CN106228158A - 图片检测的方法和装置 - Google Patents

Abstract

本公开是关于一种图片检测的方法和装置，该方法包括：根据预设的检测区域生成规则为输入的待检测图片生成N个检测区域，计算每个检测区域分别属于M个物体类别中每个物体类别的概率，根据每个检测区域属于每个物体类别的概率，对每个物体类别包含的N个检测区域进行非最大值抑制，得到每个物体类别的最佳检测区域，从M个物体类别的最佳检测区域中确定概率大于第一阈值的最佳检测区域属于的物体类别为待检测图片包含的物体类别。所述方法通过根据检测区域生成规则为待检测图片生成检测区域，节省了候选区域的提取的时间，加快了图片检测的速率。另外，通过卷积神经网络识别物体类别，也能提高图片检测的准确率。

Description

图片检测的方法和装置

技术领域

本公开涉及图像处理技术，尤其涉及一种图片检测的方法和装置。

背景技术

图片检测的目的是识别出图片中物体的内容以及该物体在图片中的位置，图片检测应用广泛，例如可以应用在车辆辅助驾驶(车辆检测、行人检测)、大规模视频检索、机器人视觉和增强现实等场景中。

常用的图片检测的方法一般包括两个阶段：候选区域提取和候选区域识别。候选区域提取是将图片中可能是物体的所有区域提取出来，一般采用滑动窗口或显著性检测的方式提取候选区域。候选区域识别是对提取出来的所有候选区域分别进行识别。

发明内容

为克服相关技术中存在的问题，本公开提供一种图片检测的方法和装置。

根据本公开实施例的第一方面，提供一种图片检测的方法，包括：

根据预设的检测区域生成规则为输入的待检测图片生成N个检测区域，N为大于或等于1的整数；

计算所述N个检测区域中的每个检测区域分别属于M个物体类别中每个物体类别的概率，M为大于或等于1的整数；

根据所述每个检测区域属于所述每个物体类别的概率，对所述每个物体类别包含的N个检测区域进行非最大值抑制，得到所述每个物体类别的最佳检测区域；

从所述M个物体类别的最佳检测区域中确定概率大于第一阈值的最佳检测区域属于的物体类别为所述待检测图片包含的物体类别。

可选的，还包括：

对所述每个检测区域在属于所述每个物体类别时的位置进行调整；

所述根据所述每个检测区域属于所述每个物体类别的概率，对所述每个物体类别包含的N个检测区域进行非最大值抑制，得到所述每个物体类别的最佳检测区域，包括：

根据所述每个检测区域属于所述每个物体类别的概率，以及根据所述每个检测区域在属于所述每个物体类别时调整后的位置，对所述每个物体类别包含的调整后的N个检测区域进行非最大值抑制，得到所述每个物体类别的最佳检测区域。

可选的，所述对所述每个检测区域在属于所述每个物体类别时的位置进行调整，包括：

计算所述每个检测区域在属于所述每个物体类别时的位置调整量；

根据所述每个检测区域在属于所述每个物体类别时的位置调整量，对所述每个检测区域在属于所述每个物体类别时的位置进行调整。

可选的，所述根据所述每个检测区域属于所述每个物体类别的概率，对所述每个物体类别包含的N个检测区域进行非最大值抑制，得到所述每个物体类别的最佳检测区域，包括：

计算第i个物体类别包含的其中两个检测区域的交集和并集的商，其中，i的取值为1-M；

判断所述两个检测区域的交集和并集的商是否大于第二阈值；

当所述两个检测区域的交集和并集的商大于所述第二阈值时，去掉所述两个检测区域中属于所述第i个物体类别的概率较小的检测区域；

返回执行所述计算所述第i个物体类别包含的其中两个检测区域的交集和并集的商的步骤，直到所述第i个物体类别剩余一个检测区域，则确定所述剩余的检测区域为所述第i个物体类别的最佳检测区域。

