目标检测方法、电子设备、存储介质和计算机程序产品技术

本发明专利技术提供一种目标检测方法、电子设备、存储介质和计算机程序产品，方法包括获取包含待检测目标的待检测图像；将所述待检测图像输入至目标检测模型，进行目标检测，获得所述目标检测模型输出的目标检测结果，所述目标检测模型是基于候选框及其对应的正负标签训练得到的，所述正负标签是基于所述候选框与所述候选框对应的真实框的交并比，以及动态变化的交并比阈值确定得到的。本发明专利技术通过动态变化的交并比阈值，动态变化候选框的正负标签，以使最后分配给候选框的正负标签为准确标签，从而提高候选框的标签分配准确度，进而提高目标检测模型的召回率，最终实现高性能的目标检测。最终实现高性能的目标检测。最终实现高性能的目标检测。

【技术实现步骤摘要】
目标检测方法、电子设备、存储介质和计算机程序产品


[0001]本专利技术涉及计算机视觉
，尤其涉及一种目标检测方法、电子设备、存储介质和计算机程序产品。

技术介绍

[0002]目标检测是计算机视觉领域中的一大任务，其可以识别一张图像中的多个物体，并可以定位出不同物体的边界框。该目标检测技术广泛应用于各种领域，例如，汽车无人驾驶领域、无人机识别领域、安防监控领域和医疗诊断领域等。
[0003]目前，目标检测是通过深度学习对真实物体框进行学习，从而构建目标检测模型进行目标检测，进而得到候选框的分类和回归结果。其中，目标检测模型的训练策略固定，而多数算法对不同大小物体的学习能力不同，尤其对于小目标物体的学习，因此，目前采用固定训练策略进行模型训练，将会导致候选框的标签分配准确度降低，进而导致目标检测模型的召回率降低。

技术实现思路

[0004]本专利技术提供一种目标检测方法、电子设备、存储介质和计算机程序产品，用以解决现有技术中候选框的标签分配准确度低和目标检测模型的召回率低的缺陷，实现高性能的目标检测。
[0005]本专利技术提供一种目标检测方法，包括：
[0006]获取包含待检测目标的待检测图像；
[0007]将所述待检测图像输入至目标检测模型，进行目标检测，获得所述目标检测模型输出的目标检测结果，所述目标检测模型是基于候选框及其对应的正负标签训练得到的，所述正负标签是基于所述候选框与所述候选框对应的真实框的交并比，以及动态变化的交并比阈值确定得到的。
[0008]根据本专利技术提供的一种目标检测方法，还包括所述目标检测模型的训练方法：
[0009]获取训练样本图像，将所述训练样本图像输入至待训练模型，进行特征提取，获得所述训练样本图像对应的特征图；
[0010]基于所述特征图，构建不同尺度大小和不同长宽比的候选框；
[0011]基于所述候选框与所述候选框对应的真实框的交并比，以及动态变化的交并比阈值，确定所述候选框的正负标签；
[0012]基于所述候选框及所述正负标签，对所述待训练模型进行训练，得到目标检测模型。
[0013]根据本专利技术提供的一种目标检测方法，所述基于所述特征图，构建不同尺度大小和不同长宽比的候选框，包括：
[0014]基于所述特征图和预设尺寸类别，构建不同尺度大小和不同长宽比的候选框，所述预设尺寸类别是基于通用目标数据集中各目标尺寸进行统计分析得到的，所述通用目标
数据集包括多种尺寸的目标。
[0015]根据本专利技术提供的一种目标检测方法，所述基于所述候选框与所述候选框对应的真实框的交并比，以及动态变化的交并比阈值，确定所述候选框的正负标签，包括：
[0016]基于所述候选框与所述候选框对应的真实框的交并比，和交并比阈值的大小关系，确定所述候选框的正负标签；
[0017]统计所述候选框对应尺寸的正例候选框数量；
[0018]基于所述正例候选框数量，调整所述交并比阈值，并返回基于所述候选框与所述候选框对应的真实框的交并比，和交并比阈值的大小关系，确定所述候选框的正负标签的步骤，直至所述正例候选框数量满足要求。
[0019]根据本专利技术提供的一种目标检测方法，所述基于所述正例候选框数量，调整所述交并比阈值，并返回基于所述候选框与所述候选框对应的真实框的交并比，和交并比阈值的大小关系，确定所述候选框的正负标签的步骤，直至所述正例候选框数量满足要求，包括：
[0020]统计所述候选框对应尺寸的总候选框数量，并计算所述正例候选框数量和所述总候选框数量的正例占比；
[0021]若所述正例占比大于所述候选框对应尺寸的候选超参数，则提高所述交并比阈值，并返回基于所述候选框与所述候选框对应的真实框的交并比，和交并比阈值的大小关系，确定所述候选框的正负标签的步骤，直至所述正例占比小于或等于所述候选框对应尺寸的候选超参数。
[0022]根据本专利技术提供的一种目标检测方法，所述基于所述候选框及所述正负标签，对所述待训练模型进行训练，得到目标检测模型，包括：
[0023]采用所述候选框、所述正负标签和预设损失函数，对所述待训练模型进行训练，得到目标检测模型，所述预设损失函数的梯度值是基于训练时长或训练次数动态调整的。
[0024]根据本专利技术提供的一种目标检测方法，还包括所述预设损失函数的梯度值的调整方法：
[0025]计算所述候选框中正例候选框和所述正例候选框对应的目标真实框的相对归一化回归损失；
[0026]若所述相对归一化回归损失小于回归阈值，则降低所述预设损失函数的梯度值，所述回归阈值是基于训练时长或训练次数动态调整的。
[0027]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述目标检测方法的步骤。
[0028]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述目标检测方法的步骤。
[0029]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述目标检测方法的步骤。
[0030]本专利技术提供的目标检测方法、电子设备、存储介质和计算机程序产品，通过获取包含待检测目标的待检测图像，然后，将待检测图像输入至目标检测模型，进行目标检测，获得目标检测模型输出的目标检测结果，从而实现对待检测图像中的待检测目标进行检测。
而目标检测模型是基于候选框及其对应的正负标签训练得到的，该正负标签是基于候选框与候选框对应的真实框的交并比，以及动态变化的交并比阈值确定得到的，基于此，本专利技术通过动态变化的交并比阈值，动态变化候选框的正负标签，以使最后分配给候选框的正负标签为准确标签，从而提高候选框的标签分配准确度，进而提高目标检测模型的召回率，最终实现高性能的目标检测。
附图说明
[0031]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0032]图1为本专利技术提供的目标检测方法的流程图之一；
[0033]图2为本专利技术提供的目标检测方法的流程图之二；
[0034]图3为本专利技术提供的目标检测方法的流程图之三；
[0035]图4示例了一种电子设备的实体结构示意图。
具体实施方式
[0036]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0037]图1为本发本文档来自技高网...

