图像检测模型的训练方法、图像检测方法、装置及设备制造方法及图纸

本申请公开了一种图像检测模型的训练方法、图像检测方法、装置及设备，属于人工智能技术领域。方法包括：获取样本图像以及样本图像的标注几何图形参数，样本图像的标注几何图形参数是通过标注得到的样本图像中的几何图形的参数信息；根据第一网络模型获取样本图像的预测几何图形参数，样本图像的预测几何图形参数是通过预测得到的样本图像中的几何图形的参数信息；基于样本图像的标注几何图形参数和预测几何图形参数，对第一网络模型进行调整，得到图像检测模型。本申请实施例通过几何图形的参数信息表征几何图形，实现快速地确定出图像中的几何图形，简化了图像检测步骤，提高了图像检测效率。图像检测效率。图像检测效率。

【技术实现步骤摘要】
图像检测模型的训练方法、图像检测方法、装置及设备


[0001]本申请实施例涉及人工智能
，特别涉及一种图像检测模型的训练方法、图像检测方法、装置及设备。

技术介绍

[0002]随着计算机的发展，越来越多的数据以图像的形式存在于计算机中，并通过计算机实现对图像的处理。在图像处理技术中，图像检测技术是一项重要的技术，图像检测技术能够检测出图像中的几何图形，该几何图形包括直线、椭圆、平面等。
[0003]以检测图像中的目标平面为例，相关技术中，获取样本图像的平面以及该平面是否属于目标平面的标注信息，利用网络模型获取平面属于目标平面的概率信息，基于标注信息和概率信息获取到图像检测模型。通过这种方式获取到的图像检测模型在检测目标图像的目标平面时，需要先获取目标图像的某一个平面，将该平面输入图像检测模型，由图像检测模型确定该平面是否为目标平面，若该平面不为目标平面，则获取目标图像的另一个平面，重新由图像检测模型确定该平面是否为目标平面。
[0004]上述方式获取到的图像检测模型在检测图像的目标平面时，需要不断地获取图像的不同平面，并将平面输入图像检测模型，直至图像检测模型确定出目标平面为止。这种方式较为繁琐，导致图像检测的效率低下。

