CN110598799A - 一种目标检测结果的评测方法、装置、设备及存储介质 - Google Patents

一种目标检测结果的评测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN110598799A
CN110598799A CN201910891864.XA CN201910891864A CN110598799A CN 110598799 A CN110598799 A CN 110598799A CN 201910891864 A CN201910891864 A CN 201910891864A CN 110598799 A CN110598799 A CN 110598799A
Authority
CN
China
Prior art keywords
result
detection result
image
labeling
image area
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910891864.XA
Other languages
English (en)
Other versions
CN110598799B (zh
Inventor
方露
宋立晨
潘松
王全保
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
iFlytek Co Ltd
Original Assignee
iFlytek Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by iFlytek Co Ltd filed Critical iFlytek Co Ltd
Priority to CN201910891864.XA priority Critical patent/CN110598799B/zh
Publication of CN110598799A publication Critical patent/CN110598799A/zh
Application granted granted Critical
Publication of CN110598799B publication Critical patent/CN110598799B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • G06F18/2193—Validation; Performance evaluation; Active pattern learning techniques based on specific statistical tests
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/759—Region-based matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本申请提出一种目标检测结果的评测方法、装置、设备及存储介质，该方法包括：分别获取对应于待检测图像中的待检测目标的标注结果，以及对应于所述待检测目标的检测结果；其中，所述标注结果和所述检测结果分别包括至少一个图像区域；根据所述检测结果和所述标注结果各自包括的图像区域的数量，确定所述检测结果与所述标注结果的图像区域数量关系；根据所述检测结果与所述标注结果的图像区域数量关系，以及与所述图像区域数量关系对应的评测规则，确定所述检测结果是否与所述标注结果相匹配。上述技术方案实现了对待检测目标的检测结果的评测，并且是自动化的评测。该技术方案的应用可以方便用户对图像目标检测方法的性能进行客观的测评和了解。

Description

一种目标检测结果的评测方法、装置、设备及存储介质
技术领域
本申请涉及图像处理技术领域，尤其涉及一种目标检测结果的评测方法、装置、设备及存储介质。
背景技术
随着图像处理技术的不断进步，越来越多的图像目标检测方法面世并且投入应用。
面对鱼龙混杂的图像目标检测方法，用户需要对图像目标检测方法的性能优劣作出评测，以便有针对性地选择符合需求的图像目标检测方法。
发明内容
基于上述需求，本申请提出一种目标检测结果的评测方法、装置、设备及存储介质，能够实现对图像目标检测结果的评测。
一种目标检测结果的评测方法，包括：
分别获取对应于待检测图像中的待检测目标的标注结果，以及对应于所述待检测目标的检测结果；其中，所述标注结果和所述检测结果分别包括至少一个图像区域；
根据所述检测结果和所述标注结果各自包括的图像区域的数量，确定所述检测结果与所述标注结果的图像区域数量关系；
根据所述检测结果与所述标注结果的图像区域数量关系，以及与所述图像区域数量关系对应的评测规则，确定所述检测结果是否与所述标注结果相匹配；
其中，所述评测规则包括召回率和准确率评测规则，和/或预设的图像区域匹配判断规则，所述图像区域匹配判断规则用于判断所述检测结果所包括的图像区域与所述标注结果所包括的图像区域是否符合预设的匹配规则。
一种目标检测结果的评测装置，包括：
数据获取单元，用于分别获取对应于待检测图像中的待检测目标的标注结果，以及对应于所述待检测目标的检测结果；其中，所述标注结果和所述检测结果分别包括至少一个图像区域；
关系确定单元，用于根据所述检测结果和所述标注结果各自包括的图像区域的数量，确定所述检测结果与所述标注结果的图像区域数量关系；
评测处理单元，用于根据所述检测结果与所述标注结果的图像区域数量关系，以及与所述图像区域数量关系对应的评测规则，确定所述检测结果是否与所述标注结果相匹配；
