System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及计算机,尤其涉及一种目标检测方法、装置、设备及存储介质。
技术介绍
1、基于图像的目标检测是人工智能的一类极其重要的应用,目标检测的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置。目标检测应用场景广泛,具体有人脸检测、行人检测、车辆检测、遥感检测等。
2、相关技术中,传统目标检测模型是需要对大量的样本图像中的特征信息进行训练得到的,其检测能力具有一定的局限性,也即目标检测模型的检测精度不高。
技术实现思路
1、为克服相关技术中存在的问题,本专利技术提供了一种目标检测方法、装置、设备及存储介质。
2、第一方面,本专利技术提供了一种目标检测方法,所述方法包括:
3、将待检测数据集输入目标检测模型;所述待检测数据集中包括待检测图像;
4、针对任一所述待检测图像,基于所述目标检测模型中的特征提取网络,获取所述待检测图像对应的第一特征图;
5、基于所述目标检测模型中的区域生成网络,获取所述第一特征图中的多个第一检测框信息;所述第一检测框信息包括第一检测框以及所述第一检测框对应的类别信息以及检测框置信度;
6、基于预先构建的知识图谱中的置信度信息,对所述第一特征图中的多个第一检测框进行筛选;
7、获取所述目标检测模型输出的所述待检测图像对应的目标检测结果;所述目标检测结果包括目标分类结果、目标掩膜结果以及目标位置结果。
8、可选地,所述目标检测模型由下述步骤训练得到:<
...【技术保护点】
1.一种目标检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述目标检测模型由下述步骤训练得到:
3.根据权利要求2所述的方法,其特征在于,所述基于所述知识图谱中的置信度信息以及所述样本图像对应的检测框信息,确定所述样本图像中各待检测对象对应的检测结果,包括:
4.根据权利要求3所述的方法,其特征在于,所述基于所述知识图谱中的置信度信息,对所述特征图中的多个检测框进行筛选,包括:
5.根据权利要求4所述的方法,其特征在于,所述基于所述知识图谱中的置信度信息,确定所述待检测对象对应的目标类别,包括:
6.根据权利要求5所述的方法,其特征在于,在所述候选类别包括第一类别以及第二类别的情况下,所述基于所述知识图谱中的置信度信息,确定所述目标对象对应的目标类别与所述待检测对象对应的候选类别的关联度,包括:
7.根据权利要求6所述的方法,其特征在于,所述基于所述关联度,确定所述待检测对象对应的目标类别,包括:
8.根据权利要求4所述的方法,其特征在于,所述对所述目标检测框进行
9.根据权利要求2所述的方法,其特征在于,所述方法还包括:
10.根据权利要求3所述的方法,其特征在于,所述特征提取网络中包含多个卷积层,所述多个卷积层的扩张率互不相同。
11.根据权利要求10所述的方法,其特征在于,所述多个卷积层包括标准卷积层、扩张率为1的第一卷积层、扩张率为2的第二卷积层以及扩张率为3的第三卷积层。
12.根据权利要求1所述的方法,其特征在于,所述方法还包括:
13.根据权利要求12所述的方法,其特征在于,所述方法还包括:
14.根据权利要求5所述的方法,其特征在于,所述基于所述知识图谱中的置信度信息,确定所述目标对象对应的目标类别与所述待检测对象对应的候选类别的关联度,包括:
15.根据权利要求14所述的方法,其特征在于,所述基于所述目标对象对应的目标类别所对应的实体节点以及所述候选类别对应的实体节点在所述知识图谱中的关联关系,以及所述关联关系所涉及的各实体节点之间的置信度信息,确定所述目标对象对应的目标类别与所述候选类别的关联度,包括:
16.根据权利要求2所述的方法,其特征在于,所述基于所述检测结果与所述样本图像中的标注标签,对所述待训练检测模型进行参数调整,包括:
17.根据权利要求16所述的方法,其特征在于,所述方法还包括:
18.根据权利要求17所述的方法,其特征在于,所述目标损失的计算公式包括:
19.一种目标检测装置,其特征在于,所述装置包括:
20.一种电子设备,其特征在于,包括:
21.一种可读存储介质,其特征在于,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行权利要求1-18中任一所述的目标检测方法。
...【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:
2.根据权利要求1所述的方法,其特征在于,所述目标检测模型由下述步骤训练得到:
3.根据权利要求2所述的方法,其特征在于,所述基于所述知识图谱中的置信度信息以及所述样本图像对应的检测框信息,确定所述样本图像中各待检测对象对应的检测结果,包括:
4.根据权利要求3所述的方法,其特征在于,所述基于所述知识图谱中的置信度信息,对所述特征图中的多个检测框进行筛选,包括:
5.根据权利要求4所述的方法,其特征在于,所述基于所述知识图谱中的置信度信息,确定所述待检测对象对应的目标类别,包括:
6.根据权利要求5所述的方法,其特征在于,在所述候选类别包括第一类别以及第二类别的情况下,所述基于所述知识图谱中的置信度信息,确定所述目标对象对应的目标类别与所述待检测对象对应的候选类别的关联度,包括:
7.根据权利要求6所述的方法,其特征在于,所述基于所述关联度,确定所述待检测对象对应的目标类别,包括:
8.根据权利要求4所述的方法,其特征在于,所述对所述目标检测框进行筛选,确定所述待检测对象对应的预测检测框,包括:
9.根据权利要求2所述的方法,其特征在于,所述方法还包括:
10.根据权利要求3所述的方法,其特征在于,所述特征提取网络中包含多个卷积层,所述多个卷积层的扩张率互不相同。
11.根据权利要求10所述的方法,其特征在...
【专利技术属性】
技术研发人员:张悦,
申请(专利权)人:苏州元脑智能科技有限公司,
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。