述待测图像的特征信息之间的匹配度。4.根据权利要求1至3任一项所述的方法，其特征在于，所述至少两个待测图像包括第一待测图像和第二待测图像，所述获取至少两个待测图像，包括：将目标视频中包括目标对象的第一帧图像作为第一待测图像，所述目标视频为针对所述目标对象采集的视频；将所述目标视频中位于所述第一待测图像之后的一帧图像作为第二待测图像。5.根据权利要求4所述的方法，其特征在于，在所述根据所述特征信息对所述至少两个待测图像进行对象检测之后，所述方法还包括：将所述目标视频中位于所述第二待测图像之后的一帧图像更新为第二待测图像，并进入所述采用机器模型从所述待测图像中提取特征信息的步骤。6.根据权利要求1至3任一项所述的方法，其特征在于，所述获取至少两个待测图像，包括：获取包含目标对象的预设图像作为其中一个待测图像；获取图像采集设备采集的至少一帧图像作为其余待测图像。7.根据权利要求1至3任一项所述的方法，其特征在于，所述根据所述特征信息对至少两个待测图像进行对象检测，包括：根据所述特征信息确定所述至少两个待测图像中是否存在相同对象；输出至少两个待测图像中不存在相同对象的图像的信息和/或存在相同对象的图像的信息，所述图像的信息包括如下的至少一种：所述图像的标识、所述图像的时间信息、根据所述图像确定的位置信息。8.根据权利要求1至3任一项所述的方法，其特征在于，所述根据所述特征信息对至少两个待测图像进行对象检测，包括：根据所述特征信息确定所述至少两个待测图像中是否存在目标对象；输出至少两个待测图像中不存在目标对象的图像的信息和/或存在目标对象的图像的信息，所述图像的信息包括如下的至少一种：所述图像的标识、所述图像的时间信息、根据
所述图像确定的位置信息。9.根据权利要求1至3任一项所述的方法，其特征在于，所述对象包括如下的至少一种：生物、可移动设备。10.一种机器模型的处理方法，所述方法包括：获取第一类图像样本；对所述第一类图像样本进行至少一种预设处理之后得到第二类图像样本，所述第一类图像样本和所述第二类图像样本包括相同对象；采用机器模型预测所述第一类图像样本中所述对象的特征信息和所述第二类图像样本中所述对象的特征信息；通过所述第一类图像样本中所述对象的特征信息和所述第二类图像样本中所述对象的特征信息对所述机器模型进行训练。11.根据权利要求10所述的方法，其特征在于，所述通过所述第一类图像样本中所述对象的特征信息和所述第二类图像样本中所述对象的特征信息对所述机器模型进行训练，包括：确定所述第一类图像样本中所述对象的特征信息和所述第二类图像样本中所述对象的特征信息之间的差异参数；通过所述差异参数对所述机器模型进行训练。12.根据权利要求10或11所述的方法，其特征在于，所述机器模型包括：卷积神经网络模型。13.根据权利要求10或11所述的方法，其特征在于，所述预设处理包括如下的至少一种：裁剪、填充、旋转、颜色调整、亮度调整、放大、缩小、对所述对象的平移、去除背景。14.一种对象确定方法，所述方法包括：获取目标视频；采用机器模型从所述目标视频的图像中提取特征信息，所述机器模型是通过第一类图像样本和第二类图像样本训练得到的，所述第二类图像样本是对所述第一类图像样本进行预设处理之后得到的与所述第一类图像样本包含相同对象的图像；通过所述特征信息确定在所述目标视频中对象的出现次数。15.一种对象确定方法，所述方法包括：获取目标视频；采用机器模型从所述目标视频中的图像中提取特征信息，所述机器模型是通过第一类图像...

【专利技术属性】
技术研发人员：林钧燧，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：