【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，包括：获取包含待检测目标的待检测图像；将所述待检测图像输入至目标检测模型，进行目标检测，获得所述目标检测模型输出的目标检测结果，所述目标检测模型是基于候选框及其对应的正负标签训练得到的，所述正负标签是基于所述候选框与所述候选框对应的真实框的交并比，以及动态变化的交并比阈值确定得到的。2.根据权利要求1所述的目标检测方法，其特征在于，还包括所述目标检测模型的训练方法：获取训练样本图像，将所述训练样本图像输入至待训练模型，进行特征提取，获得所述训练样本图像对应的特征图；基于所述特征图，构建不同尺度大小和不同长宽比的候选框；基于所述候选框与所述候选框对应的真实框的交并比，以及动态变化的交并比阈值，确定所述候选框的正负标签；基于所述候选框及所述正负标签，对所述待训练模型进行训练，得到目标检测模型。3.根据权利要求2所述的目标检测方法，其特征在于，所述基于所述特征图，构建不同尺度大小和不同长宽比的候选框，包括：基于所述特征图和预设尺寸类别，构建不同尺度大小和不同长宽比的候选框，所述预设尺寸类别是基于通用目标数据集中各目标尺寸进行统计分析得到的，所述通用目标数据集包括多种尺寸的目标。4.根据权利要求2所述的目标检测方法，其特征在于，所述基于所述候选框与所述候选框对应的真实框的交并比，以及动态变化的交并比阈值，确定所述候选框的正负标签，包括：基于所述候选框与所述候选框对应的真实框的交并比，和交并比阈值的大小关系，确定所述候选框的正负标签；统计所述候选框对应尺寸的正例候选框数量；基于所述正例候选框数量，调整所述交并比阈值，并返回基于所述候选框与所述候选框对应的真实框的交并比，和交并比阈值的大小关系，确定所述候选框的正负标签的步骤，直至所述正例候选框数量满足要求。5.根据权利要求4所述的目标检测方法，其特征在于，所述基于所述正例候选...

【专利技术属性】
技术研发人员：李兵，胡鑫亮，李文娟，王隽，胡卫明，
申请(专利权)人：人民中科济南智能技术有限公司，
类型：发明
国别省市：