目标物检测方法、存储介质和计算机程序产品技术

本申请涉及计算机技术领域，提供一种目标物检测方法、存储介质和计算机程序产品，所述方法包括：获取待检测图像；将所述待检测图像输入至目标物检测模型，得到所述目标物检测模型输出的目标物检测结果。本申请通过将第一环境下的图像样本的深度特征，按照第二环境下的车辆图像样本的语义方向进行语义转换，实现隐式语义数据增强，完成图像样本的特征扩充，得到可以满足图像识别模型的训练需求的训练数据，使得基于扩充得到的训练数据训练得到的目标物检测模型，对待检测图像进行目标物检测后输出的目标物检测结果更加准确，可以提高基于图像识别模型进行目标物检测时的准确度。图像识别模型进行目标物检测时的准确度。图像识别模型进行目标物检测时的准确度。

【技术实现步骤摘要】
目标物检测方法、存储介质和计算机程序产品


[0001]本申请涉及计算机
，尤其涉及一种目标物检测方法、存储介质和计算机程序产品。

技术介绍

[0002]在图像识别领域，数据增强是一种常见的深层网络正则化技术，对现有有限的数据进行增广，在不实质性地增加数据的情况下，让有限的数据产生等价于更多数据的价值。当前的图像增强通过镜像翻转、旋转角度、图片裁剪等技术手段对原有图片进行变换，但是变换得到的图像由于视角差异与数据量的问题，不能满足图像识别模型的训练需求，使得基于当前数据增强手段增强后的图像进行训练得到的图像识别模型的识别准确度低，进而导致基于上述图像识别模型进行目标物检测时的准确度低。

