一种目标检测方法、装置和可读存储介质制造方法及图纸

本发明专利技术实施例提供了一种目标检测方法、装置和可读存储介质。其中的方法包括：将待处理图像输入参数预测网络，通过参数预测网络输出调优参数，所述调优参数包括去雾参数、白平衡参数、对比度参数、色调参数、锐化参数、以及矫正参数中的至少一种；根据参数预测网络输出的调优参数，对待处理图像进行图像增强处理，得到优化图像；将所述待处理图像对应的优化图像输入目标检测网络进行目标检测，通过所述目标检测网络输出目标检测结果，所述目标检测网络和所述参数预测网络为预先利用训练数据联合训练得到的神经网络，所述训练数据包括符合预设条件的图像。本发明专利技术实施例可以减少用户的操作成本，以及提高目标检测的准确性。以及提高目标检测的准确性。以及提高目标检测的准确性。

【技术实现步骤摘要】
一种目标检测方法、装置和可读存储介质


[0001]本专利技术涉及图像处理
，尤其涉及一种目标检测方法、装置和可读存储介质。

技术介绍

[0002]人工智能(Artificial Intelligence，AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、及应用系统的技术。计算机视觉(Computer Vision，CV)是人工智能的一个分支，试图建立能够从图像或者多维数据中获取信息的人工智能系统。
[0003]目标检测是计算机视觉的一个重要应用，例如从图像中检测出人脸、车辆或建筑等。对于高质量的图像，目标检测模型通常可以准确检测出其中的目标。但是对于低质量的图像，如恶劣天气、暗光等条件下拍摄的图像，则难以准确检测出其中的图像，极大影响目标检测的准确性。在恶劣天气、暗光等条件下，需要通过手动调节相机参数来提高拍摄出的图像的质量，以提高目标检测的准确性，但是这种方法不能适用于不同的拍摄场景，并且对拍摄人员具有较高的专业要求。

技术实现思路

[0004]本专利技术实施例提供一种目标检测方法、装置和可读存储介质，可以减少用户的操作成本，以及提高目标检测的准确性。
[0005]第一方面，本专利技术实施例公开了一种目标检测方法，所述方法包括：
[0006]将待处理图像输入参数预测网络，通过所述参数预测网络输出调优参数，所述调优参数包括去雾参数、白平衡参数、对比度参数、色调参数、锐化参数、以及矫正参数中的至少一种；
[0007]根据所述参数预测网络输出的调优参数，对所述待处理图像进行图像增强处理，得到所述待处理图像对应的优化图像；
[0008]将所述待处理图像对应的优化图像输入目标检测网络进行目标检测，通过所述目标检测网络输出目标检测结果，所述目标检测网络和所述参数预测网络为预先利用训练数据联合训练得到的神经网络，所述训练数据包括符合预设条件的图像。
[0009]第二方面，本专利技术实施例公开了一种目标检测装置，所述装置包括：
[0010]参数预测模块，用于将待处理图像输入参数预测网络，通过所述参数预测网络输出调优参数，所述调优参数包括去雾参数、白平衡参数、对比度参数、色调参数、锐化参数、以及矫正参数中的至少一种；
[0011]图像增强模块，用于根据所述参数预测网络输出的调优参数，对所述待处理图像进行图像增强处理，得到所述待处理图像对应的优化图像；
[0012]目标检测模块，用于将所述待处理图像对应的优化图像输入目标检测网络进行目标检测，通过所述目标检测网络输出目标检测结果，所述目标检测网络和所述参数预测网络为预先利用训练数据联合训练得到的神经网络，所述训练数据包括符合预设条件的图
像。
[0013]第三方面，本专利技术实施例公开了一种机器可读介质，其上存储有指令，当所述指令由装置的一个或多个处理器执行时，使得装置执行如前述一个或多个所述的目标检测方法。
[0014]本专利技术实施例包括以下优点：
[0015]本专利技术实施例预先利用训练数据联合训练得到参数预测网络和目标检测网络，将待处理图像输入训练好的参数预测网络，通过该参数预测网络即可输出调优参数，利用该调优参数对所述待处理图像进行图像增强处理，可以得到所述待处理图像对应的优化图像，将该优化图像输入训练好的目标检测网络即可输出目标检测结果。本专利技术实施例通过参数预测网络可以自动预测待处理图像所需要的调优参数，不需要在拍摄图像时对拍摄人员具有较高的专业要求，还可以减少用户的操作成本。此外，由于参数预测网络是通过大量训练数据训练得到的神经网络，且训练数据包括预设条件(如恶劣天气下)的图像，因此，本专利技术实施例的参数预测网络可以准确预测预设条件(如恶劣天气下)的图像所需要的调优参数，可以增强参数预测网络对预设条件(如恶劣天气下)的图像的适应能力，相对于人工设置参数，本专利技术实施例可以提高调优参数的准确性，进而提高目标检测的准确性。再者，本专利技术实施例的参数预测网络和目标检测网络可以通过端到端的训练和测试得到，可以减少人工调试的成本。
附图说明
[0016]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。
[0017]图1是本专利技术的一种目标检测方法实施例的步骤流程图；
[0018]图2是本专利技术一个示例中的图像增强模块处理流程示意图；
[0019]图3是本专利技术一个端到端的系统架构示意图；
[0020]图4是本专利技术的一种目标检测装置实施例的步骤流程图。
具体实施方式
[0021]下面将结合本专利技术实施例中的附图，对本专利技术实施例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。
[0022]本专利技术的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中的术语“和/或”用于描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三
种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本专利技术实施例中术语“多个”是指两个或两个以上，其它量词与之类似。
[0023]参照图1，示出了本专利技术的一种目标检测方法实施例的步骤流程图，所述方法可以包括如下步骤：
[0024]步骤101、将待处理图像输入参数预测网络，通过所述参数预测网络输出调优参数，所述调优参数包括去雾参数、白平衡参数、对比度参数、色调参数、锐化参数、以及矫正参数中的至少一种；
[0025]步骤102、根据所述参数预测网络输出的调优参数，对所述待处理图像进行图像增强处理，得到所述待处理图像对应的优化图像；
[0026]步骤103、将所述待处理图像对应的优化图像输入目标检测网络进行目标检测，通过所述目标检测网络输出目标检测结果，所述目标检测网络和所述参数预测网络为预先利用训练数据联合训练得到的神经网络，所述训练数据包括符合预设条件的图像。
[0027]目标检测方法是从图像中找出若干特定目标并确定图像中特定目标的具体位置的方法。本专利技术实施例提供的目标检测方法可用于人脸识别场景，在图像中检测人脸目标，还可用于自动驾驶场景，在图像中检测行人、障碍物和交通信号等目标，本专利技术实施例提供的目标检测方法可应用于任意需要进行目标检测的场景。
[0028]本专利技术实施例通过一个端本文档来自技高网...