可选的，所述根据预设的检测区域生成规则为输入的待检测图片生成N个检测区域之前，还包括：

接收训练集中的训练图片、所述训练图片的每个物体的实际位置和实际类别，所述训练集中包括多张训练图片；

检测所述训练图片中的每个物体的预测位置和预测类别；

根据所述训练图片中的每个物体的实际位置、实际类别、预测位置和预测类别构建损失函数；

采用随机梯度下降法求解所述损失函数的最优解，根据所述最优解调整所述卷积神经网络。

根据本公开实施例的第二方面，提供一种图片检测的装置，所述装置应用在卷积神经网络中，包括：

生成模块，被配置为根据预设的检测区域生成规则为输入的待检测图片生成N个检测区域，N为大于或等于1的整数；

计算模块，被配置为计算所述N个检测区域中的每个检测区域分别属于M个物体类别中每个物体类别的概率，M为大于或等于1的整数；

抑制模块，被配置为根据所述每个检测区域属于所述每个物体类别的概率，对所述每个物体类别包含的N个检测区域进行非最大值抑制，得到所述每个物体类别的最佳检测区域；

确定模块，被配置为从所述M个物体类别的最佳检测区域中确定概率大于第一阈值的最佳检测区域属于的物体类别为所述待检测图片包含的物体类别。

可选的，所述装置还包括：

第一调整模块，被配置为对所述每个检测区域在属于所述每个物体类别时的位置进行调整；

所述抑制模块包括：

第一抑制子模块，被配置为根据所述每个检测区域属于所述每个物体类别的概率，以及根据所述每个检测区域在属于所述每个物体类别时调整后的位置，对所述每个物体类别包含的调整后的N个检测区域进行非最大值抑制，得到所述每个物体类别的最佳检测区域。

可选的，所述第一调整模块包括：

第一计算子模块，被配置为计算所述每个检测区域在属于所述每个物体类别时的位置调整量；

位置调整子模块，被配置为根据所述每个检测区域在属于所述每个物体类别时的位置调整量，对所述每个检测区域在属于所述每个物体类别时的位置进行调整。

可选的，所述抑制模块包括：

第二计算子模块，被配置为计算第i个物体类别包含的其中两个检测区域的交集和并集的商，其中，i的取值为1-M；

判断子模块，被配置为判断所述两个检测区域的交集和并集的商是否大于第二阈值；

第二抑制子模块，被配置为当所述两个检测区域的交集和并集的商大于所述第二阈值时，去掉所述两个检测区域中属于所述第i个物体类别的概率较小的检测区域；

确定子模块，被配置为指示所述第三计算子模块执行所述计算所述第i个物体类别包含的其中两个检测区域的交集和并集的商的步骤，直到所述第i个物体类别剩余一个检测区域，则确定所述剩余的检测区域为所述第i个物体类别的最佳检测区域。

可选的，所述装置还包括：

接收模块，被配置为接收训练集中的训练图片、所述训练图片的每个物体的实际位置和实际类别，所述训练集中包括多张训练图片；

检测模块，被配置为检测所述训练图片中的每个物体的预测位置和预测类别；

构建模块，被配置为根据所述训练图片中的每个物体的实际位置、实际类别、预测位置和预测类别构建损失函数；

第二调整模块，被配置为采用随机梯度下降法求解所述损失函数的最优解，根据所述最优解调整所述卷积神经网络。

根据本公开实施例的第三方面，提供一种图片检测的装置，包括：

存储器；

被配置为存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

根据预设的检测区域生成规则为输入的待检测图片生成N个检测区域，N为大于或等于1的整数；

计算所述N个检测区域中的每个检测区域分别属于M个物体类别中每个物体类别的概率，M为大于或等于1的整数；

根据所述每个检测区域属于所述每个物体类别的概率，对所述每个物体类别包含的N个检测区域进行非最大值抑制，得到所述每个物体类别的最佳检测区域；

从所述M个物体类别的最佳检测区域中确定概率大于第一阈值的最佳检测区域属于的物体类别为所述待检测图片包含的物体类别。

本公开的实施例提供的技术方案可以包括以下有益效果：通过根据预设的检测区域生成规则为输入的待检测图片生成N个检测区域，计算每个检测区域分别属于M个物体类别中每个物体类别的概率，根据每个检测区域属于每个物体类别的概率，对每个物体类别包含的N个检测区域进行非最大值抑制，得到每个物体类别的最佳检测区域，从M个物体类别的最佳检测区域中确定概率大于第一阈值的最佳检测区域属于的物体类别为待检测图片包含的物体类别。所述方法中，通过预先设置检测区域生成规则，根据检测区域生成规则为待检测图片生成检测区域，节省了候选区域的提取的时间，加快了图片检测的速率。另外，通过卷积神经网络识别物体类别，也能够提高图片检测的准确率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的一种图片检测的方法的流程图。