技术实现思路

[0005]本申请实施例提供了一种图像检测模型的训练方法、图像检测方法、装置及设备，可用于解决相关技术训练出的图像检测模型在确定平面时方式繁琐、图像检测效率低下的问题，所述技术方案包括如下内容。
[0006]一方面，本申请实施例提供了一种图像检测模型的训练方法，所述方法包括：
[0007]获取样本图像以及所述样本图像的标注几何图形参数，所述样本图像的标注几何图形参数是通过标注得到的所述样本图像中的几何图形的参数信息；
[0008]根据第一网络模型获取所述样本图像的预测几何图形参数，所述样本图像的预测几何图形参数是通过预测得到的所述样本图像中的几何图形的参数信息；
[0009]基于所述样本图像的标注几何图形参数和所述预测几何图形参数，对所述第一网络模型进行调整，得到图像检测模型。
[0010]另一方面，本申请实施例提供了一种图像检测方法，所述方法包括：
[0011]获取目标图像；
[0012]根据图像检测模型获取所述目标图像的预测几何图形参数，所述图像检测模型是按照上述任一所述的图像检测模型的训练方法得到的，所述目标图像的预测几何图形参数是通过预测得到的所述目标图像中的几何图形的参数信息；
[0013]基于所述目标图像的预测几何图形参数，确定所述目标图像中的目标几何图形。
[0014]另一方面，本申请实施例提供了一种图像检测模型的训练装置，所述装置包括：
[0015]第一获取模块，用于获取样本图像以及所述样本图像的标注几何图形参数，所述样本图像的标注几何图形参数是通过标注得到的所述样本图像中的几何图形的参数信息；
[0016]第二获取模块，用于根据第一网络模型获取所述样本图像的预测几何图形参数，所述样本图像的预测几何图形参数是通过预测得到的所述样本图像中的几何图形的参数信息；
[0017]调整模块，用于基于所述样本图像的标注几何图形参数和所述预测几何图形参数，对所述第一网络模型进行调整，得到图像检测模型。
[0018]在一种可能的实现方式中，所述第二获取模块，用于根据所述第一网络模型获取所述样本图像的预测关键点热图，所述样本图像的预测关键点热图是通过预测得到的所述样本图像的至少一个关键点的热图；基于所述样本图像的预测关键点热图获取所述样本图像的预测几何图形参数。
[0019]在一种可能的实现方式中，所述第二获取模块，用于根据所述第一网络模型获取所述样本图像的下采样特征图，所述样本图像的下采样特征图包括所述样本图像的语义信息；基于所述样本图像的下采样特征图确定所述样本图像的空间特征图，所述样本图像的空间特征图包括所述样本图像的空间位置信息；基于所述样本图像的空间特征图确定所述样本图像的预测关键点热图。
[0020]在一种可能的实现方式中，所述第二获取模块，用于基于所述样本图像的预测关键点热图确定所述样本图像的至少一个关键点；基于各个关键点的位置信息，从所述至少一个关键点中筛选出目标关键点；基于所述目标关键点确定所述样本图像的预测几何图形参数。
[0021]在一种可能的实现方式中，所述第二获取模块，用于确定所述样本图像中的目标区域的尺寸信息和所述目标区域的中心点的位置信息；基于所述中心点的位置信息以及所述各个关键点的位置信息，确定所述各个关键点对应的距离信息，所述任一个关键点对应的距离信息是所述中心点与所述任一个关键点之间的距离信息；基于所述目标区域的尺寸信息和所述各个关键点对应的距离信息，从所述至少一个关键点中筛选出目标关键点。
[0022]在一种可能的实现方式中，所述第二获取模块，用于对于任一个关键点，确定所述目标区域的尺寸信息和所述任一个关键点对应的距离信息的比值，所述比值表征所述目标区域与所述任一个关键点之间的距离关系；从所述至少一个关键点中筛选出所述比值不大于比值阈值的目标关键点。
[0023]在一种可能的实现方式中，所述调整模块，用于获取所述样本图像的标注关键点热图，所述样本图像的标注关键点热图是通过标注得到的所述样本图像的至少一个关键点的热图；基于所述样本图像的标注几何图形参数、所述预测几何图形参数、所述标注关键点热图以及所述预测关键点热图，对所述第一网络模型进行调整，得到图像检测模型。
[0024]在一种可能的实现方式中，所述第一获取模块，还用于获取所述样本图像的标注矫正图像，所述样本图像的标注矫正图像是通过标注得到的对所述样本图像进行几何矫正后的图像；
[0025]所述第二获取模块，还用于根据所述第一网络模型获取所述样本图像的预测矫正图像，所述样本图像的预测矫正图像是通过预测得到的对所述样本图像进行几何矫正后的图像；
[0026]所述调整模块，用于基于所述样本图像的标注几何图形参数、所述预测几何图形参数、所述标注矫正图像以及所述预测矫正图像，对所述第一网络模型进行调整，得到图像检测模型。
[0027]在一种可能的实现方式中，所述第二获取模块，用于根据所述第一网络模型获取所述样本图像的空间特征图；对所述样本图像的空间特征图进行线性变换处理，得到仿射矩阵，所述仿射矩阵包含样本图像的几何矫正信息；对所述仿射矩阵进行仿射变换处理，得到所述样本图像的预测矫正图像。
