图像检测方法、装置、电子设备及存储介质制造方法及图纸

本公开涉及一种图像检测方法、装置、电子设备及存储介质，该方法包括将待测图像分别输入至第一模型和第二模型，获取所述第一模型输出的全局信息以及所述第二模型输出的多个局部信息，其中，所述全局信息包括所述待测图像中存在目标对象的置信度，所述局部信息包括所述待测图像的局部区域中存在所述目标对象的置信度，其中，每个所述局部信息对应所述待测图像中的一个局部区域，每个所述局部区域存在至少一个检测对象；根据多个所述局部信息和所述全局信息确定检测结果，所述检测结果表征所述待测图像中是否包括所述目标对象。本公开能够有效提升对待测图像中目标对象的检测准确性。性。性。

【技术实现步骤摘要】
图像检测方法、装置、电子设备及存储介质


[0001]本公开涉及图像处理
，具体地，涉及一种图像检测方法、装置、电子设备及存储介质。

技术介绍

[0002]随着计算机技术的发展，从图像中检测识别出所有感兴趣的目标物体，确定图像中目标物体的区域位置以及对象类别等物体信息，是计算机视觉技术的核心问题之一。
[0003]但是，目标物体在图像中往往只占据了一小部分区域，而除目标物体以外的背景区域图像占据图像中的大部分区域，大区域的背景图像会对从图像中检测目标物体对象造成影响，导致从图像中检测识别目标物体的准确率降低，无法保证检测的准确性。