其中，所述评测规则包括召回率和准确率评测规则，和/或预设的图像区域匹配判断规则，所述图像区域匹配判断规则用于判断所述检测结果所包括的图像区域与所述标注结果所包括的图像区域是否符合预设的匹配规则。
一种目标检测结果的评测设备，包括：
存储器和处理器；
其中，所述存储器与所述处理器连接，用于存储程序；
所述处理器，用于通过运行所述存储器中的程序，实现上述的目标检测结果的评测方法。
一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现上述的目标检测结果的评测方法。
本申请提出的目标检测结果的评测方法，在获取对应同一待检测目标的检测结果和标注结果后，基于检测结果与标注结果各自包括的图像区域的数量关系，采用与该图像区域数量关系对应的召回率和准确率评测规则，和/或图像区域匹配判断规则，来判断检测结果与标注结果是否相匹配，以此作为对检测结果的评测结果。上述处理过程通过将对应同一待检测目标的检测结果与标注结果进行匹配判断，实现了检测结果与标注结果的对比。由于标注结果是对待检测目标在待检测图像中的准确标注，因此上述检测结果与标注结果的对比结果可以充分表示实际检测结果的优劣，即可以作为对实际检测结果的评测结果。即，本申请技术方案实现了对待检测目标的检测结果的评测，并且是自动化的评测。该技术方案的应用可以方便用户对图像目标检测方法的性能进行客观的测评和了解。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1是本申请实施例提供的一种目标检测结果的评测方法的流程示意图；
图2是本申请实施例提供的一种目标检测结果与标注结果示意图；
图3是本申请实施例提供的另一种目标检测结果与标注结果示意图；
图4(a)-图4(c)是本申请实施例分别提供的一对一、多对一、一对多的图像区域数量关系的检测结果和标注结果示意图；
图5是本申请实施例提供的另一种目标检测结果与标注结果示意图；
图6是本申请实施例提供的另一种目标检测结果与标注结果示意图；
图7是本申请实施例提供的标注结果的图像区域与检测结果的图像区域的对应关系示意图；
图8是本申请实施例提供的另一种目标检测结果与标注结果示意图；
图9是本申请实施例提供的最小外接矩形的示意图；
图10是本申请实施例提供的投影直方图的示意图；
图11是本申请实施例提供的多边形图像区域的小区域划分示意图；
图12是本申请实施例提供的曲线拟合示意图；
图13是本申请实施例提供的一种目标检测结果的评测装置的结构示意图；
图14是本申请实施例提供的一种目标检测结果的评测设备的结构示意图。
具体实施方式
本申请实施例技术方案适用于对通过图像目标检测方法得到的目标检测结果进行评测，采用本申请实施例技术方案，能够实现对目标检测结果的评测，即对目标检测结果的优劣作出评判。
图像目标检测方法对图像目标进行检测得到的目标检测结果的优劣，能够直接反应该图像目标检测方法对图像目标进行检测的性能优劣，因此，本申请实施例实现对目标检测结果的优劣作出评判，也就是对图像目标检测方法的性能优劣作出评判，即本申请实施例技术方案在对图像目标检测结果进行评测的同时，也是实现了对图像目标检测方法的评测。
本申请实施例技术方案可应用于对任意场景下的任意图像目标的检测结果进行评测。上述的任意图像目标，包括但不限于是文本、字符、感兴趣图像内容等。上述的任意场景，包括但不限于是基于文本行的目标检测，例如从文本图像中检测文本行、字符等，或者，也可以是自然场景下的目标检测，例如从自然场景图像中检测字符、图像内容等。
对于基于文本行的目标检测，例如从文本图像中检测文本行或字符等，文本图像以及待检测目标排版比较规则、内容相对简单，因此应当通过科学、准确的评测方法对其目标检测结果的优劣作出评测。
而对于自然场景下的目标检测，例如自然场景下的光学字符识别(OpticalCharacter Recognition，OCR)等，其图像的排版和内容均更加复杂，对于目标的检测结果和标注结果的形状不规则而且差距较大，并且当检测结果的数目较多时，很难用统一的标准对多个检测结果进行排序，因此也就无法用统一、固定的标准衡量目标检测结果的优劣，由此导致了对目标检测结果的评测难以实现。
本申请实施例技术方案的提出，可以解决上述任意场景下的目标检测结果的评测难题。作为示例性的处理方式，本申请实施例以难度较高的对自然场景下的目标检测结果进行评测为例，介绍本申请提出的目标检测结果的评测方法的处理过程。当本申请实施例技术方案应用于对其它场景下的图像目标检测结果的评测时，可以参照本申请实施例的介绍，通过执行本申请实施例技术方案，或者对本申请实施例技术方案进行适应性的调整执行而实现，本申请实施例不再一一详细介绍，仅以示例性的方式介绍本申请技术方案的技术思想和处理逻辑。
本申请实施例技术方案可应用于计算机、处理器等硬件处理设备，或者也可以被包装成软件程序而运行。当上述的硬件处理设备执行本申请实施例技术方案的处理过程，或上述的软件程序被处理器运行时，可以实现对目标检测结果的评测。本申请实施例只对本申请技术方案的具体处理过程进行示例性介绍，并不对本申请技术方案的具体执行形式进行限定，任意形式的可以执行本申请技术方案处理过程的技术实现形式，都适用于本申请实施例技术方案。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例提出一种目标检测结果的评测方法，参见图1所示，该方法包括：
S101、分别获取对应于待检测图像中的待检测目标的标注结果，以及对应于所述待检测目标的检测结果；其中，所述标注结果和所述检测结果分别包括至少一个图像区域；