【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，所述方法包括：将待处理图像输入参数预测网络，通过所述参数预测网络输出调优参数，所述调优参数包括去雾参数、白平衡参数、对比度参数、色调参数、锐化参数、以及矫正参数中的至少一种；根据所述参数预测网络输出的调优参数，对所述待处理图像进行图像增强处理，得到所述待处理图像对应的优化图像；将所述待处理图像对应的优化图像输入目标检测网络进行目标检测，通过所述目标检测网络输出目标检测结果，所述目标检测网络和所述参数预测网络为预先利用训练数据联合训练得到的神经网络，所述训练数据包括符合预设条件的图像。2.根据权利要求1所述的方法，其特征在于，所述将待处理图像输入参数预测网络之前，所述方法还包括：获取训练数据；对所述训练数据中包含的目标进行标注，得到标注结果；将所述训练数据输入初始的参数预测网络，通过所述初始的参数预测网络输出调优参数；根据所述初始的参数预测网络输出的调优参数，对所述训练数据进行图像增强处理，得到所述训练数据对应的优化图像；将所述训练数据对应的优化图像输入初始的目标检测网络进行目标检测，通过所述初始的目标检测网络输出目标检测结果；根据所述初始的目标检测网络输出的目标检测结果与所述标注结果之间的差异，计算联合损失值，并对所述初始的参数预测网络的参数和所述初始的目标检测网络的参数进行迭代优化，直到所述联合损失值满足迭代停止条件，得到训练完成的参数预测网络和目标检测网络。3.根据权利要求2所述的方法，其特征在于，所述联合损失值根据所述初始的参数预测网络的损失值和所述初始的目标检测网络的损失值加权计算得到。4.根据权利要求1至3任一所述的方法，其特征在于，所述将待处理图像输入参数预测网络之前，所述方法还包括：获取非雾天图像；通过第一控制参数和第二控制参数对所述非雾天图像进行处理，生成不同光照强度以及不同雾天等级的雾天图像，所述第一控制参数用于控制生成的雾天图像的光照强度，所述第二控制参数用于控制生成的雾天图像的雾天等级；利用所述雾天图像构建训练数据。5.根据权利要求1所述的方法，其特征在于，所述将待处理图像输入参数预测网络之前，所述方法还包括：对原始图像进行调整，分别得到第一尺寸的待处理图...

【专利技术属性】
技术研发人员：谢旭，凌明，杨作兴，杨敏，艾国，
申请(专利权)人：深圳比特微电子科技有限公司，
类型：发明
国别省市：