技术实现思路

[0004]提供该
技术实现思路
部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该
技术实现思路
部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0005]第一方面，本公开提供一种图像检测方法，该方法包括：
[0006]将待测图像分别输入至第一模型和第二模型，获取所述第一模型输出的全局信息以及所述第二模型输出的多个局部信息，其中，所述全局信息包括所述待测图像中存在目标对象的置信度，所述局部信息包括所述待测图像的局部区域中存在所述目标对象的置信度，其中，每个所述局部信息对应所述待测图像中的一个局部区域，每个所述局部区域存在至少一个检测对象；
[0007]根据多个所述局部信息和所述全局信息确定检测结果，所述检测结果表征所述待测图像中是否包括所述目标对象。
[0008]第二方面，本公开提供一种图像检测装置，该装置包括：
[0009]信息获取模块，用于将待测图像分别输入至第一模型和第二模型，获取所述第一模型输出的全局信息以及所述第二模型输出的多个局部信息，其中，所述全局信息包括所述待测图像中存在目标对象的置信度，所述局部信息包括所述待测图像的局部区域中存在所述目标对象的置信度，其中，每个所述局部信息对应所述待测图像中的一个局部区域，每个所述局部区域存在至少一个检测对象；
[0010]检测模块，用于根据多个所述局部信息和所述全局信息确定检测结果，所述检测结果表征所述待测图像中是否包括所述目标对象。
[0011]第三方面，本公开提供一种本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现第一方面所述方法的步骤。
[0012]第四方面，本公开提供一种电子设备，该电子设备包括：
[0013]存储装置，其上存储有计算机程序；
[0014]处理装置，用于执行所述存储装置中的所述计算机程序，以实现第一方面所述方
法的步骤。
[0015]根据本公开提供的图像检测方法、装置、电子设备及存储介质，通过将待测图像分别输入至第一模型和第二模型，获取所述第一模型输出的全局信息以及所述第二模型输出的多个局部信息，其中，所述全局信息包括所述待测图像中存在目标对象的置信度，所述局部信息包括所述待测图像的局部区域中存在所述目标对象的置信度，其中，每个所述局部信息对应所述待测图像中的一个局部区域，每个所述局部区域存在至少一个检测对象。再根据多个所述局部信息和所述全局信息确定检测结果，其中，检测结果表征所述待测图像中是否包括所述目标对象，从而能够结合待测图像中针对目标对象的局部信息和全局信息确定待测图像中是否包括目标对象，在避免了待测图像中除目标对象以外的背景图像对检测结果的影响的同时，也考虑到待测图像的整体信息，有效提高了检测准确性。
[0016]本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0017]结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
[0018]图1是根据一示例性实施例示出的一种图像检测方法的流程图。
[0019]图2是根据一示例性实施例示出的待测图像的示意图。
[0020]图3是根据另一示例性实施例示出的一种图像检测方法的流程图。
[0021]图4是根据图3实施例示出的图像检测方法的步骤220的流程图。
[0022]图5是根据又一示例性实施例示出的一种图像检测方法的流程图。
[0023]图6是根据图5实施例示出的一种图像检测方法在实际应用中的流程示意图。
[0024]图7是根据一示例性实施例示出的一种图像检测装置的框图。
[0025]图8是根据一示例性实施例示出的一种电子设备的结构示意图。
具体实施方式
[0026]下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0027]应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
[0028]本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
[0029]需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0030]需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0031]本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
[0032]深度学习近年来发展迅猛，在国内外都引起了广泛的关注，随着深度学习技术的不断进步以及数据处理能力的不断提升，越来越多的深度学习算法被用在图像处理，计算机视觉领域。目标检测是计算机视觉一个重要的方向。
[0033]在相关技术中，一般目标检测的目标实体是根据大量预定义的类别在自然图像中确定是否包含目标实体，具体地，在检测时，需要对自然图像中的所有实体进行检测，再判断实体属性是否满足目标需求，如果满足，则确定该图像中包含目标实体。
[0034]然而，这种检测方式受检测设备的性能的影响较大，而且在图像中实体数量较多的情况下容易出现漏检或误检，从而影响最终的检测结果，无法保证检测结果的准确性。
[0035]针对上述问题，本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像检测方法，其特征在于，包括：将待测图像分别输入至第一模型和第二模型，获取所述第一模型输出的全局信息以及所述第二模型输出的多个局部信息，其中，所述全局信息包括所述待测图像中存在目标对象的置信度，所述局部信息包括所述待测图像的局部区域中存在所述目标对象的置信度，其中，每个所述局部信息对应所述待测图像中的一个局部区域，每个所述局部区域存在至少一个检测对象；根据多个所述局部信息和所述全局信息确定检测结果，所述检测结果表征所述待测图像中是否包括所述目标对象。2.根据权利要求1所述的方法，其特征在于，所述根据多个所述局部信息和所述全局信息确定检测结果，包括：按照预设规则对多个所述局部信息进行统计处理，得到统计信息；对所述统计信息和所述全局信息进行拼接处理，得到拼接信息；根据所述拼接信息确定所述检测结果。3.根据权利要求2所述的方法，其特征在于，所述按照预设规则对多个所述局部信息进行处理，得到统计信息，包括：计算所述多个所述局部信息的最大值、最小值、中位值、平均值、方差以及四分位数中的至少一种统计值；将所述至少一种统计值确定为所述统计信息。4.根据权利要求2所述的方法，其特征在于，所述根据所述拼接信息确定所述检测结果，包括：将所述拼接信息输入至第三模型中，获取所述第三模型的输出结果作为所述检测结果，所述第三模型为梯度提升决策树模型。5.根据权利要求1所述的方法，其特征在于，所述根据多个所述局部信息和所述全局信息确定检测结果，包括：获取多个所述局部信息中对应的局部区域存在的检测对象为目标对象的局部信息作为目标局部信息；根据所述目标局部信息和所述全局信息确定所述检测结果。6.根据权利要求1所述的方法，其特征在于，所述局部信息还包括位置信息，在所述根据多个所述局部信息和所述全局信息确定检测结果之前，还包括：根据每个所述局部信息的位置信息，对位于相同局部区域的局部信息...

【专利技术属性】
技术研发人员：吉梁，周杰，黄凯，
申请(专利权)人：北京有竹居网络技术有限公司，
类型：发明
国别省市：