CN109359683A - 目标检测方法、装置、终端和计算机可读存储介质 - Google Patents

Abstract

本发明提出一种目标检测方法、装置以及终端，所述方法包括：获取多个训练图片集合，各训练图片集合分别对应不同类别的检测任务标签；根据检测任务标签分别对各训练图片集合中的图片进行特征提取，得到多个检测任务特征；利用各检测任务特征分别训练得到多个目标检测器；利用各目标检测器对待测图片进行目标检测。对待测图片能够同时检测多个检测目标，提高了检测效率，目标检测效果好，同时减少了人工标注训练图片带来的成本。

Description

目标检测方法、装置、终端和计算机可读存储介质

技术领域

本发明涉及目标检测技术领域，尤其涉及一种目标检测方法、装置、终端和计算机可读存储介质。

背景技术

目前，对来自异源的训练数据进行多类目标训练时，往往存在特征标注缺失的问题。要解决此类问题，目前的方法有三种，第一种，人工补齐缺失的标注，但是额外的标注成本太高。第二种，当作没有缺失正常训练两类检测模型，由于训练数据标注缺失，检测模型效果比较差，监督学习效果不好。第三种，分别训练两个单独的检测器，比如训练A，B两类检测器，训练数据D1只标注特征A没有标注特征B，训练数据D2只标注特征B没有标注特征A。训练两个单独的检测器，耗时成本高。

在背景技术中公开的上述信息仅用于加强对本发明的背景的理解，因此其可能包含没有形成为本领域普通技术人员所知晓的现有技术的信息。

发明内容

本发明实施例提供一种目标检测方法、装置、终端和计算机可读存储介质，以解决现有技术中的一个或多个技术问题。

第一方面，本发明实施例提供了一种目标检测方法，包括：

获取多个训练图片集合，各所述训练图片集合分别对应不同类别的检测任务标签；

根据所述检测任务标签分别对各所述训练图片集合中的图片进行特征提取，得到多个检测任务特征；

利用各所述检测任务特征分别训练得到多个目标检测器；

利用各所述目标检测器对待测图片进行目标检测。

在一种实施方式中，获取多个训练图片集合，包括：

获取多个训练图片，每个所述训练图片中标注有对应的检测任务标签；

根据所述检测任务标签的类别对所述训练图片进行分类，得到多个所述训练图片集合。

在一种实施方式中，根据所述检测任务标签分别对各所述训练图片集合中的图片进行特征提取，得到多个检测任务特征，包括：

将各所述训练图片集合中的图片输入至主干网络模型中，提取全图特征；

根据不同类别的所述检测任务标签提取所述全图特征中的多个检测任务特征。

在一种实施方式中，利用各所述目标检测器对待测图片进行目标检测，包括：

利用各所述目标检测器同时对所述待测图片进行目标检测，在所述待测图片中标识出多个检测目标。

第二方面，本发明实施例提供了一种目标检测装置，包括：

训练图片集合获取模块，用于获取多个训练图片集合，各所述训练图片集合分别对应不同类别的检测任务标签；

检测任务特征提取模块，用于根据所述检测任务标签分别对各所述训练图片集合中的图片进行特征提取，得到多个检测任务特征；

目标检测器训练模块，用于利用各所述检测任务特征分别训练得到多个目标检测器；

目标检测模块，用于利用各所述目标检测器对待测图片进行目标检测。

在一种实施方式中，所述训练图片集合获取模块包括：

检测任务标注单元，用于获取多个训练图片，每个所述训练图片中标注有对应的所述检测任务标签；

训练图片分类单元，用于根据所述检测任务标签的类别对所述训练图片进行分类，得到多个所述训练图片集合。

在一种实施方式中，所述检测任务特征提取模块包括：

全图特征提取单元，用于将各所述训练图片集合中的图片输入至主干网络模型中，提取全图特征；

检测任务特征提取单元，根据不同类别的所述检测任务标签提取所述全图特征中的多个检测任务特征。

在一种实施方式中，所述目标检测模块包括：

目标检测单元，用于利用各所述目标检测器同时对所述待测图片进行目标检测；

检测目标标识单元，用于在所述待测图片中标识出多个检测目标。

在一个可能的设计中，目标检测终端的结构中包括处理器和存储器，所述存储器用于存储支持目标检测终端执行上述第一方面中目标检测方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。目标检测终端还可以包括通信接口，用于目标检测终端与其他设备或通信网络通信。

第三方面，本发明实施例提供了一种计算机可读存储介质，用于存储目标检测终端所用的计算机软件指令，其包括用于执行上述第一方面中目标检测方法为目标检测终端所涉及的程序。

上述技术方案中的一个技术方案具有如下优点或有益效果：对待测图片能够同时检测多个检测目标，提高了检测效率，目标检测效果好，同时减少了人工标注训练图片带来的成本。

上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本发明进一步的方面、实施方式和特征将会是容易明白的。

附图说明

在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本发明公开的一些实施方式，而不应将其视为是对本发明范围的限制。

