本公开提供了一种目标检测方法、装置、电子设备和可读存储介质，涉及人工智能技术领域，具体涉及云计算、图像识别、深度学习、计算机视觉技术，可应用在智能云场景下。目标检测方法包括：对待处理图像进行目标检测，得到所述待处理图像中目标检测框的初始位置信息与置信度；基于所述置信度，得到所述目标检测框的目标离散值；基于所述初始位置信息与所述目标离散值，得到所述目标检测框的最终位置信息。本公开能够提升所得到的目标检测框的最终位置信息的准确性。位置信息的准确性。位置信息的准确性。
【技术实现步骤摘要】
目标检测方法、装置、电子设备和可读存储介质
[0001]本公开涉及人工智能
，具体涉及云计算、图像识别、深度学习、计算机视觉技术，可应用在智能云场景下。提供了一种目标检测方法、装置、电子设备和可读存储介质。
技术介绍
[0002]随着人工智能技术的发展，神经网络等深度学习模型在目标检测、对象识别、图像分类等领域得到了广泛的应用。在目标检测的过程中，包围检测对象的检测框的确定是必不可少的环节。
技术实现思路
[0003]根据本公开的第一方面，提供了一种目标检测方法，包括：对待处理图像进行目标检测，得到所述待处理图像中目标检测框的初始位置信息与置信度；基于所述置信度，得到所述目标检测框的目标离散值；基于所述初始位置信息与所述目标离散值，得到所述目标检测框的最终位置信息。
[0004]根据本公开的第二方面，提供了一种目标检测装置，包括：检测单元，用于对待处理图像进行目标检测，得到所述待处理图像中目标检测框的初始位置信息与置信度；处理单元，用于基于所述置信度，得到所述目标检测框的目标离散值；优化单元，用于基于所述初始位置信息与所述目标离散值，得到所述目标检测框的最终位置信息。
[0005]根据本公开的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的方法。
[0006]根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行如上所述的方法。
[0007]根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上所述的方法。
[0008]由以上技术方案可以看出，本公开使用基于目标检测框的置信度得到的目标检测框的目标离散值，来处理得到目标检测框的最终位置信息，能够提升所得到的目标检测框的最终位置信息的准确性。
[0009]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0010]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0011]图1是根据本公开第一实施例的示意图；
[0012]图2是根据本公开第二实施例的示意图；
[0013]图3是根据本公开第三实施例的示意图；
[0014]图4是用来实现本公开实施例的目标检测方法的电子设备的框图。
具体实施方式
[0015]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和机构的描述。
[0016]图1是根据本公开第一实施例的示意图。如图1所示，本实施例的目标检测方法，具体包括如下步骤：
[0017]S101、对待处理图像进行目标检测，得到所述待处理图像中目标检测框的初始位置信息与置信度；
[0018]S102、基于所述置信度，得到所述目标检测框的目标离散值；
[0019]S103、基于所述初始位置信息与所述目标离散值，得到所述目标检测框的最终位置信息。
[0020]本实施例的目标检测方法，在得到待处理图像中目标检测框的初始位置信息与置信度之后，首先基于置信度得到目标检测框的目标离散值，然后基于目标检测框的初始位置信息与目标离散值，得到目标检测框的最终位置信息，由于目标检测框的置信度能够反映所得到的目标检测框的准确性，因此本实施例使用基于目标检测框的置信度得到的目标检测框的目标离散值，来处理得到目标检测框的最终位置信息，能够提升所得到的目标检测框的最终位置信息的准确性。
[0021]本实施例在执行S101时，可以将输入端输入的图像作为待处理图像，也可以将输入端在页面上选择的图像作为待处理图像，还可以将从输入端输入或者选择的视频中选取一帧图像，作为待处理图像。
[0022]本实施例在执行S101对待处理图像进行目标检测时，可以将待处理图像输入目标检测模型，得到由目标检测模型输出的目标检测框的初始位置信息与置信度；其中，目标检测框对应于待处理图像中的目标检测对象，具体为包围待处理图像中目标检测对象的最小外接矩形框。
[0023]本实施例在执行S101时使用的目标检测模型，可以为基于深度学习的方法训练得到的，本实施例对目标检测模型的类型不进行限定。
