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算法,尤其涉及一种多模型级联的目标检测方法、系统、设备和存储介质。
技术介绍
1、当前,基于深度学习的一系列多模型级联检测网络已经广泛应用于工业领域,如对生产车间的异常环境检测、对作业场景的异常行为检测、对生产产品的异常质量检测等等。
2、但在目前,工业界应用单一深度学习多模型级联检测网络仍存在以下两个问题:一是长尾数据分布问题,在多模型级联检测网络的训练过程中,希望各个类别的数据是均匀分布的,这样有利于模型在学习过程中,均衡的重视各个类别特征的学习。但由于实际生产原因,得到的数据集其类别集齐不均衡,各类别的数据量相差几个数量级。二是先验知识问题,对原始数据直接进行学习的视觉模型非常容易过拟合,学习一些非重要特征,从而限制模型性能。实际上,很多任务都具有可设计的先验信息,如何将先验信息加入到模型训练中是目前深度学习应用于工业的难题之一。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种多模型级联的目标检测方法、系统、设备和存储介质。
2、一种多模型级联的目标检测方法,包括以下步骤:
3、获取原始图像和目标检测任务;
4、根据所述原始图像、所述目标检测任务以及多模型级联检测网络,得到目标信息;其中,所述多模型级联检测网络包括:若干区域划分模型和若干子模型;
5、根据所述目标信息得到目标检测结果。
6、在其中一个实施例中,区域划分模型的训练过程包括:
7、获取标注缺陷图像数
8、接收目标检测任务,根据所述标注类别和所述目标检测任务,得到对应的区域划分结果;
9、根据所述标注类别、对应的区域划分结果以及预设区域划分模型,对标注缺陷图像数据集进行划分,得到区域划分模型。
10、在其中一个实施例中,子模型的训练过程包括:
11、根据区域划分结果,得到区域划分结果内的区分标注类别;
12、根据所述区分标注类别生成数量关系分布;
13、根据所述数量关系分布和所述区分标注类别,得到子模型。
14、在其中一个实施例中,根据所述原始图像、所述目标检测任务以及多模型级联检测网络,得到目标信息包括:
15、根据所述目标检测任务得到对应的区域划分模型;
16、根据所述原始图像和所述区域划分模型,得到区域划分结果;
17、根据所述区域划分结果和所述目标检测任务选择对应的子模型;
18、根据所述区域划分结果、所述目标检测任务和所述子模型,得到目标信息。
19、在其中一个实施例中,根据所述区域划分结果和所述目标检测任务选择对应的子模型包括:
20、根据所述区域划分结果,得到待检测区域;
21、根据所述待检测区域和目标检测任务,得到对应的子模型。
22、在其中一个实施例中,根据所述目标信息得到目标检测结果包括:
23、将所述目标信息进行相对位置偏移,合并得到目标检测结果。
24、一种多模型级联的目标检测系统,用于实现如上所述的一种多模型级联的目标检测方法,包括:
25、获取模块,用于获取原始图像和目标检测任务;
26、检测模块,用于根据所述原始图像、所述目标检测任务以及多模型级联检测网络,得到目标信息;其中,所述多模型级联检测网络包括:若干区域划分模型和若干子模型;
27、整合模块,用于根据所述目标信息得到目标检测结果。
28、一种设备,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各个实施例中所述的一种多模型级联的目标检测方法的步骤。
29、一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述各个实施例中所述的一种多模型级联的目标检测方法的步骤。
30、相比于现有技术,本专利技术的优点及有益效果在于:本专利技术针对工业领域目标检测任务,相较于使用单一模型检测全部类别,多模型级联的方式可以有效的规避长尾数据分布问题,防止头部数据类别过拟合,防止尾部数据类别欠拟合。同时,还可以为深度学习目标检测模型加入位置先验知识,增强特定位置目标的检测精度,规避某些区域的误检情况,极大程度提高了模型的工业有效性。
本文档来自技高网...【技术保护点】
1.一种多模型级联的目标检测方法,其特征在于,包括:
2.根据权利要求1所述一种多模型级联的目标检测方法,其特征在于,所述区域划分模型的训练过程包括:
3.根据权利要求1所述一种多模型级联的目标检测方法,其特征在于,所述子模型的训练过程包括:
4.根据权利要求1所述一种多模型级联的目标检测方法,其特征在于,所述根据所述原始图像、所述目标检测任务以及多模型级联检测网络,得到目标信息包括:
5.根据权利要求4所述一种多模型级联的目标检测方法,其特征在于,所述根据所述区域划分结果和所述目标检测任务选择对应的子模型包括:
6.根据权利要求1所述一种多模型级联的目标检测方法,其特征在于,所述根据所述目标信息得到目标检测结果包括:
7.一种多模型级联的目标检测系统,其特征在于,用于实现如权利要求1-6所述的一种多模型级联的目标检测方法,包括:
8.一种设备,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,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
...【技术特征摘要】
1.一种多模型级联的目标检测方法,其特征在于,包括:
2.根据权利要求1所述一种多模型级联的目标检测方法,其特征在于,所述区域划分模型的训练过程包括:
3.根据权利要求1所述一种多模型级联的目标检测方法,其特征在于,所述子模型的训练过程包括:
4.根据权利要求1所述一种多模型级联的目标检测方法,其特征在于,所述根据所述原始图像、所述目标检测任务以及多模型级联检测网络,得到目标信息包括:
5.根据权利要求4所述一种多模型级联的目标检测方法,其特征在于,所述根据所述区域划分结果和所述目标检测任务选择对应的子模型包括...
【专利技术属性】
技术研发人员:于兴华,崔金瀚,赵学峰,张宝鑫,王小鹏,邬竣韬,刘佳佳,
申请(专利权)人:理工特智科技重庆有限公司,
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。