[0028]在一种可能的实现方式中，所述调整模块，用于获取所述样本图像的标注关键点热图、预测关键点热图、预测矫正图像和标注矫正图像；基于所述样本图像的标注几何图形参数、所述预测几何图形参数、所述标注关键点热图、所述预测关键点热图、所述标注矫正图像以及所述预测矫正图像，对所述第一网络模型进行调整，得到图像检测模型。
[0029]另一方面，本申请实施例提供了一种图像检测装置，所述装置包括：
[0030]第一获取模块，用于获取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像检测模型的训练方法，其特征在于，所述方法包括：获取样本图像以及所述样本图像的标注几何图形参数，所述样本图像的标注几何图形参数是通过标注得到的所述样本图像中的几何图形的参数信息；根据第一网络模型获取所述样本图像的预测几何图形参数，所述样本图像的预测几何图形参数是通过预测得到的所述样本图像中的几何图形的参数信息；基于所述样本图像的标注几何图形参数和所述预测几何图形参数，对所述第一网络模型进行调整，得到图像检测模型。2.根据权利要求1所述的方法，其特征在于，所述根据第一网络模型获取所述样本图像的预测几何图形参数，包括：根据所述第一网络模型获取所述样本图像的预测关键点热图，所述样本图像的预测关键点热图是通过预测得到的所述样本图像的至少一个关键点的热图；基于所述样本图像的预测关键点热图获取所述样本图像的预测几何图形参数。3.根据权利要求2所述的方法，其特征在于，所述根据所述第一网络模型获取所述样本图像的预测关键点热图，包括：根据所述第一网络模型获取所述样本图像的下采样特征图，所述样本图像的下采样特征图包括所述样本图像的语义信息；基于所述样本图像的下采样特征图确定所述样本图像的空间特征图，所述样本图像的空间特征图包括所述样本图像的空间位置信息；基于所述样本图像的空间特征图确定所述样本图像的预测关键点热图。4.根据权利要求2所述的方法，其特征在于，所述基于所述样本图像的预测关键点热图获取所述样本图像的预测几何图形参数，包括：基于所述样本图像的预测关键点热图确定所述样本图像的至少一个关键点；基于各个关键点的位置信息，从所述至少一个关键点中筛选出目标关键点；基于所述目标关键点确定所述样本图像的预测几何图形参数。5.根据权利要求4所述的方法，其特征在于，所述基于各个关键点的位置信息，从所述至少一个关键点中筛选出目标关键点，包括：确定所述样本图像中的目标区域的尺寸信息和所述目标区域的中心点的位置信息；基于所述中心点的位置信息以及所述各个关键点的位置信息，确定所述各个关键点对应的距离信息，任一个关键点对应的距离信息是所述中心点与所述任一个关键点之间的距离信息；基于所述目标区域的尺寸信息和所述各个关键点对应的距离信息，从所述至少一个关键点中筛选出目标关键点。6.根据权利要求5所述的方法，其特征在于，所述基于所述目标区域的尺寸信息和所述各个关键点对应的距离信息，从所述至少一个关键点中筛选出目标关键点，包括：对于任一个关键点，确定所述目标区域的尺寸信息和所述任一个关键点对应的距离信息的比值，所述比值表征所述目标区域与所述任一个关键点之间的距离关系；从所述至少一个关键点中筛选出所述比值不大于比值阈值的目标关键点。7.根据权利要求2至6任一所述的方法，其特征在于，所述基于所述样本图像的标注几何图形参数和所述预测几何图形参数，对所述第一网络模型进行调整，得到图像检测模型，
包括：获取所述样本图像的标注关键点热图，所述样本图像的标注关键点热图是通过标注得到的所述样本图像的至少一个关键点的热图；基于所述样本图像的标注几何图形参数、所述预测几何图形参数、所述标注关键点热图以及所述预测关键点热图，对所述第一网络模型进行调整，得到图像检测模型。8.根据权利要求1至6任一所述的方法，其特征在于，所述获取样本图像以及所述样本图像的标注几何图形参数之后，还包括：获取所述样本图像的标注矫正图像，所述样本图像的标注矫正图像是通过标注得到的对所述样本图像进行几何矫正后的图像；根据所述第一网络模型获取所述样本图像的预测矫正图像，所述样本图像的预测矫正图像是通过预测得到的对所述样本图像进行几何矫正后的图像；所述基于所述样本图像的标注几何图形参数和所述预测几何图形参数，对所述第一网络模型进行调整，得到图像检测模型，包括：基于所述样本图像的标注几何图形参数、所述预测几何图形参数、所述标注矫正图像以及所述预测矫正图像，对所述第一网络模型进行调整，得到图像检测模型。9.根据权利要求8所述的方法，其特征在于，所述根据所述第一网络模型获取所述样本图像的预测矫正图像，包括：根据所述第一网络模型获取所述样本图像的空间特征图；对所述样本图像的空间特征图进行线性变换处理，得到仿射矩阵，所述仿射矩阵包含样本图像的几何矫正信息；对所述仿射矩...

【专利技术属性】
技术研发人员：秦陈陈，吴大盛，姚建华，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：