[0024]本实施例执行S101得到的目标检测框的初始位置信息，为目标检测框在待处理图像中的位置信息，初始位置信息中可以包含目标检测框在待处理图像中的左上角坐标、右上角坐标、左下角坐标与右下角坐标，还可以包含目标检测框在待处理图像中的左上角坐标与右下角坐标，本实施例对初始位置信息中包含的坐标类型不进行限定。
[0025]使用目标检测算法得到的目标检测框的初始位置信息通常具有一定的误差，而目标检测算法输出的目标检测框的置信度则能够反映所得到的初始位置信息的准确性，该准确性表示所得到的目标检测框中包含目标检测对象的可信程度。
[0026]举例来说，若目标检测框的置信度为0.99，表示目标检测框的准确性较高，目标检
测框的最终位置信息位于目标检测算法输出的初始位置信息附近的概率较高；若目标检测框的置信度为0.1，表示目标检测框的准确性较低，目标检测框的最终位置信息位于目标检测算法输出的初始位置信息附近的概率较低。
[0027]本实施例执行S101得到的目标检测框的置信度，表示目标检测框中包含目标检测对象的可信程度，即目标检测框的初始位置信息的准确性；置信度越高，表示目标检测框中包含目标检测对象的可信程度越高，所得到的初始位置信息的准确性较高，否则表示目标检测框中包含目标检测对象的可信程度越低，所得到的初始位置信息的准确性较低。
[0028]本实施例在执行S101时，目标检测框可以为待处理图像中的全部检测框，也可以为待处理图像中的部分检测框，即本实施例中的目标检测框的数量可以为一个，也可以为多个。
[0029]本实施例在执行S101对待处理图像进行目标检测，得到待处理图像中目标检测框的初始位置信息与置信度时，还可以采用以下方式：对待处理图像进行目标检测，得到待处理图像中每个检测框的置信度；将置信度超过置信度阈值的检测框作为目标检测框，得到目标检测框的初始位置信息与置信度。
[0030]也就是说，本实施例可以根据置信度对待处理图像中的检测框进行筛选，从而将置信度满足预设要求的检测框作为目标检测框，舍弃置信度较低的检测框，避免计算资源的浪费，提升目标检测的效率。
[0031]本实施例在执行S101得到待处理图本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种目标检测方法，包括：对待处理图像进行目标检测，得到所述待处理图像中目标检测框的初始位置信息与置信度；基于所述置信度，得到所述目标检测框的目标离散值；基于所述初始位置信息与所述目标离散值，得到所述目标检测框的最终位置信息。2.根据权利要求1所述的方法，其中，所述对待处理图像进行目标检测，得到所述待处理图像中目标检测框的初始位置信息与置信度包括：对所述待处理图像进行目标检测，得到所述待处理图像中每个检测框的置信度；将置信度超过置信度阈值的检测框作为所述目标检测框，得到所述目标检测框的初始位置信息与置信度。3.根据权利要求1
‑
2中任一项所述的方法，其中，所述基于所述置信度，得到所述目标检测框的目标离散值包括：获取离散值计算参数；基于所述置信度与所述离散值计算参数，得到所述目标检测框的目标离散值。4.根据权利要求1
‑
2中任一项所述的方法，其中，所述基于所述置信度，得到所述目标检测框的目标离散值包括：基于所述置信度，得到所述目标检测框的初始离散值；获取所述目标检测框的历史目标离散值；根据所述初始离散值与所述历史目标离散值，得到所述目标检测框的目标离散值。5.根据权利要求4所述的方法，其中，所述获取所述目标检测框的历史目标离散值包括：确定与所述待处理图像对应的历史帧图像；基于所述历史帧图像，获取所述目标检测框的历史目标离散值。6.根据权利要求1
‑
4中任一项所述的方法，其中，所述基于所述初始位置信息与所述目标离散值，得到所述目标检测框的最终位置信息包括：获取所述目标检测框的历史目标离散值与历史最终位置信息；根据所述初始位置信息、所述目标离散值、所述历史最终位置信息与所述历史目标离散值，得到所述目标检测框的最终位置信息。7.根据权利要求6所述的方法，其中，所述获取所述目标检测框的历史目标离散值与历史最终位置信息包括：确定与所述待处理图像对应的历史帧图像；基于所述历史帧图像，获取所述目标检测框的历史目标离散值与历史最终位置信息。8.一种目标检测装置，包括：检测单元，用于对待处理图像进行目标检测，得到所述待处理图像中目标检测框的初始位置信息与置信度；处理单元，用于基于所述置信度，得到所述目标检测框的目标离散值；优化单元，用于基于所述初始位置信息与所述目标离散值，得到所述目标检测框的最终位置信息。9.根据权利要求8所述的装置，其中，所述检测单元在对待处理图像进行目标检测，得
到所述待处理图像...
【专利技术属性】
技术研发人员：王学占，
申请(专利权)人：北京百度网讯科技有限公司，
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。