具体的，上述的待检测图像，可以是任意的数字形式的、包含待检测目标的图像，例如可以是文本图像、自然场景图像等，为了便于全面、深入地介绍本申请实施例技术方案，本申请实施例以自然场景图像作为上述的待检测图像，以对自然场景图像的目标检测结果的评测为例介绍本申请实施例技术方案。
上述的待检测目标，是指自然场景图像中的感兴趣图像内容，例如可以是自然场景图像中的字符、字符串、文本行、图像内容等。
作为本申请实施例技术方案的应用场景示例，本申请以对自然场景图像的字符内容(包括字符、字符串、文本等)的检测结果的评测为例，介绍本申请实施例所提出的目标检测结果的评测方法的处理过程。即上述的待检测图像为自然场景图像，上述的待检测目标为字符、字符串、文本等字符内容。
当上述的待检测图像为其它类型的图像，例如为文本图像，或者当上述的待检测目标为其它的图像目标，例如为感兴趣图像内容时，均可以通过对本申请实施例技术方案进行适应性的调整而实现对其检测结果的评测。
上述的待检测目标，可以是一个，也可以是多个。本申请实施例以上述的待检测目标为单个的字符、字符串或文本行为例，介绍对其检测结果进行评测的具体处理过程。当上述的待检测目标为多个或者为其它图像目标时，参照本申请实施例技术方案分别对各个待检测目标的检测结果分别进行评测即可。
上述的对应待检测目标的标注结果和检测结果，是指在上述的待检测图像中，对上述待检测目标进行标注和检测得到的结果。示例性的，上述对应待检测图像中的待检测目标的标注结果，可以由人工标注得到，该标注结果是对待检测目标在待检测图像中的准确标注。上述对应该待检测目标的检测结果，可以通过图像目标检测算法或图像目标识别算法检测得到。本申请实施例主要通过将对应上述待检测目标的检测结果和标注结果进行对比，来判断检测结果的优劣，因此在对目标检测结果进行评测时，首先同时获取对应待检测目标的检测结果和标注结果。
本申请实施例在分别获取对应上述待检测目标的标注结果和检测结果时，可以示例性地通过人工标注和图像目标检测算法检测得到，或者也可以从预设的数据库中对应读取等。本申请实施例不对上述标注结果和检测结果的获取方法进行限定。
通常情况下，从图像中检测或标注待检测目标，实际上第对待检测目标所在的图像区域进行标注或检测。也就是说，上述的标注结果和检测结果，本质上是标注和检测的图像区域，该标注结果和检测结果由标注和检测的各个图像区域构成。其中，基于上述待检测目标所包含的具体内容的不同，上述的标注结果和检测结果所包含的图像区域的数量可以为一个，也可以为多个。为了便于展示和描述，本申请实施例将上述的标注结果所包含的图像区域用实线框表示，将上述的检测结果所包含的图像区域用虚线框表示，则整体来看，标注结果包括至少一个实线框，检测结果包括至少一个虚线框。
例如图2所示，是对待检测目标进行标注和检测得到的标注结果和检测结果的示意图。其中，文本“吃饭”、“住宿”、“棋牌”、“茶艺”这四个词构成上述的待检测目标，图中的实线框为对上述待检测目标的标注结果，图中的虚线框为对上述待检测目标的检测结果。
S102、根据所述检测结果和所述标注结果各自包括的图像区域的数量，确定所述检测结果与所述标注结果的图像区域数量关系；
通常情况下，对于自然场景下的目标检测，检测结果与标注结果所包含的图像区域的差距较大，从数量上对比，两者所包含的图像区域的数量主要分为以下几种情况：一对一、一对多、多对一、多对多。
其中，一对一是指检测结果和标注结果分别只包括一个图像区域；
一对多是指检测结果只包括一个图像区域，而标注结果包括多个图像区域；
多对一是指检测结果包括多个图像区域，而标注结果只包括一个图像区域；
多对多是指检测结果和标注结果均分别包括多个图像区域。
当检测结果与标注结果各自包括的图像区域的数量关系发生变化时，检测结果与标注结果的对比，以及对基于标注结果对检测结果的评测均需要适应性调整。例如，当检测结果与标注结果均分别只包括一个图像区域时，可以直接将检测结果与标注结果各自包括的图像区域进行对比，判断检测结果的优劣；当检测结果和/或标注结果包括多个图像区域时，就不能单纯地通过单个图像区域的对比来判断检测结果的优劣，而应当将检测结果和/或标注结果包括的多个图像区域看做一个整体，综合地对检测结果的优劣进行评测。
因此，在自然场景下的图像目标检测结果的评测，应当根据检测结果和标注结果所包含的图像区域的数量的变化而灵活调整，由此才能实现对检测结果的客观评测。
基于上述需求，本申请实施例在分别获取对应同一待检测目标的检测结果和标注结果后，进一步分别确定该检测结果和标注结果所包括的图像区域的数量，并且，将该检测结果所包括的图像区域的数量，与该标注结果所包括的图像区域的数量的关系，设定为该检测结果与该标注结果的图像区域数量关系，具体可以是一对一、一对多、多对一、多对多的数量关系。
例如，图2中所示的检测结果只有一个虚线框，则该检测结果只包括一个图像区域；图中的标注结果有四个实线框，则该标注结果包括多个图像区域，根据本申请实施例的上述处理，即可确定图2中的检测结果与标注结果的图像区域数量关系为一对多的关系。
S103、根据所述检测结果与所述标注结果的图像区域数量关系，以及与所述图像区域数量关系对应的评测规则，确定所述检测结果是否与所述标注结果相匹配；
具体的，本申请实施例根据检测结果与标注结果的图像区域数量关系的各种可能的情况，例如一对一、一对多、多对一、多对多等，预先设置与该图像区域数量关系对应的评测规则，用于对检测结果进行评测。则本申请实施例在对检测结果进行评测时，首先根据对应同一待检测目标的检测结果与标注结果的图像区域数量关系，确定用于对该检测结果进行评测的评测规则，然后利用该评测规则，对该检测结果进行评测。