图1为本发明实施方式提供的目标检测方法的流程图。

图2为本发明实施方式提供的目标检测器训练流程示意图。

图3为本发明实施方式提供的目标检测装置结构示意图。

图4为本发明实施方式提供的目标检测终端结构示意图。

具体实施方式

在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。

实施例一

如图1所示，在一种具体实施方式中，提供了一种目标检测方法，包括以下步骤：

步骤S100：获取多个训练图片集合，各训练图片集合分别对应不同类别的检测任务标签。

在训练阶段，每个训练图片集合中包括多个训练图片。同一个训练图片集合中每个训练图片都标注有相同的检测任务标签。不同的训练图片集合对应不同类别的检测任务标签。在一种示例中，训练图片集合E1中包含的图片都标注了检测任务标签A，训练图片集合E2中包含的图片都标注了检测任务标签B。训练图片集合E1用来训练与检测任务标签A对应的第一检测目标的检测能力，训练图片集合E2用来训练检测与任务标签B对应的第二检测目标的检测能力。

当然，训练图片集合的数量不做具体限定，根据实际情况进行调整，均在本实施例的保护范围内。

步骤S200：根据检测任务标签分别对各训练图片集合中的图片进行特征提取，得到多个检测任务特征。

在一种示例中，如图2所示，共同输入训练图片集合E1和训练图片集合E2至主干网络模型100中，进行特征提取。主干网络模型100的提取特征过程可参考神经网络提取特征原理，在此不再赘述。训练图片集合E1对应检测任务特征C1，训练图片集合E2对应检测任务特征C2。

步骤S300：利用各检测任务特征分别训练得到多个目标检测器。

每个检测任务特征对应训练得到对应的目标检测器。在一种示例中，如图2所示，利用检测任务特征C1训练得到第一目标检测器101，利用检测任务特征C2训练得到的第二目标检测器102。当然，训练得到的目标检测器的个数包括但不限于两个，根据检测任务特征的类别进行确定，均在本实施例的保护范围内。

步骤S400：利用各目标检测器对待测图片进行目标检测。

在测试阶段，训练得到的多个目标检测器同时对待测图片进行检测，能够同时检测到多个检测目标。其中，检测目标可以是测试图片上的多个物体的位置，例如，人的位置、车的位置、停车牌的位置等。对待测图片能够同时检测多个检测目标，提高了检测效率，同时减少了人工标注训练图片带来的成本，目标任务检测效果好。

在一种实施例中，获取多个训练图片集合，包括：

获取多个训练图片，每个训练图片中标注有对应的检测任务标签；

根据检测任务标签的类别对训练图片进行分类，得到多个训练图片集合。

其中，根据训练图片中标注的对象标注对应的检测任务标签。标注后的训练图片因为检测任务标签可能各不相同，均属于部分缺失标注的图片。根据检测任务标签的类别对训练图片进行分类，得到多个训练图片集合。训练图片集合中之间对应的检测任务标签不同，同一训练图片集合中的图片对应的检测任务标签相同。

在一种实施例中，根据检测任务标签分别对各训练图片集合中的图片进行特征提取，得到多个检测任务特征，包括：

将各训练图片集合中的图片输入至主干网络模型中，提取全图特征；

根据不同类别的检测任务标签提取全图特征中的多个检测任务特征。

参见图2，将所有的训练图片集合(例如，训练图片集合E1和训练图片E2)共同输入至主干网络模型100中，提取训练图片对应的全图特征。主干网络模型100主要是对图片的特征进行抽取，例如纹理特征，语义特征等对图片进行抽象表达，形成全图特征，以便后续学习检测任务特征。在全图特征中提取与检测任务标签对应的检测任务特征。由于检测任务标签有多个类别，因此，检测任务特征对应有多种。

在一种实施例中，利用各目标检测器对待测图片进行目标检测，包括：

利用各目标检测器同时对待测图片进行目标检测，在待测图片中标识出多个检测目标。在一种示例中，对待测图片进行目标检测时，预测得到测试图片中第一检测目标和第二检测目标的位置。例如，人的位置、车的位置、停车牌的位置等检测目标。其中，第一检测目标和训练图片集合E1中的检测任务标签A对应，第二检测目标和训练图片集合E2中的检测任务标签B对应，解决了因为训练图片的标注缺失，导致的检测效果差的技术问题。