图2为待检测图片的检测区域的一种示意图。

图3为卷积神经网络系统的一个示意图。

图4为非极大值抑制的示意图。

图5是根据一示例性实施例示出的一种图片检测的方法的流程图。

图6是根据一示例性实施例示出的一种图片检测的方法的流程图。

图7是根据一示例性实施例示出的一种图片检测的装置的框图。

图8是根据一示例性实施例示出的一种图片检测的装置的框图。

图9是根据一示例性实施例示出的一种图片检测的装置的框图。

图10是根据一示例性实施例示出的一种图片检测的装置的框图。

图11是根据一示例性实施例示出的一种图片检测的装置的框图。

图12是根据一示例性实施例示出的一种图片检测的装置的实体框图。

图13是根据一示例性实施例示出的一种图片检测的装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种图片检测的方法的流程图，该方法应用于在卷积神经网络(convolutional neural networks，简称CNN)中，如图1所示，该方法包括以下步骤。

在步骤S101中，根据预设的检测区域生成规则为输入的待检测图片生成N个检测区域，N为大于或等于1的整数。

检测区域生成规则是预先定义好的，检测区域的生成规则例如是：每隔i个像素取一个锚点(x,y)，i为大于或等于2的整数，然后以该锚点(x,y)作为检测区域的左上角坐标，生成j个检测区域(x,y,w,h)，即为每个锚点生成j个检测区域。该检测区域生成规则还定义了j个检测区域的宽度w和高度h，其中，j个检测区域的宽度w和高度h各不相同，j为大于或等于1的整数。

在进行图片检测时，在卷积神经网络系统的输入端输入待检测的图片，卷积神经网络系统根据待检测图片的大小和该检测区域生成规程生成N个检测区域。具体的，假设检测区域生成规则规定每隔16个像素取一个锚点，每个锚点对应生成4个检测区域，则从待检测图片的左上角开始先选取一个初始锚点((x₀,y₀)，以该初始锚点(x₀,y₀)为检测区域的左上角生成4个检测区域((x₀,y₀，w₀,h₀)、(x₀,y₀，w₁,h₁)、(x₀,y₀，w₂,h₂)和(x₀,y₀，w₃,h₃)。然后间隔16个像素得到下一个锚点((x₀+16,y₀+16)，以该锚点(x₀+16,y₀+16)为检测区域的左上角生成4个检测区域(x₀+16,y₀+16，w₀+16,h₀+16)、(x₀+16,y₀+16，w₁+16,h₁+16)、(x₀+16,y₀+16，w₂+16,h₂+16)和(x₀+16,y₀+16，w₃+16,h₃+16)，以此类推，最终生成待检测图片的N个检测区域。

图2为待检测图片的检测区域的一种示意图，如图2所示，图2中的各个矩形框分别表示一个检测区域，检测区域之间互相有重叠。

本实施例中，通过预先设置检测区域生成规则，根据检测区域生成规则为待检测图片生成检测区域，避免了候选区域的提取，候选区域提取比较复杂，并且占用较长的时间，采用检测区域生成规则生成检测区域，实现较简单，并且节省了提取候选区域的时间，从而可以提高图片检测的效率。