本申请实施例在利用选取的评测规则对检测结果进行评测时，具体是评测检测结果与标注结果是否匹配，并将检测结果与标注结果匹配与否，作为对检测结果的评测结果。
示例性的，本申请实施例设定上述的评测规则包括两方面的规则，一方面是召回率和准确率评测规则；另一方面是预设的图像区域匹配判断规则，该图像区域匹配判断规则用于判断所述检测结果所包括的图像区域与所述标注结果所包括的图像区域是否符合预设的匹配规则。基于上述的评测规则，上述的检测结果与标注结果匹配，是指检测结果对待检测目标的召回率和检测准确率达到设定阈值，和/或检测结果所包括的图像区域与标注结果所包括的图像区域符合预设的匹配规则。
上述的召回率和准确率，是业内公认的评测检测结果优劣的评测依据。当检测结果对待检测目标的召回率和检测准确率达到预设的阈值时，即可认为检测结果成功实现了对待检测目标的检测，也就是实现了对标注结果所包含的图像区域的检测，此时认为检测结果与标注结果相匹配；否则，即可认为检测结果未能成功检测到待检测目标，也就是未能实现对标注结果所包含的图像区域的检测，此时认为检测结果与标注结果不匹配。
示例性的，上述检测结果所包括的图像区域与标注结果所包括的图像区域符合预设的匹配规则，是指检测结果所包括的图像区域与标注结果所包括的图像区域整体上呈一致性，该整体上呈一致性包括但不限于在位置、形状、大小、内容分布上呈现一致性。可以理解，如果检测结果所包括的图像区域与标注结果所包括的图像区域在整体上呈现一致性，则认为检测结果与标注结果一致，即两者匹配；否则，认为检测结果与标注结果不一致，即两者不匹配。
可以确定，检测结果与标注结果匹配与否，直接体现了检测结果与标注结果的差异。又由于标注结果所包含的图像区域，是待检测目标在待检测图像中的准确标注，因此检测结果与标注结果是否匹配，可以作为检测结果对待检测目标是否检测成功的体现。可以理解，如果检测结果与标注结果不匹配，则可以说明检测结果与标注结果差异较大，也就是检测结果对待检测目标的检测效果较差；而如果检测结果与标注结果匹配，则可以说明检测结果与标注结果一致，也就是检测结果对待检测目标的检测效果比较好。因此，通过判断检测结果与标注结果是否相匹配，可以体现检测结果对待检测目标的检测效果，即可以作为对检测结果的评测结果。
在实际实施本申请实施例技术方案时，对于上述两方面的评测规则，即上述的召回率和准确率评测规则，和预设的图像区域匹配判断规则，可以择一应用或者同时应用。
当应用上述两方面的评测规则之一对检测结果进行评测时，本申请实施例根据检测结果与标注结果的图像区域数量关系，采用与该图像区域数量关系对应的上述两方面评测规则之一，判断检测结果与标注结果是否相匹配，并将判断结果作为对检测结果的评测结果。
当同时应用上述两方面的评测规则对检测结果进行评测时，本申请实施例根据检测结果与标注结果的图像区域数量关系，采用与该图像区域数量关系对应的上述两方面的评测规则，分别判断检测结果与标注结果是否相匹配，并将判断结果作为对检测结果的评测结果。
示例性的，当通过上述任一评测规则判断确认上述检测结果与标注结果匹配，或者通过上述两方面评测规则均判断确认上述检测结果与标注结果相匹配时，即可最终确定上述检测结果与标注结果相匹配。
通过上述介绍可见，本申请实施例提出的目标检测结果的评测方法，在获取对应同一待检测目标的检测结果和标注结果后，基于检测结果与标注结果各自包括的图像区域的数量关系，采用与该图像区域数量关系对应的召回率和准确率评测规则，和/或图像区域匹配判断规则，来判断检测结果与标注结果是否相匹配，以此作为对检测结果的评测结果。上述处理过程通过将对应同一待检测目标的检测结果与标注结果进行匹配判断，实现了检测结果与标注结果的对比。由于标注结果是对待检测目标在待检测图像中的准确标注，因此上述检测结果与标注结果的对比结果可以充分表示实际检测结果的优劣，即可以作为对实际检测结果的评测结果。即，本申请技术方案实现了对待检测目标的检测结果的评测，并且是自动化的评测。该技术方案的应用可以方便用户对图像目标检测方法的性能进行客观的测评和了解。
作为一种优选的实现方式，本申请实施例设定，在根据上述检测结果与上述标注结果的图像区域数量关系，以及与该图像区域数量关系对应的评测规则，确定上述检测结果是否与上述标注结果相匹配时，具体处理过程包括：
首先，根据所述检测结果与所述标注结果的图像区域数量关系，以及与所述图像区域数量关系对应的召回率和准确率评测规则，确定所述检测结果是否与所述标注结果相匹配；
具体的，本申请实施例设定，当判断上述的检测结果是否与上述的标注结果相匹配时，先根据检测结果与标注结果的图像区域数量关系，选取与该图像区域数量关系对应的召回率和准确率评测规则，判断该检测结果是否满足设定的召回率和准确率阈值，也就是判断检测结果与标注结果是否相匹配。
如果判断确定上述检测结果与标注结果相匹配，则结束评测，得到检测结果与标注结果相匹配的评测结果。
如果所述检测结果与所述标注结果不匹配，则本申请实施例进一步根据所述检测结果与所述标注结果的图像区域数量关系，以及与所述图像区域数量关系对应的预设的图像区域匹配判断规则，确定所述检测结果是否与所述标注结果相匹配。
具体的，由于自然场景下的图像排版和内容均比较复杂，对待检测目标的标注结果和检测结果所包含的图像区域数量、图像区域的形状、大小等都比较不规则，因此如果仅通过召回率和准确率评测规则对检测结果进行评测，可能导致评测结果不准确，造成对检测结果的误评。
