图像检测方法、目标检测模型的训练方法及装置制造方法及图纸

本申请公开了一种图像检测方法、目标检测模型的训练方法及装置，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尺寸小且比较密集的目标进行检测时，存在的识别精度较低且准确率较差的问题。该目标检测模型的训练方法包括：获取待检测第一图像；根据第一图像的尺寸对第一图像进行分割，得到多个待检测第二图像；将第一图像和第二图像输入预先训练的目标检测模型对多个目标检测对象进行识别，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；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。量。量。

Image detection method, training method and device of target detection model

【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。
[0006]第一方面，本申请提供一种图像检测方法，包括：
[0007]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；
[0008]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；
[0009]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识别，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；
[0010]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；
[0011]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。
[0012]可以看出，在本申请实施例中，在进行图像检测时，在获取到包含了多个目标检测对象的待检测第一图像后，首先可以根据第一图像的尺寸，对第一图像进行分割，得到多个
待检测的第二图像；接下来，可以通过将该第一图像和第二图像共同输入预先训练的目标检测模型，对目标检测对象进行检测，得到由该目标检测模型输出的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；最后，基于预设算法对第一检测结果和第二检测结果进行筛选，得到目标检测结果，并根据目标检测结果中检测框的数量，可以确定目标检测对象的数量。采用本专利技术实施例所提供的图像检测方法，由于会对待检测原始图像进行分割处理，经过分割处理后得到的各个分割图像中目标检测对象的密度，相比于该原始图像出现了降低；且相比于目标检测对象在原始图像画面中的所占比例，经分割处理后，在分割图像中目标检测对象在画面中的所占比例变大，因此在将该原始图像和分割图像一起输入目标检测模型，相当于在一定程度上降低了输入目标检测模型中待检测图像里尺寸小但是比较密集的目标图像的数量占比，进而可以提高目标检测模型对待检测图像中多个目标检测对象的识别效率。同时，由于最终的目标检测结果是基于预设算法对由原始图像以及分割图像对应的检测结果进行筛选得到的，从而可以保证得到的目标检测结果更为准确。
[0013]第二方面，本申请提供一种目标检测模型的训练方法，包括：
[0014]获取预设的第一训练数据集，所述第一训练数据集包括多个第一样本图像以及所述第一样本图像中目标检测对象的第一检测框，所述检测框用于表征所述目标检测对象在所述第一样本图像中的位置信息；
[0015]根据每个第一样本图像的尺寸对所述第一样本图像进行分割，得到第二训练数据集，所述第二训练数据集包括：多个第二样本图像以及所述第二样本图像中目标检测对象的第二检测框；
[0016]将所述第一训练数据集以及所述第二训练数据集输入初始识别模型中，输出所述第一样本图像的第一预测标记框和所述第二样本图像的第二预测检测框；
[0017]根据所述第一预测检测框、所述第一检测框、所述第二预测检测框、所述第二检测框，构建目标损失函数；
[0018]基于所述目标损失函数对所述初始识别模型进行迭代训练，得到所述目标检测模型。
[0019]可以看出，在本申请实施例中，在进行目标检测模型的训练时，在获取到预设的第一训练数据集后，可以根据每个第一样本图像的尺寸对第一样本图像进行分割，得到第二训练数据集，并将第一训练数据集与经分割处理后的第二训练数据集作为训练样本输入初始识别模型中，通过对该初始识别模型进行迭代训练，得到目标检测模型。采用本专利技术实施例提供的目标检测模型训练方法，样本图像在经过分割处理后，各个分割图像中目标检测对象的密度，相比于原始样本图像出现了降低；且相比于目标检测对象在原始样本图像画面中的所占比例，经分割处理后，在分割图像中目标检测对象在画面中的所占比例变大，因而在对原始训练样本图像进行分割处理后，相当于将原始训练样本图像中的尺寸小且比较密集的目标物体，转换成了针对分割图像中的正常大小、正常密集度的目标检测物体，在训练过程中，模型针对训练样本中正常识别目标的识别效率与准确度都远高于针对尺寸小且比较密集的目标的训练样本，而在将该原始样本图像和分割图像一同作为训练样本输入该初始识别模型，相当于在一定程度上降低了训练样本集中尺寸小且比较密集的目标训练样本图像的比例，因而通过该训练方法，一方面即提高了目标检测模型的训练效率，另外一方面又提高了模型对图像中的尺寸小且比较密集的目标物体的识别准确率。
[0020]第三方面，本申请提供一种图像检测装置，包括：
[0021]图像获取模块，用于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；
[0022]图像分割模块，用于根据所述第一图像的尺寸对所述第一图像进行分割，得到待检测的第二图像；
[0023]检测模块，用于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识别，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；
[0024]筛选模块，用于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；
[0025]计数模块，用于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。
[0026]第四方面，本申请提供一种目标检测模型的训练装置，包括：
[0027]训练数据获取模本文档来自技高网...

【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：