在步骤S102中，计算该N个检测区域中的每个检测区域分别属于M个物体类别中每个物体类别的概率。

该卷积神经网络预先定了物体类别，物体类别例如是：人、树、房子、动物、电脑、电话、桌子、椅子等类别。对于每个检测区域，需要分别计算该检测区域属于M个物体类别的概率，每个检测区域属于每个物体类别的概率表示该检测区域属于该物体类别的可能性，某个检测区域属于某个物体类别的概率越大，说明该检测区域中存在该物体类别的可能性越大。本实施例中，卷积神经网络可以是一个全卷积网络，也就是卷积神经网络只有卷积层和池化层，没有全连接层，所以该卷积神经网络可以在不缩减图片的前提下处理任意尺寸的图片，卷积层用户对输入的特征进行卷积处理，池化层用户对特征进行下采样。在一个示例中，该卷积神经网络系统采用6个卷积层组成：卷积层1、卷积层2、卷积层3、卷积层4、卷积层5和卷积层6，图3为卷积神经网络系统的一个示意图，各卷积层的大小可以分别为96x3x3、192x3x3、256x3x3、512x3x3、256x3x3、25x1x1，其中，卷积层1至卷积层4后面设置有池化层(图3中未示出)，池化层用于对特征进行下采样。通过卷积神经网络，最终得到每个检测区域属于每个物体类别的概率。

在步骤S103中，根据每个检测区域属于每个物体类别的概率，对每个物体类别包含的N个检测区域进行非最大值抑制，得到每个物体类别的最佳检测区域。

非极大值抑制就是把非极大值过滤掉，在图片检测中非极大值抑制应用十分广泛，主要目的是为了消除多余的框，找到最佳的物体检测的位置。图4为非极大值抑制的示意图，如图4所示，图中每个框表示一个检测区域，图中各个检测区域中都检测到了汽车，但是有些检测区域只能检测到汽车的一个部分，例如，检测区域1内只能检测到汽车的轮胎，检测区域2内只能检测到汽车的车窗。非最大值抑制的目的是找到一个最能表达汽车的检测区域，如图4所示，通过非最大值抑制最终找到的最佳检测区域能够完全包括汽车。

具体可以采用如下方式确定每个物体类别的最佳检测区域：首先计算第i个物体类别包含的其中两个检测区域的交集和并集的商(intersection-over-union，简称IOU)，其中，i的取值为1-M，i的初始值可以为1，然后，判断该两个检测区域的交集和并集的商是否大于第二阈值，可选的，该第二阈值的取值为0.5，其中，两个检测区域的交集和并集的商越大，说明两个检测区域的重合面积越大。当所述两个检测区域的交集和并集的商大于该第二阈值时，进一步比较两个检测区域属于第i个物体类别的概率的大小，去掉两个检测区域中属于第i个物体类别的概率较小的检测区域。其次，返回执行计算第i个物体类别包含的其中两个检测区域的交集和并集的商的步骤，其中，每执行一次会去掉一个检测区域，通过多次执行上述步骤，直到第i个物体类别剩余一个检测区域，则确定该剩余的检测区域为第i个物体类别的最佳检测区域。每确定出一个物体类别的最佳检测区域后，将i的取值加1，计算下一个物体类别的最佳检测区域。

在步骤S104中，从M个物体类别的最佳检测区域中确定概率大于第一阈值的最佳检测区域属于的物体类别为待检测图片包含的物体类别。

在确定每个物体类别的最佳检测区域后，判断各最佳检测区域属于物体类别的概率是否大于第一阈值，可选的，该第一阈值为0.5，如果某个最佳区域属于某个物体类别的概率大于该第一阈值，则确定该待检测图片中包含该物体类别。

本实施例的方法，通过根据预设的检测区域生成规则为输入的待检测图片生成N个检测区域，计算每个检测区域分别属于M个物体类别中每个物体类别的概率，根据每个检测区域属于每个物体类别的概率，对每个物体类别包含的N个检测区域进行非最大值抑制，得到每个物体类别的最佳检测区域，从M个物体类别的最佳检测区域中确定概率大于第一阈值的最佳检测区域属于的物体类别为待检测图片包含的物体类别。所述方法中，通过预先设置检测区域生成规则，根据检测区域生成规则为待检测图片生成检测区域，节省了候选区域的提取的时间，加快了图片检测的速率。另外，通过卷积神经网络识别物体类别，也能够提高图片检测的准确率。

图5是根据一示例性实施例示出的一种图片检测的方法的流程图，本实施例在上述图1所示实施例的基础上，还对每个检测区域属于每个物体类别时的位置进行调整，如图5所示，本实施例的方法包括以下步骤。