例如图2所示的检测结果和标注结果，标注结果包括多个图像区域，并且每个图像区域都是紧凑地包含待检测目标，而检测结果只包括一个图像区域，并且该一个图像区域包含了标注结果所包括的所有图像区域，而且其面积大于标注结果所占的面积。针对图2所示情况，在通过召回率和准确率对检测结果进行评测时，其召回率和准确率的计算数值可能达不到设定的阈值，此时会判断检测结果与标注结果不匹配。但是通过观察图2可以确定，检测结果已经完整地包含了所有的待检测目标，即成功实现了对待检测目标的检测，此时将该检测结果评测为与标注结果不匹配，显然是对该检测结果的错误评测。
为了避免类似上述的对检测结果的错误评测，本申请实施例设定，当通过召回率和准确率评测规则确定检测结果与标注结果不匹配时，进一步根据检测结果与标注结果的图像区域数量关系，以及与该图像区域数量关系对应的预设的图像区域匹配判断规则，确定检测结果是否与标注结果相匹配。
根据上述的图像区域匹配判断规则进行判断后，如果检测结果与标注结果相匹配，则可以最终确定检测结果与标注结果相匹配；如果检测结果与标注结果不匹配，则可以最终确定检测结果与标注结果不匹配。
本申请实施例的上述处理，通过对检测结果与标注结果是否相匹配的两次判断，避免了对检测结果的错误评测，提高了对检测结果的评测准确度。
示例性的，本申请另一实施例还公开了，通过将上述检测结果所包含的图像内容与上述标注结果所包含的图像内容进行对比，确定上述检测结果对上述待检测目标的检测准确度。
具体的，本申请实施例上述处理过程从检测结果与标注结果是否匹配的角度对检测结果进行评测，是从整体上将检测结果与标注结果进行比对，实现对检测结果的评测。
在实际情况中，用户最关心的其实是图像目标检测算法是否真正地将目标图像内容检测出来，而对于目标图像内容所处区域的检测完整与否，则并不是用户真正关心的，只是本申请实施例提出的一种对检测结果进行评测的途径和依据。
通过对本申请实施例上述技术方案进行大量验证发现，本申请实施例上述技术方案对目标检测结果的评测比较可观，但是也存在偶然的评测失误情况。
例如图3所示，对于数字串“27861596”的检测结果(虚线框)包括两个图像区域，而且两个图像区域之间没有相交，由于两个图像区域的间隔，导致对字符串中的数字“1”的检测不完整。而对于数字串“27861596”的标注结果(实线框)则只有一个图像区域。
按照本申请实施例上述的目标检测结果评测方法，检测结果与标注结果的图像区域数量关系为多对一的关系，根据多对一的图像区域数量关系对应的评测规则，对图3中所示的检测结果进行评测，在合理的误差允许范围内，最终确定该检测结果与标注结果相匹配。但是，实际上图3所示的检测结果对于数字串“27861596”的检测是不完整的，这对于用户来说是很严重的算法缺陷。
则可以理解，由于自然场景下的图像排版和内容过于复杂，检测结果的形式千变万化且无法穷举，本申请实施例所提出的上述目标检测结果的评测方法可能存在评测失误的情况，影响较大的是可能在对待检测目标检测失败的情况下，将检测结果评测为与标注结果相匹配。严谨的评测方法有助于用户甄别性能优越的图像目标检测算法，因此对目标检测结果的严谨评测才是符合用户需求的评测方法。
因此，针对上述可能存在的评测失误情况，本申请实施例对所提出的图1所示的目标检测结果的评测方法进行进一步的评测补充，即，当通过上述处理确定检测结果与标注结果相匹配时，进一步地对检测结果所包括的图像区域中的图像内容，与标注结果所包括的图像区域中的图像内容进行对比，通过计算检测结果所包含的图像内容与标注结果所包含的图像内容的差异，确定检测结果对待检测目标的检测准确度。
例如，假设上述的待检测目标为字符串，则按照本申请实施例技术方案对该待检测目标的检测结果进行评测确定其与该待检测目标的标注结果相匹配后，进一步确定该检测结果所包含的图像内容，以及该标注结果所包含的图像内容(也就是待检测目标)，然后将该检测结果与该标注结构所包含的图像内容进行对比，确定两者的差异，进而确定该检测结果对该待检测目标的检测准确度。
进一步的，还可以设置检测准确度阈值，来判断上述检测结果对待检测目标的检测是否成功。例如，设置检测准确度阈值为95％，假设通过上述计算最终确定该检测结果对待检测目标的检测准确度为97％，则可以确定该检测结果对该待检测目标检测成功，也就是该检测结果成功地从待检测图像中识别出该待检测目标。
需要说明的是，上述的确定检测结果和标注结果所包含的图像内容，具体是确定检测结果和标注所包含的所有图像区域范围内的图像内容。当检测结果和标注结果只包括一个图像区域时，则检测结果和标注结果所包含的图像内容，就是其所包含的一个完整的图像区域内的图像内容；当检测结果和标注结果包括多个图像区域时，则检测结果和标注结果所包含的图像内容，就是其所包含的各个图像区域中的图像内容组合到一起组成的完整图像内容。
可以理解，本申请实施例先从整体上评测检测结果与标注结果是否匹配，在确定检测结果与标注结果匹配后，再进一步从内容上述对检测结果进行评测，判断其对待检测目标的检测准确度。上述方案将形式和内容相结合、从整体到局部地对检测结果进行评测，其评测更客观、更全面。
另外，上述的通过将检测结果所包含的图像内容与标注结果所包含的图像内容进行对比，确定检测结果对待检测目标的检测准确度的处理，也可以脱离本申请上述实施例介绍的判断检测结果与标注结果是否相匹配的处理而单独执行，即可以直接将检测结果所包含的图像内容与标注结果所包含的图像内容进行对比，确定检测结果对待检测目标的检测准确度，并将计算结果作为对检测结果的评测结果。
以上从整体上介绍了本申请实施例提出的目标检测结果的评测方法的思路和处理逻辑，下面本申请实施例将以示例地方式，具体地介绍本申请实施例所提出的目标检测结果的评测方法的具体处理内容。
