【技术实现步骤摘要】
图像检测方法、目标检测模型的训练方法及装置
[0001]本申请涉及人工智能
,尤其涉及一种图像检测方法、目标检测模型的训练方法及装置。
技术介绍
[0002]目标检测是计算机视觉领域的基本任务之一,不仅需要对目标对象进行分类,而且需要预测目标对象所在位置。随着深度学习技术的发展以及深度神经网络在目标检测领域的广泛应用,当前目标检测技术在计算机视觉领域已经取得了相当不错的效果,并且也广泛地应用于工业、农业、安防以及交通监控等各个领域,比如:行人识别、车辆识别、家畜计数、自动驾驶等各种应用场景。
[0003]而在实际应用中,经常会存在待检测目标物体小而密集的密集场景,相较于一般的目标检测任务,密集场景下目标检测任务的难点在于图像中目标物体数量非常庞大,目标物体整体尺寸较小且目标物体往往紧紧贴在一起,存在彼此重叠的问题。例如,在养殖场家畜计数场景中,摄像头采集到的家畜图片中往往背景较为复杂,且家畜往往拥挤在一起,导致整个养殖场中家畜分布不均匀,再加上不同时间段摄像头的视角以及光照变化,都给该场景下的小目标检测增加了难度。
[0004]由此可见,现有的目标检测技术其检测精度以及准确率并不能满足实际需求,且针对密集场景下的小目标的检测仍然是目前极具挑战性的任务。
技术实现思路
[0005]本申请实施例提供一种图像检测方法、目标检测模型的训练及装置,用于解决采用现有目标检测模型训练方法训练得到的目标检测模型在针对密集场景下的小目标的图像检测时,存在的识别精度较低且准确率较差的问题。
...
【技术保护点】
【技术特征摘要】
1.一种图像检测检测方法,其特征在于,包括:获取待检测的第一图像,所述第一图像包括多个目标检测对象;根据所述第一图像的尺寸对所述第一图像进行分割,得到多个待检测的第二图像;将所述第一图像和所述第二图像输入预先训练的目标检测模型对所述多个目标检测对象进行检测,输出包含检测框的第一检测结果以及包含检测框的第二检测结果,其中,所述检测框用于表征所述目标检测对象在所述待检测图像中的位置信息,所述检测框与所述目标检测对象一一对应;基于预设算法对所述第一检测结果和所述第二检测结果进行筛选,得到目标检测结果;根据所述目标检测结果中检测框的数量,确定所述目标检测对象的数量。2.根据权利要求1所述的方法,其特征在于,所述目标检测模型包括:骨干网络、特征提取网络以及预测输出网络;所述将所述第一图像和所述第二图像输入预先训练的目标检测模型对所述目标检测对象进行检测,输出包含标记框的第一检测结果以及包含标记框的第二检测结果,包括:所述骨干网络用于对输入的所述第一图像和所述第二图像进行特征提取,得到所述第一图像和所述第二图像各自对应的特征向量;所述特征提取网络用于对输入的所述特征向量进行特征融合,得到融合后的特征向量;所述预测输出网络用于对输入的所述融合后的特征向量进行预测,得到包含标记框的第一检测结果以及包含标记框的第二检测结果。3.根据权利要求1所述的方法,其特征在于,所述基于预设算法对所述第一检测结果和所述第二检测结果进行筛选,得到目标检测结果,包括:根据距离每个检测框中心点的曼哈顿距离小于预设阈值的其他检测框的数量,确定所述检测框的密度;根据所述检测框的密度,对所述第一检测结果以及所述第二检测结果进行筛选,得到目标检测结果。4.根据权利要求3所述的方法,其特征在于,所述根据所述检测框的密度,对所述第一检测结果以及所述第二检测结果进行筛选,得到目标检测结果,包括:确定所述第一检测结果以及所述第二检测结果中每个目标检测对象对应的检测框集合;根据所述检测框集合中各检测框与所述检测框集合中其他检测框的第一曼哈顿距离,得到所述检测框集合对应的第一曼哈顿距离集合;对所述第一曼哈顿距离集合进行归一化处理,得到所述检测框集合对应的第二曼哈顿距离;根据所述检测框的密度以及所述检测框集合对应的第二曼哈顿距离,对所述第一检测结果以及所述第二检测结果进行筛选,得到目标检测结果。5.根据权利要求4所述的方法,其特征在于,所述根据所述检测框的密度以及所述检测框集合对应的第二曼哈顿距离,对所述第一检测结果以及所述第二检测结果进行筛选,得到目标检测结果,包括:
若所述检测框的密度大于预设密度阈值,以及所述第二曼哈顿距离小于预设值,则根据所述检测框集合中目标检测框对应的置信度以及所述检测框集合对应的第二曼哈顿距,得到所述目标检测框的第三曼哈顿距离;根据每个所述目标检测框的第三曼哈顿距离,得到所述检测框集合对应的第三曼哈顿距离集合,其中,所述目标检测框为所述检测框集合中的任一检测框;根据所述第三曼哈顿距离集合中最小的第三曼哈顿距离,在所述检测框集合中筛选出与所述第三曼哈顿距离对应的检测框作为所述检测框集合对应目标检测对象的目标检测结果。6.根据权利要求5所述的方法,其特征在于,所述方法还包括:若所述检测框的密度小于预设密度阈值,则分别计算所述检测框集合中各预测检测框对应的交并集比;将所述交并集比最大的检测框作为所述检测框集合对应目标检测对象的目标检测结果。7.一种目标检测模型的训练...
【专利技术属性】
技术研发人员:李艾仑,吴海英,王洪斌,周迅溢,曾定衡,
申请(专利权)人:马上消费金融股份有限公司,
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。