在步骤S201中，根据预设的检测区域生成规则为输入的待检测图片生成N个检测区域，N为大于或等于1的整数。

在步骤S202中，计算N个检测区域中的每个检测区域分别属于M个物体类别中每个物体类别的概率，以及计算每个检测区域在属于每个物体类别时的位置调整量，M为大于或等于1的整数。

本实施例中，由于检测区域生成规则是预先设置的，根据检测区域生成规则生成的检测区域可能不能完全覆盖一个物体，如果检测区域不准确，可能会影响后续的检测结果，所以本实施例中卷积神经网络需要对检测区域的位置进行调整。该位置调整量可以表示为(Δx,Δy,Δw,Δh)，其中，Δx、Δy、Δw、Δh的取值可以为正数、负数和0。在通过卷积神经网络计算时，只要输入待检测图片，可以同时得到每个检测区域属于每个物体类别的概率以及每个检测区域在属于每个物体类别时的位置调整量。

在步骤S203中，根据每个检测区域在属于每个物体类别时的位置调整量，对每个检测区域在属于所述每个物体类别时的位置进行调整。

假设某个检测区域的位置为(x,y,w,h)，该检测区域在属于某个物体类别时的位置调整量为Δx、Δy、Δw、Δh，则某个检测区域调整后的位置为(x+Δx,y+Δy,w+Δw,h+Δh)。通过位置调整，使得检测区域尽可能完整的覆盖一个物体。

在步骤S204中，根据每个检测区域属于每个物体类别的概率，以及根据每个检测区域在属于每个物体类别时调整后的位置，对每个物体类别包含的调整后的N个检测区域进行非最大值抑制，得到每个物体类别的最佳检测区域。

在步骤S205中，从M个物体类别的最佳检测区域中确定概率大于第一阈值的最佳检测区域属于的物体类别为待检测图片包含的物体类别。

其中，步骤S201、S204和S205的具体实现方式可参照图1所示实施例的相关描述，这里不再赘述。

本实施例的方法，卷积神经网络在计算每个检测区域分别属于每个物体类别的概率时，同时会计算每个检测区域属于每个物体类别时的位置调整量，并根据每个检测区域在属于每个物体类别时的位置调整量，对每个检测区域在属于每个物体类别时的位置进行调整，使得检测区域能够尽可能的覆盖一个类别的物体，以提高后续对物体类别识别的准确性。

图6是根据一示例性实施例示出的一种图片检测的方法的流程图，本实施例在上述图1和图5所示实施例的基础上，说明卷积神经网络的训练过程，如图6所示，本实施例的方法包括以下步骤。

在步骤S301中，接收训练集中的训练图片、该训练图片的每个物体的实际位置和实际类别，该训练集中包括多张训练图片。

该训练集中包括预先搜集的大量训练图片，并且人工对每张训练进行了标定，训练图片中可能包括一个或多个物体，具体标定了每张训练图片包括的每个物体的实际位置和实际类别，人工标定的物体的实际位置和实际类别是准确的。

在步骤S302中，检测该训练图片中的每个物体的预测位置和预测类别。

该训练图片的预测位置和预测类别的检测方法采用上述图1和图5所示实施例的方法这里不再赘述。

在步骤S303中，根据该训练图片中的每个物体的实际位置、实际类别、预测位置和预测类别构建损失函数。

采用卷积神经网络检测得到的该训练图片中的每个物体的预测位置和预测类别可能和每个物体的实际位置和实际类别有偏差，因此，本实施例中根据该训练图片中的每个物体的实际位置、实际类别、预测位置和预测类别构建损失函数，该损失函数表示检测得到的预测值与实际的真实值之间存在的误差。该损失函数例如是L＝L_class+αL_localization，其中，L_class表示实际类别和预测类别之间的误差，L_localization表示预测位置和真实位置之间的误差，α表示两种误差之间相对的权重，其中，L_class和L_localization可以采用已有的算法，这里不再详细介绍。

在步骤S304中，采用随机梯度下降法求解该损失函数的最优解，根据该最优解调整卷积神经网络。

具体的，卷积神经网络系统根据该最优解可以得到卷积神经网络的调整后的权重矩阵和偏置等参数，从而优化该卷积神经网络系统。通过对该训练集中的每张训练图片进行上述的训练过程，最终得到该卷积神经网络。