作为一种示例性的实现方式，本申请实施例公开了，上述的根据所述检测结果与所述标注结果的图像区域数量关系，以及与所述图像区域数量关系对应的召回率和准确率评测规则，确定所述检测结果是否与所述标注结果相匹配，具体包括：
根据所述检测结果与所述标注结果的图像区域数量关系，以及与所述图像区域数量关系对应的召回率和准确率评测规则，确定对所述待检测目标进行检测的召回率和准确率是否达到预设的阈值；
如果对所述待检测目标进行检测的召回率和准确率达到预设的阈值，则确定所述检测结果与所述标注结果相匹配；
如果对所述待检测目标进行检测的召回率和准确率未达到预设的阈值，则确定所述检测结果与所述标注结果不匹配。
具体的，上述的召回率和准确率计算公式分别为：
其中，Gi表示对待检测目标的标注结果所包括的各个图像区域，i＝1,2,…N；Dj表示对待检测目标的检测结果所包括的各个图像区域，j＝1,2,…M；R(Gi,Dj)表示召回率，P(Gi,Dj)表示准确率。
当检测结果与标注结果的图像区域数量关系为图4(a)所示的一对一关系时，本申请实施例设定当上述的召回率和准确率均达到预设的阈值时，认为检测结果与标注结果相匹配；
当检测结果与标注结果的图像区域数量关系为图4(b)所示的多对一关系时，本申请实施例设定当上述的召回率达到预设的阈值，并且检测结果的各个图像区域的检测准确率之和达到预设的阈值时，认为检测结果与标注结果相匹配；
当检测结果与标注结果的图像区域数量关系为图4(c)所示的一对多关系时，本申请实施例设定当上述的准确率达到预设的阈值，并且检测结果的图像区域相对标注结果的各个图像区域的召回率之和达到预设的阈值时，认为检测结果与标注结果相匹配。
则基于上述的召回率和准确率评测规则，根据检测结果与标注结果的图像区域数量关系，选择与该数量关系对应的评测规则，判断确定检测结果与标注结果是否相匹配。
需要说明的是，对于检测结果与标注结果的图像区域数量关系为多对多关系的情况，目前尚且不适合上述的召回率和准确率计算，因此本申请实施例设定采用下文介绍的预设的图像区域匹配判断规则进行匹配判断，其处理过程可参见下文介绍。
作为一种示例性的实现方式，本申请实施例公开了，上述的根据所述检测结果与所述标注结果的图像区域数量关系，以及与所述图像区域数量关系对应的预设的图像区域匹配判断规则，确定所述检测结果是否与所述标注结果相匹配，具体包括：
如果所述检测结果与所述标注结果分别包括一个图像区域，则通过判断所述检测结果与所述标注结果的非重合图像区域内是否存在所述待检测图像的其它图像内容，确定所述检测结果与所述标注结果是否相匹配；
具体的，上述的非重合图像区域是指所述检测结果所包括的、在所述标注结果所包括的图像区域之外的图像区域。例如图5所示，当检测结果D与标注结果G均分别包括一个图像区域(即检测结果与标注结果的图像区域数量关系为一对一关系)时，在很多情况下，检测结果所包括的图像区域(图中虚线框)完全包含标注结果所包括的图像区域(图中实线框)，并且远大于标注结果所包括的图像区域。在这种情况下，只要检测结果相对于标注结果多出的图像区域不包含非待检测目标的图像内容，即可确定检测结果完整地检测出了标注结果所标注的图像区域内容，也就是完整检测出了待检测目标。
针对上述情况，当检测结果与标注结果均只包括一个图像区域时，本申请实施例计算检测结果与标注结果的上述非重合图像区域，然后通过判断在该非重合图像区域内是否包含待检测图像中的除待检测目标之外的图像内容，确定检测结果与标注结果是否相匹配。
需要说明的是，如果检测结果与标注结果之间不存在如上述的非重合图形区域，则不能应用上述方法判断检测结果与标注结果是否相匹配。
如果所述检测结果包括一个图像区域并且所述标注结果包括一个以上的图像区域，或者所述检测结果包括一个以上的图像区域并且所述标注结果包括一个图像区域，则根据所述检测结果和所述标注结果的投影直方图，确定所述检测结果与所述标注结果是否相匹配；
具体的，当检测结果与标注结果的图像区域数量关系为一对多或多对一的关系时，本申请实施例计算检测结果和标注结果的相同方向的投影直方图，然后对比判断两者的直方图的相似度是否达到阈值，来确定两者是否匹配。
由于图像的直方图表示了图像内容的分布情况，因此将检测结果与标注结果的直方图进行比对，可以反映检测结果与标注结果的图像内容分布情况的异同。当两者的直方图相似度达到阈值，也就是两者的图像内容分布情况的相似度达到阈值时，可以认为两个相匹配。
需要说明的是，当检测结果或标注结果包括多个图像区域时，对其计算投影直方图，是针对其所包含的所有图像区域，一起计算投影直方图。
如果所述检测结果与所述标注结果分别包括一个以上的图像区域，则通过分析所述检测结果所包括的各个图像区域与所述标注结果所包括的各个图像区域之间的重叠情况，确定所述检测结果与所述标注结果是否相匹配。
具体的，对于检测结果与标注结果分别包括一个以上的图像区域，即检测结果与标注结果的图像区域数量关系为多对多的关系时，本申请实施例通过分析检测结果所包括的各个图像区域与标注结果所包括的各个图像区域之间的重叠情况，来确定检测结果与标注结果是否相匹配。
示例性的，上述分析检测结果所包括的各个图像区域与标注结果所包括的各个图像区域之间的重叠情况，是指分析判断检测结果所包括的各个图像区域与标注结果所包括的各个图像区域重叠后是否形成一个闭合的图像区域，即，是否检测结果所包括的各个图像区域将标注结果所包括的各个图像区域之间的空隙覆盖，同时，标注结果所包括的各个图像区域将检测结果所包括的各个图像区域之间的空隙覆盖，两者重叠后整体上形成一个闭合的图像区域。