技术实现思路

[0003]本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种目标物检测方法，可以实现图像样本的扩充，得到能够满足图像识别模型的训练需求的训练数据，进而提高目标物检测时的准确度。
[0004]本申请还提出一种目标物检测装置、电子设备、存储介质、计算机程序产品以及一种图像数据增强方法。
[0005]根据本申请第一方面实施例的目标物检测方法，包括：
[0006]获取待检测图像；
[0007]将所述待检测图像输入至目标物检测模型，得到所述目标物检测模型输出的目标物检测结果；
[0008]其中，所述目标物检测模型是基于目标物的目标特征，以及所述目标特征对应的目标物类型标签，对初始检测模型进行训练得到的；所述目标特征是将第一环境下的图像样本的深度特征，按照第二环境下的图像样本的语义方向进行语义转换得到的。
[0009]根据本申请实施例的一种目标物检测方法，通过将第一环境下的图像样本的深度特征，按照第二环境下的车辆图像样本的语义方向进行语义转换，实现隐式语义数据增强，完成图像样本的特征扩充，得到可以满足图像识别模型的训练需求的训练数据，使得基于扩充得到的训练数据训练得到的目标物检测模型，对待检测图像进行目标物检测后输出的目标物检测结果更加准确，可以提高基于图像识别模型进行目标物检测时的准确度。
[0010]根据本申请的一个实施例，所述第二环境下的图像样本的语义方向包括通过如下方式确定：
[0011]确定所述第二环境下的图像样本的深度特征的协方差矩阵；
[0012]基于零均值正态分布对所述协方差矩阵进行随机采样，得到所述第二环境下的图像样本的语义方向。
[0013]根据本申请的一个实施例，所述图像样本的深度特征包括通过如下方式确定：
[0014]基于深层特征提取网络将所述图像样本投射至深度特征空间，得到所述图像样本的深度特征。
[0015]根据本申请的一个实施例，所述基于目标物的目标特征，以及所述目标特征对应的目标物类型标签，对初始检测模型进行训练，包括：
[0016]将目标物的目标特征输入至初始检测模型，得到所述初始检测模型输出的预测结果；
[0017]基于所述预测结果以及目标特征对应的目标物类型标签，确定所述初始检测模型的原有损失函数；
[0018]将所述原有损失函数进行最小化闭合上界转换，得到目标损失函数；
[0019]基于所述目标特征以及所述目标物类型标签对所述目标损失函数进行迭代，得到所述目标物检测模型。
[0020]根据本申请的一个实施例，所述第一环境包括电梯外环境，所述第二环境包括电梯内环境。
[0021]根据本申请的一个实施例，所述第二环境下的图像样本的语义方向包括改变视角的语义方向、改变背景的语义方向、改变前景颜色的语义方向中的至少一项。
[0022]根据本申请第二方面实施例的目标物检测装置，包括：
[0023]获取模块，用于获取待检测图像；
[0024]检测模块，用于将所述待检测图像输入至目标物检测模型，得到所述目标物检测模型输出的目标物检测结果；其中，所述目标物检测模型是基于目标物的目标特征，以及所述目标特征对应的目标物类型标签，对初始检测模型进行训练得到的；所述目标特征是将第一环境下的图像样本的深度特征，按照第二环境下的图像样本的语义方向进行语义转换得到的。
[0025]根据本申请第三方面实施例的图像数据增强方法，包括：
[0026]获取第一环境下目标物的待增强图像；
[0027]基于第二环境下目标物图像的语义方向，对所述待增强图像进行语义转换，得到目标图像；
[0028]其中，所述第二环境下目标物图像的语义方向是基于所述第二环境下目标物图像的深度特征的协方差矩阵确定的。
[0029]根据本申请实施例的一种图像数据增强方法，通过将第一环境下的图像样本的深度特征，按照第二环境下的车辆图像样本的语义方向进行语义转换，实现隐式语义数据增强，完成图像样本的特征扩充，得到可以满足图像识别模型的训练需求的训练数据，使得基于扩充得到的训练数据训练得到的目标物检测模型，对待检测图像进行目标物检测后输出的目标物检测结果更加准确，可以提高基于图像识别模型进行目标物检测时的准确度。
[0030]根据本申请第四方面实施例的图像数据增强装置，包括：
[0031]获取模块，用于获取第一环境下目标物的待增强图像；
[0032]转换模块，用于基于第二环境下目标物图像的语义方向，对所述待增强图像进行语义转换，得到目标图像；其中，所述第二环境下目标物图像的语义方向是基于所述第二环境下目标物图像的深度特征的协方差矩阵确定的。
[0033]根据本申请第五方面实施例的电子设备，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上述任一项所述目标物检测方法或图像数据增强方法。
[0034]根据本申请第六方面实施例的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项所述目标物检测方法或图像数据增强方法。
[0035]根据本申请第七方面实施例的计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的目标物检测方法或图像数据增强方法。
[0036]本申请实施例中的上述一个或多个技术方案，至少具有如下技术效果之一：
[0037]通过将第一环境下的图像样本的深度特征，按照第二环境下的车辆图像样本的语义方向进行语义转换，实现隐式语义数据增强，完成图像样本的特征扩充，得到可以满足图像识别模型的训练需求的训练数据，使得基于扩充得到的训练数据训练得到的目标物检测模型，对待检测图像进行目标物检测后输出的目标物检测结果更加准确，可以提高基于图像识别模型进行目标物检测时的准确度。
[0038]本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
[0039]为了更清楚地说明本申请实施例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简单地介绍，显而易见地，下面描述中的附图仅仅是本申本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标物检测方法，其特征在于，包括：获取待检测图像；将所述待检测图像输入至目标物检测模型，得到所述目标物检测模型输出的目标物检测结果；其中，所述目标物检测模型是基于目标物的目标特征，以及所述目标特征对应的目标物类型标签，对初始检测模型进行训练得到的；所述目标特征是将第一环境下的图像样本的深度特征，按照第二环境下的图像样本的语义方向进行语义转换得到的。2.根据权利要求1所述的目标物检测方法，其特征在于，所述第二环境下的图像样本的语义方向包括通过如下方式确定：确定所述第二环境下的图像样本的深度特征的协方差矩阵；基于零均值正态分布对所述协方差矩阵进行随机采样，得到所述第二环境下的图像样本的语义方向。3.根据权利要求1或2所述的目标物检测方法，其特征在于，所述图像样本的深度特征包括通过如下方式确定：基于深层特征提取网络将所述图像样本投射至深度特征空间，得到所述图像样本的深度特征。4.根据权利要求1所述的目标物检测方法，其特征在于，所述基于目标物的目标特征，以及所述目标特征对应的目标物类型标签，对初始检测模型进行训练，包括：将目标物的目标特征输入至初始检测模型，得到所述初始检测模型输出的预测结果；基于所述预测结果以及目标特征对应的目标物类型标签，确定所述初始检测模型的原有损失函数；将所述原有损失函数进行最小化闭合上界转换，得到目标损失函数；基于所述目标特征...

【专利技术属性】
技术研发人员：张伟伟，祝毅晨，区志财，唐剑，
申请(专利权)人：美的集团股份有限公司，
类型：发明
国别省市：