本实施例的方法，接收训练集中的训练图片、训练图片的每个物体的实际位置和实际类别，进而检测训练图片中的每个物体的预测位置和预测类别，根据训练图片中的每个物体的实际位置、实际类别、预测位置和预测类别构建损失函数，采用随机梯度下降法求解该损失函数的最优解，根据该最优解调整卷积神经网络，通过对训练集中的多张训练图片进行训练，得到卷积神经网络，后续根据该卷积神经网络进行图片检测。

图7是根据一示例性实施例示出的一种图片检测的装置的框图。如图7所示，本实施例的装置包括生成模块11、计算模块12、抑制模块13和确定模块14。

生成模块11，被配置为根据预设的检测区域生成规则为输入的待检测图片生成N个检测区域，N为大于或等于1的正整数；

计算模块12，被配置为计算所述N个检测区域中的每个检测区域分别属于M个物体类别中每个物体类别的概率，M为大于或等于1的正整数；

抑制模块13，被配置为根据所述每个检测区域属于所述每个物体类别的概率，对所述每个物体类别包含的N个检测区域进行非最大值抑制，得到所述每个物体类别的最佳检测区域；

确定模块14，被配置为从所述M个物体类别的最佳检测区域中确定概率大于第一阈值的最佳检测区域属于的物体类别为所述待检测图片包含的物体类别。

图8是根据一示例性实施例示出的一种图片检测的装置的框图。如图8所示，在图7所示装置的基础上，所述装置还包括第一调整模块15。

第一调整模块15，被配置为对所述每个检测区域在属于所述每个物体类别时的位置进行调整；

所述抑制模块13包括：

第一抑制子模块131，被配置为根据所述每个检测区域属于所述每个物体类别的概率，以及根据所述每个检测区域在属于所述每个物体类别时调整后的位置，对所述每个物体类别包含的调整后的N个检测区域进行非最大值抑制，得到所述每个物体类别的最佳检测区域。

图9是根据一示例性实施例示出的一种图片检测的装置的框图。如图9所示，在图8所示装置的基础上，第一调整模块15包括第一计算子模块151和位置调整子模块152。

其中，第一计算子模块151，被配置为计算所述每个检测区域在属于所述每个物体类别时的位置调整量；

位置调整子模块152，被配置为根据所述每个检测区域在属于所述每个物体类别时的位置调整量，对所述每个检测区域在属于所述每个物体类别时的位置进行调整。

图10是根据一示例性实施例示出的一种图片检测的装置的框图。如图10所示，在图7所示装置的基础上，抑制模块13包括：第二计算子模块132、判断子模块133、第二抑制子模块134和确定子模块135。

第二计算子模块132，被配置为计算第i个物体类别包含的其中两个检测区域的交集和并集的商，其中，i的取值为1-M；

判断子模块133，被配置为判断所述两个检测区域的交集和并集的商是否大于第二阈值；

第二抑制子模块134，被配置为当所述两个检测区域的交集和并集的商大于所述第二阈值时，去掉所述两个检测区域中属于所述第i个物体类别的概率较小的检测区域；

确定子模块135，被配置为指示所述第三计算子模块执行所述计算所述第i个物体类别包含的其中两个检测区域的交集和并集的商的步骤，直到所述第i个物体类别剩余一个检测区域，则确定所述剩余的检测区域为所述第i个物体类别的最佳检测区域。

图11是根据一示例性实施例示出的一种图片检测的装置的框图。如图11所示，在图7所示装置的基础上，所述装置还包括：接收模块16、检测模块17、构建模块18和第二调整模块19。

接收模块16，被配置为接收训练集中的训练图片、所述训练图片的每个物体的实际位置和实际类别，所述训练集中包括多张训练图片；

检测模块17，被配置为检测所述训练图片中的每个物体的预测位置和预测类别；

构建模块18，被配置为根据所述训练图片中的每个物体的实际位置、实际类别、预测位置和预测类别构建损失函数；

第二调整模块19，被配置为采用随机梯度下降法求解所述损失函数的最优解，根据所述最优解调整所述卷积神经网络。

图12是根据一示例性实施例示出的一种图片检测的装置的实体框图，如图12所示，该装置包括：处理器21和用于存储处理器21可执行指令的存储器22，存储器22通过系统总线与处理器21连接并通信。