如果不能形成一个闭合的图像区域，也就是两者重叠后形成的图像区域范围内存在空隙，则确定检测结果与标注结果不匹配。
如果形成一个闭合的图像区域，也就是两者重叠后形成的图像区域范围内不存在空隙，则确定检测结果与标注结果相匹配。
例如图6所示，针对待检测目标“ALL OVER THE WORLD”的标注结果(图中实线框)包括三个图像区域，检测结果(图中虚线框)包括两个图像区域。
假设标注结果的三个图像区域分别表示为G1、G2、G3，检测结果的两个图像区域分别表示为D1、D2，从图6所示可见，标注结果与检测结果各自所包括的图像区域之间的空隙被对方的图像区域所覆盖，两者重叠后形成一个闭合的图像区域，则可以确定图6中的检测结果与标注结果相匹配。
另一方面，通过分析图6所示的检测结果与标注结果各自包括的图像区域之间的对应关系可以确定，两者的图像区域之间满足如图7所示的对应关系，即，首先以标注结果的图像区域G1为起点，与G1有对应关系的检测结果的图像区域为D1；切换到D1，与D1有对应关系的标注结果的图像区域为G2；切换到G2，与G2有对应关系的检测结果的图像区域为D2；切换到D2，与D2有对应关系的标注结果的图像区域为G3。正是由于检测结果与标注结果各自包括的图像区域满足上述的对应关系，才使得两者的图像区域重叠后形成一个闭合的图像区域，因此，也可以通过判断检测结果与标注结果各自包括的图像区域是否满足类似于图7所示的对应关系，来确定检测结果与标注结果是否相匹配。当检测结果与标注结果各自包括的图像区域满足类似于图7所示的对应关系，即可确定检测结果与标注结果相匹配。
作为一种示例性的实现方式，本申请实施例还公开了，上述的通过判断所述检测结果与所述标注结果的非重合图像区域内是否存在所述待检测图像的其它图像内容，确定所述检测结果与所述标注结果是否相匹配，具体包括：
首先，根据所述检测结果与所述标注结果所包括的相同的图像区域，将所述检测结果与所述标注结果对齐；
具体的，通常情况下，基于行业内对图像目标检测算法的不断优化，针对同一待检测目标的检测结果与标注结果的差距不会特别大，至少会存在部分相同图像区域。
基于上述特点，本申请实施例根据上述的检测结果与标注结果所包括的相同的图像区域，将检测结果与标注结果对齐，也就是将检测结果与标注结果所包括的相同的图像区域对准重合。
然后，确定对齐后的所述检测结果与所述标注结果的非重合图像区域，其中，所述非重合图像区域是指所述检测结果所包括的、在所述标注结果所包括的图像区域之外的图像区域；
具体的，参见图5所示，将对应同一待检测目标的检测结果D(图中虚线框所示区域)和标注结果G(图中实线框所示区域)对齐后，检测结果D完全包括标注结果G，同时还包括标注结果G之外的一部分图像区域，这一部分图像区域，称为检测结果与标注结果的非重合图像区域。
最后，判断在所述非重合图像区域内，是否存在所述待检测图像的其它图像内容；其中，所述其它图像内容包括除所述待检测目标之外的图像内容；
如果存在所述待检测图像的其它图像内容，则确定所述检测结果与所述标注结果不匹配；
如果不存在所述待检测图像的其它图像内容，则确定所述检测结果与所述标注结果相匹配。
具体的，上述的检测结果与标注结果的非重合图像区域，实际上是上述待检测图像中的，在上述标注结果范围之外的图像区域。如果在该非重合图像区域内存在上述待检测图像的其它图像内容，也就是存在除上述待检测目标之外的图像内容，则可以确定检测结果并不只是检测到了待检测目标，还包括其它内容，这在图像目标检测中属于对待检测目标检测失败，因此此时认为上述检测结果与标注结果不匹配。
如果在该非重合区域内不存在上述待检测图像的其它图像内容，也就是在检测结果中只存在待检测目标，则可以确定检测结果成功地检测到了待检测目标，此时可以认为上述检测结果与标注结果相匹配。
示例性的，当判断在上述非重合图像区域内是否存在待检测图像的其它图像内容时，可以通过下判断实现：
判断上述非重合图像区域，与对应于待检测图像中的其它图像内容的标注结果所包括的图像区域之间，是否存在重合的图像区域；
如果存在重合的图像区域，则确定在所述非重合图像区域内存在所述待检测图像的其它图像内容；
如果不存在重合的图像区域，则确定在所述非重合图像区域内不存在所述待检测图像的其它图像内容。
具体的，当从待检测图像中检测目标图像内容时，通常是对某种类型的图像内容进行检测，例如从自然场景图像中检测字符，会对图像中的所有字符进行检测。相应的在针对每个待检测目标字符的检测结果进行评测时，会对每个目标字符都进行标注。
当针对某一个特定的目标字符进行检测结果评测时，参照图5所示的检测结果，判断对应该目标字符的检测结果与标注结果的非重合图像区域，与待检测图像中的其它待检测字符(即上述的其它图像内容)的标注结果所包括的图像区域之间，是否存在重合的图像区域。
上述的其它待检测字符的标注结果与上述的目标字符的标注结果类似，也包括至少一个图像区域。
如果上述目标字符的检测结果与标注结果的非重合图像区域与其它待检测字符的标注结果存在重合的图像区域，则说明该目标字符的检测结果检测到了除目标字符外的其它字符，即该非重合图像区域内存在待检测图像的其它图像内容；
否则，说明该目标字符的检测结果只检测到了目标字符，即该非重合图像区域内不存在待检测图像的其它图像内容。
作为一种示例性的实现方式，本申请实施例还公开了，上述的根据所述检测结果和所述标注结果的投影直方图，确定所述检测结果与所述标注结果是否相匹配，具体包括：
首先，分别计算得到所述检测结果和所述标注结果沿设定方向的投影直方图；
