【技术实现步骤摘要】
本公开涉及人工智能，具体为计算机视觉、增强现实、虚拟现实、深度学习等，更具体地涉及图像检测方法、深度学习模型的训练方法、装置、电子设备、存储介质以及程序产品。
技术介绍
1、计算机视觉技术是一门研究如何使用计算机“看”的科学。可以将计算机视觉技术应用于图像识别、图像检测、图像融合、图像语义理解、图像检索、三维对象重建、虚拟现实、同步定位与地图构建等场景中。例如，可以通过计算机视觉技术中的图像编辑技术，将多个图像融合为一个图像，实现图像融合。还例如，可以利用计算机视觉技术对图像进行处理、分析和检测，确定该图像是真实图像还是被编辑过的图像。针对每个场景，如何利用计算机视觉技术使得生成的结果合理且精准，值得探索。
技术实现思路
1、本公开提供了一种图像检测方法、深度学习模型的训练的方法、装置、电子设备、存储介质以及程序产品。
2、根据本公开的一方面，提供了一种图像检测方法，包括：对待检测图像进行关键点检测，得到关于目标对象的多个关键点各自的关键点检测结果，其中，上述待检测图像包括上述目标对象；基于多个上述关键点检测结果，从上述多个关键点中确定目标关键点；基于上述目标关键点，从上述待检测图像中确定目标图像，其中，上述目标图像包括关于上述目标对象的对象区域和关于背景的背景区域；以及对上述目标图像进行检测，得到图像融合检测结果，其中，上述图像融合检测结果用于表征上述待检测图像是否为融合图像，上述融合图像由包括上述目标对象的图像与包括上述背景的图像融合得到的。
3、根据本
4、根据本公开的另一方面，提供了一种图像检测装置，包括：关键点检测模块，用于对待检测图像进行关键点检测，得到关于目标对象的多个关键点各自的关键点检测结果，其中，上述待检测图像包括上述目标对象；目标关键点确定模块，用于基于多个上述关键点检测结果，从上述多个关键点中确定目标关键点；目标图像确定模块，用于基于上述目标关键点，从上述待检测图像中确定目标图像，其中，上述目标图像包括关于上述目标对象的对象区域和关于背景的背景区域；以及图像融合检测模块，用于对上述目标图像进行检测，得到图像融合检测结果，其中，上述图像融合检测结果用于表征上述待检测图像是否为融合图像，上述融合图像由包括上述目标对象的图像与包括上述背景的图像融合得到的。
5、根据本公开的另一方面，提供了一种深度学习模型的训练装置，包括：样本关键点检测模块，用于对样本图像进行关键点检测，得到关于目标对象的多个样本关键点各自的样本关键点检测结果，其中，上述样本图像包括上述目标对象；样本目标关键点确定模块，用于基于多个上述样本关键点检测结果，从上述多个样本关键点中确定样本目标关键点；样本目标图像确定模块，用于基于上述样本目标关键点，从上述样本图像中确定样本目标图像，其中，上述样本目标图像包括关于上述目标对象的样本对象区域和关于背景的样本背景区域；样本图像融合检测模块，用于对上述样本目标图像进行检测，得到样本图像融合检测结果，其中，上述样本图像融合检测结果用于表征上述样本图像是否为包括上述目标对象的图像与包括上述背景的图像融合后的图像；以及训练模块，用于基于上述样本图像融合检测结果和与上述样本图像相匹配的标签，训练深度学习模型，得到经训练的深度学习模型。
6、根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与上述至少一个处理器通信连接的存储器；其中，上述存储器存储有可被上述至少一个处理器执行的指令，上述指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行如本公开的方法。
7、根据本公开的另一方面，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，上述计算机指令用于使上述计算机执行如本公开的方法。
8、根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，上述计算机程序在被处理器执行时实现如本公开的方法。
9、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。
本文档来自技高网...【技术保护点】
1.一种图像检测方法，包括：
2.根据权利要求1所述的方法，其中，所述对所述目标图像进行检测，得到图像融合检测结果，包括：
3.根据权利要求2所述的方法，还包括：
4.根据权利要求3所述的方法，其中，所述背景图像块包括多个，所述对象图像块包括多个；
5.根据权利要求1至4中任一项所述的方法，其中，所述关键点检测结果包括所述多个关键点各自的关键点位置结果；
6.根据权利要求1至5中任一项所述的方法，其中，所述基于多个所述关键点检测结果，从所述多个关键点中确定目标关键点，包括：
7.根据权利要求4所述的方法，其中，所述基于所述关键点检测结果，从所述待检测图像中确定关于所述目标对象的对象图像块和关于所述背景的背景图像块，包括：
8.根据权利要求1所述的方法，其中，所述目标图像包括多个；
9.根据权利要求1所述的方法，其中，所述对待检测图像进行关键点检测，得到关于目标对象的多个关键点各自的关键点检测结果，包括：
10.一种深度学习模型的训练方法，包括：
11.根据权利要
12.根据权利要求10或11所述的方法，其中，所述基于所述样本目标关键点，从所述样本图像中确定样本目标图像，包括：
13.一种图像检测装置，包括：
14.根据权利要求13所述的装置，其中，所述图像融合检测模块包括：
15.根据权利要求14所述的装置，还包括：
16.根据权利要求15所述的装置，其中，所述背景图像块包括多个，所述对象图像块包括多个；
17.根据权利要求13至16中任一项所述的装置，其中，所述关键点检测结果包括所述多个关键点各自的关键点位置结果；
18.根据权利要求13至17中任一项所述的装置，其中，所述目标关键点确定模块包括：
19.根据权利要求16所述的装置，其中，所述图像块确定模块包括：
20.根据权利要求13所述的装置，其中，所述目标图像包括多个；
21.根据权利要求13所述的装置，其中，所述关键点检测模块包括：
22.一种深度学习模型的训练装置，包括：
23.根据权利要求22所述的装置，还包括：
24.根据权利要求22或23所述的装置，其中，所述样本目标图像确定模块包括：
25.一种电子设备，包括：
26.一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根据权利要求1至12中任一项所述的方法。
27.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1至12中任一项所述的方法。
...【技术特征摘要】
1.一种图像检测方法，包括：
2.根据权利要求1所述的方法，其中，所述对所述目标图像进行检测，得到图像融合检测结果，包括：
3.根据权利要求2所述的方法，还包括：
4.根据权利要求3所述的方法，其中，所述背景图像块包括多个，所述对象图像块包括多个；
5.根据权利要求1至4中任一项所述的方法，其中，所述关键点检测结果包括所述多个关键点各自的关键点位置结果；
6.根据权利要求1至5中任一项所述的方法，其中，所述基于多个所述关键点检测结果，从所述多个关键点中确定目标关键点，包括：
7.根据权利要求4所述的方法，其中，所述基于所述关键点检测结果，从所述待检测图像中确定关于所述目标对象的对象图像块和关于所述背景的背景图像块，包括：
8.根据权利要求1所述的方法，其中，所述目标图像包括多个；
9.根据权利要求1所述的方法，其中，所述对待检测图像进行关键点检测，得到关于目标对象的多个关键点各自的关键点检测结果，包括：
10.一种深度学习模型的训练方法，包括：
11.根据权利要求10所述的方法，还包括：
12.根据权利要求10或11所述的方法，其中，所述基于所述样本目标关键点，从所述样本图像中确定样本目标图像，包括：
13.一种图像检测装置，包括：
<...【专利技术属性】
技术研发人员：王珂尧，张国生，
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。