其中，处理器21被配置为：

根据预设的检测区域生成规则为输入的待检测图片生成N个检测区域，N为大于或等于1的正整数；

计算所述N个检测区域中的每个检测区域分别属于M个物体类别中每个物体类别的概率，M为大于或等于1的正整数；

根据所述每个检测区域属于所述每个物体类别的概率，对所述每个物体类别包含的N个检测区域进行非最大值抑制，得到所述每个物体类别的最佳检测区域；

从所述M个物体类别的最佳检测区域中确定概率大于第一阈值的最佳检测区域属于的物体类别为所述待检测图片包含的物体类别。

在上述图片检测的装置的实体实施例中，应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application SpecificIntegrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，而前述的存储器可以是只读存储器(英文：read-only memory，缩写：ROM)、随机存取存储器(英文：random access memory，简称：RAM)、快闪存储器、硬盘或者固态硬盘。结合本发明实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

图13是根据一示例性实施例示出的一种图片检测的装置的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图13，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到设备800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述图1、图5和图6所示的图片检测的方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述图1、图5和图6所示的图片检测的方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

一种非临时性计算机可读存储介质，当所述存储介质中的指令由图片检测的装置的处理器执行时，使得图片检测的装置能够执行上述图1、图5和图6所示的图片检测的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求书指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求书来限制。

Claims (11)

1.一种图片检测的方法，其特征在于，所述方法应用在卷积神经网络中，包括：

根据预设的检测区域生成规则为输入的待检测图片生成N个检测区域，N为大于或等于1的整数；

计算所述N个检测区域中的每个检测区域分别属于M个物体类别中每个物体类别的概率，M为大于或等于1的整数；

根据所述每个检测区域属于所述每个物体类别的概率，对所述每个物体类别包含的N个检测区域进行非最大值抑制，得到所述每个物体类别的最佳检测区域；

从所述M个物体类别的最佳检测区域中确定概率大于第一阈值的最佳检测区域属于的物体类别为所述待检测图片包含的物体类别。

2.根据权利要求1所述的方法，其特征在于，还包括：

对所述每个检测区域在属于所述每个物体类别时的位置进行调整；

所述根据所述每个检测区域属于所述每个物体类别的概率，对所述每个物体类别包含的N个检测区域进行非最大值抑制，得到所述每个物体类别的最佳检测区域，包括：

根据所述每个检测区域属于所述每个物体类别的概率，以及根据所述每个检测区域在属于所述每个物体类别时调整后的位置，对所述每个物体类别包含的调整后的N个检测区域进行非最大值抑制，得到所述每个物体类别的最佳检测区域。

3.根据权利要求2所述的方法，其特征在于，所述对所述每个检测区域在属于所述每个物体类别时的位置进行调整，包括：

计算所述每个检测区域在属于所述每个物体类别时的位置调整量；

根据所述每个检测区域在属于所述每个物体类别时的位置调整量，对所述每个检测区域在属于所述每个物体类别时的位置进行调整。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述每个检测区域属于所述每个物体类别的概率，对所述每个物体类别包含的N个检测区域进行非最大值抑制，得到所述每个物体类别的最佳检测区域，包括：

计算第i个物体类别包含的其中两个检测区域的交集和并集的商，其中，i的取值为1-M；

判断所述两个检测区域的交集和并集的商是否大于第二阈值；

当所述两个检测区域的交集和并集的商大于所述第二阈值时，去掉所述两个检测区域中属于所述第i个物体类别的概率较小的检测区域；

返回执行所述计算所述第i个物体类别包含的其中两个检测区域的交集和并集的商的步骤，直到所述第i个物体类别剩余一个检测区域，则确定所述剩余的检测区域为所述第i个物体类别的最佳检测区域。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述根据预设的检测区域生成规则为输入的待检测图片生成N个检测区域之前，还包括：