实施例二

如图3所示，在另一种具体实施方式中，提供了一种目标检测装置，包括：

训练图片集合获取模块10，用于获取多个训练图片集合，各训练图片集合分别对应不同类别的检测任务标签；

检测任务特征提取模块20，用于根据检测任务标签分别对各训练图片集合中的图片进行特征提取，得到多个检测任务特征；

目标检测器训练模块30，用于利用各检测任务特征分别训练得到多个目标检测器；

目标检测模块40，用于利用各目标检测器对待测图片进行目标检测。

在一种具体实施方式中，训练图片集合获取模块10包括：

检测任务标注单元，用于获取多个训练图片，每个训练图片中标注有对应的检测任务标签；

训练图片分类单元，用于根据检测任务标签的类别对训练图片进行分类，得到多个所述训练图片集合。

在一种具体实施方式中，检测任务特征提取模块20包括：

全图特征提取单元，用于将各训练图片集合中的图片输入至主干网络模型中，提取全图特征；

检测任务特征提取单元，用于根据不同类别的检测任务标签提取全图特征中的多个检测任务特征。

在一种具体实施方式中，目标检测模块40包括：

目标检测单元，用于利用各目标检测器同时对待测图片进行目标检测；

检测目标标识单元，用于在待测图片中标识出多个检测目标。

实施例三

本发明实施例提供了一种目标检测终端，如图4所示，包括：

存储器400和处理器500，存储器400内存储有可在处理器500上运行的计算机程序。处理器500执行所述计算机程序时实现上述实施例中的目标检测方法。存储器400和处理器500的数量可以为一个或多个。

通信接口600，用于存储器400和处理器500与外部进行通信。

存储器400可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。

如果存储器400、处理器500以及通信接口600独立实现，则存储器400、处理器500以及通信接口600可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(ISA，Industry Standard Architecture)总线、外部设备互连(PCI，PeripheralComponent)总线或扩展工业标准体系结构(EISA，Extended Industry StandardComponent)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

可选的，在具体实现上，如果存储器400、处理器500以及通信接口600集成在一块芯片上，则存储器400、处理器500及通信接口600可以通过内部接口完成相互间的通信。

实施例四

一种计算机可读存储介质，其存储有计算机程序，所述程序被处理器执行时实现如实施例一包括的任一所述的目标检测方法。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。所述存储介质可以是只读存储器，磁盘或光盘等。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种目标检测方法，其特征在于，包括：

获取多个训练图片集合，各所述训练图片集合分别对应不同类别的检测任务标签；

根据所述检测任务标签分别对各所述训练图片集合中的图片进行特征提取，得到多个检测任务特征；

利用各所述检测任务特征分别训练得到多个目标检测器；

利用各所述目标检测器对待测图片进行目标检测。

2.根据权利要求1所述的方法，其特征在于，获取多个训练图片集合，包括：

获取多个训练图片，每个所述训练图片中标注有对应的检测任务标签；

根据所述检测任务标签的类别对所述训练图片进行分类，得到多个所述训练图片集合。

3.根据权利要求1所述的方法，其特征在于，根据所述检测任务标签分别对各所述训练图片集合中的图片进行特征提取，得到多个检测任务特征，包括：

将各所述训练图片集合中的图片输入至主干网络模型中，提取全图特征；

根据不同类别的所述检测任务标签提取所述全图特征中的多个检测任务特征。

4.根据权利要求1至3中任一项所述的方法，其特征在于，利用各所述目标检测器对待测图片进行目标检测，包括：

利用各所述目标检测器同时对所述待测图片进行目标检测，在所述待测图片中标识出多个检测目标。

5.一种目标检测装置，其特征在于，包括：

训练图片集合获取模块，用于获取多个训练图片集合，各所述训练图片集合分别对应不同类别的检测任务标签；

检测任务特征提取模块，用于根据所述检测任务标签分别对各所述训练图片集合中的图片进行特征提取，得到多个检测任务特征；

目标检测器训练模块，用于利用各所述检测任务特征分别训练得到多个目标检测器；

目标检测模块，用于利用各所述目标检测器对待测图片进行目标检测。

6.根据权利要求5所述的装置，其特征在于，所述训练图片集合获取模块包括：

检测任务标注单元，用于获取多个训练图片，每个所述训练图片中标注有对应的所述检测任务标签；

训练图片分类单元，用于根据所述检测任务标签的类别对所述训练图片进行分类，得到多个所述训练图片集合。

7.根据权利要求5所述的装置，其特征在于，所述检测任务特征提取模块包括：

全图特征提取单元，用于将各所述训练图片集合中的图片输入至主干网络模型中，提取全图特征；

检测任务特征提取单元，用于根据不同类别的所述检测任务标签提取所述全图特征中的多个检测任务特征。

8.根据权利要求5至7中任一项所述的装置，其特征在于，所述目标检测模块包括：

目标检测单元，用于利用各所述目标检测器同时对所述待测图片进行目标检测；

检测目标标识单元，用于在所述待测图片中标识出多个检测目标。

9.一种目标检测终端，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至4中任一项所述的方法。

10.一种计算机可读存储介质，其存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至4中任一项所述的方法。