接收训练集中的训练图片、所述训练图片的每个物体的实际位置和实际类别，所述训练集中包括多张训练图片；

检测所述训练图片中的每个物体的预测位置和预测类别；

根据所述训练图片中的每个物体的实际位置、实际类别、预测位置和预测类别构建损失函数；

采用随机梯度下降法求解所述损失函数的最优解，根据所述最优解调整所述卷积神经网络。

6.一种图片检测的装置，其特征在于，所述装置应用在卷积神经网络中，所述装置包括：

生成模块，被配置为根据预设的检测区域生成规则为输入的待检测图片生成N个检测区域，N为大于或等于1的整数；

计算模块，被配置为计算所述N个检测区域中的每个检测区域分别属于M个物体类别中每个物体类别的概率，M为大于或等于1的整数；

抑制模块，被配置为根据所述每个检测区域属于所述每个物体类别的概率，对所述每个物体类别包含的N个检测区域进行非最大值抑制，得到所述每个物体类别的最佳检测区域；

确定模块，被配置为从所述M个物体类别的最佳检测区域中确定概率大于第一阈值的最佳检测区域属于的物体类别为所述待检测图片包含的物体类别。

7.根据权利要求6所述的装置，其特征在于，还包括：

第一调整模块，被配置为对所述每个检测区域在属于所述每个物体类别时的位置进行调整；

所述抑制模块包括：

第一抑制子模块，被配置为根据所述每个检测区域属于所述每个物体类别的概率，以及根据所述每个检测区域在属于所述每个物体类别时调整后的位置，对所述每个物体类别包含的调整后的N个检测区域进行非最大值抑制，得到所述每个物体类别的最佳检测区域。

8.根据权利要求7所述的装置，其特征在于，所述第一调整模块包括：

第一计算子模块，被配置为计算所述每个检测区域在属于所述每个物体类别时的位置调整量；

位置调整子模块，被配置为根据所述每个检测区域在属于所述每个物体类别时的位置调整量，对所述每个检测区域在属于所述每个物体类别时的位置进行调整。

9.根据权利要求6-8任一项所述的装置，其特征在于，所述抑制模块包括：

第二计算子模块，被配置为计算第i个物体类别包含的其中两个检测区域的交集和并集的商，其中，i的取值为1-M；

判断子模块，被配置为判断所述两个检测区域的交集和并集的商是否大于第二阈值；

第二抑制子模块，被配置为当所述两个检测区域的交集和并集的商大于所述第二阈值时，去掉所述两个检测区域中属于所述第i个物体类别的概率较小的检测区域；

确定子模块，被配置为指示所述第三计算子模块执行所述计算所述第i个物体类别包含的其中两个检测区域的交集和并集的商的步骤，直到所述第i个物体类别剩余一个检测区域，则确定所述剩余的检测区域为所述第i个物体类别的最佳检测区域。

10.根据权利要求6-9任一项所述的装置，其特征在于，还包括：

接收模块，被配置为接收训练集中的训练图片、所述训练图片的每个物体的实际位置和实际类别，所述训练集中包括多张训练图片；

检测模块，被配置为检测所述训练图片中的每个物体的预测位置和预测类别；

构建模块，被配置为根据所述训练图片中的每个物体的实际位置、实际类别、预测位置和预测类别构建损失函数；

第二调整模块，被配置为采用随机梯度下降法求解所述损失函数的最优解，根据所述最优解调整所述卷积神经网络。

11.一种图片检测的装置，其特征在于，所述装置应用在卷积神经网络中，所述装置包括：

存储器；

被配置为存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

根据预设的检测区域生成规则为输入的待检测图片生成N个检测区域，N为大于或等于1的整数；

计算所述N个检测区域中的每个检测区域分别属于M个物体类别中每个物体类别的概率，M为大于或等于1的整数；

根据所述每个检测区域属于所述每个物体类别的概率，对所述每个物体类别包含的N个检测区域进行非最大值抑制，得到所述每个物体类别的最佳检测区域；

从所述M个物体类别的最佳检测区域中确定概率大于第一阈值的最佳检测区域属于的物体类别为所述待检测图片包含的物体类别。