示例性的，上述的设定方向，是指与上述的待检测目标的整体分布方向相垂直的方向。例如，假设上述待检测目标整体上是横向分布的，则上述的设定方向为纵向。
例如图8所示，对待检测目标的标注结果包括G1、G2、G3所示的实线框图像区域，对该待检测目标的检测结果只包括一个D所示的虚线框图像区域。则可以确定，待检测目标整体是按照G1、G2、G3所示的水平方向分布的，因此本申请实施例分别计算上述检测结果和标注结果沿竖直方向的投影直方图。
其中需要特别注意的是，当上述的检测结果或标注结果包括一个以上的图像区域时，在计算该包括一个以上的图像区域的标注结果或检测结果的投影直方图时，首先确定该检测结果或标注结果的各个图像区域的最小外接矩形。例如对于图8所示的标注结果，当计算其投影直方图时，首先计算其所包括的各个图像区域的最小外接矩形如图9中包围G1、G2、G3的实现框所示。
然后，在计算该最小外接矩形所包括的图像区域沿上述设定方向的投影直方图，得到该检测结果或标注结果沿设定方向的投影直方图。
例如，对图9所示的G1、G2、G3的最小外接矩形所包括的图像区域计算竖直方向的投影直方图，得到如图10所示的直方图。
然后，计算得到所述检测结果的投影直方图与所述标注结果的投影直方图的相似度；
如果所述检测结果的投影直方图与所述标注结果的投影直方图的相似度小于设定的相似度阈值，则确定所述检测结果与所述标注结果不匹配；
如果所述检测结果的投影直方图与所述标注结果的投影直方图的相似度不小于设定的相似度阈值，则确定所述检测结果与所述标注结果相匹配。
具体的，图像的直方图体现了图像内容的分布情况，尤其是图像的投影直方图，能够直接体现图像内容在某一方向上的分布情况。例如图10所示的投影直方图，可以清晰地确定图像内容在水平方向的分布情况。
基于上述原理，如果两幅图像的投影直方图分布足够相似，则可以认为两者的图像内容分布相同，也就可以认为两者的图像内容相同。
因此，在分别计算得到上述的检测结果和标注结果的投影直方图后，本申请实施例计算两者的投影直方图的相似度。如果两者的投影直方图的相似度小于设定的相似度阈值，则认为两者的图像内容分布差异较大，进而可以认为两者的图像内容不同，因此确定该检测结果与该标注结果不匹配；如果两者的投影直方图的相似度不小于设定的相似度阈值，则认为两者的图像内容分布相同，进而可以认为两者的图像内容相同，因此可以确定该检测结果与该标注结果相匹配。
示例性的，本申请实施例公开了，当本申请实施例技术方案应用于对自然场景下的字符内容进行识别的场景时，上述的通过将检测结果所包含的图像内容与标注结果所包含的图像内容进行对比，确定检测结果对待检测目标的检测准确度，具体包括：
先分别确定上述检测结果所包含的字符内容，以及确定上述标注结果所包含的字符内容。
示例性的，可以通过对上述的检测结果和标注结果所包含的图像区域进行OCR处理，确定其包含的字符内容。
然后，将上述检测结果所包含的字符内容与上述标注结果所包含的字符内容进行对比，判断两者的差异，从而确定检测结果对待检测目标的检测准确度。
示例性，检测结果所包含的字符内容与标注结果所包含的字符内容的差异越小，则检测结果对待检测目标的检测准确度越高；检测结果所包含的字符内容与标注结果所包含的字符内容的差异越大，则检测结果对待检测目标的检测准确度越低。
需要说明的是，本申请实施例仅以上述的字符内容识别为例，介绍本申请实施例将检测结果的图像内容与标注结果的图像内容进行对比的具体处理过程。当上述的待检测目标为其它的图像内容时，通过对检测结果和标注结果进行该其它图像内容识别，并对识别结果进行对比，即可确定两者的图像内容差异，进而确定检测结果对待检测目标的检测准确度。
作为一种示例性的实现方式，当上述的检测结果或标注结果包括一个以上的图像区域时，在确定该包括一个以上的图像区域的检测结果或标注结果对待检测目标的检测准确度时，具体包括：
首先，对所述检测结果或所述标注结果所包含的各个图像区域中的字符内容进行组合，得到至少一个字符串；
具体的，以图9所示的标注结果为例，其包括G1、G2、G3三个图像区域，则针对这三个图像区域分别进行字符识别处理，分别确定G1、G2、G3中包含的字符内容。
接下来，对G1、G2、G3中包含的字符内容进行组合，得到至少一个字符串。示例性的，将G1、G2、G3中包含的字符内容进行随机组合，即可得到至少一个字符串。
然后，分别从预设的语料库中检索所述至少一个字符串，得到每个字符串在所述语料库中出现的概率；
具体的，将上述处理得到的至少一个字符串中的每个字符串，分别送入预设的语料库中进行匹配，也就是从该预设的语料库中检索与其匹配的字符串，然后通过统计检索出的字符串的数量，确定该字符串在该预设的语料库中出现的概率。
按照上述的检索处理，对应上述的至少一个字符串中的每个字符串，都可以确定其在上述预设的语料库中出现的概率。
最后，将所述至少一个字符串中的、在所述语料库中出现的概率最大的字符串，确定为所述检测结果或所述标注结果所包含的字符内容。
在OCR领域通常认为，在语料库中出现概率较大的字符串，应当是常见或常用的字符串，如果某次字符检测或识别得到的字符串为在语料库中出现频率较高的字符串，则认为检测到的字符串为正确的字符串。
基于上述规则，本申请实施例将上述至少一个字符串中的、在上述语料库中出现的概率最大的字符串，确定为正确的字符串，也就是上述包括一个以上的图像区域的检测结果或标注结果所包含的字符串。
按照上述的字符内容识别、组合及检索处理，可以分别确定包括一个以上的图像区域的检测结果和/或标注结果所包含的字符内容。
作为一种示例性的实现方式，本申请实施例公开了，上述的对包含一个以上的图像区域的检测结果或标注结果所包含的各个图像区域中的字符内容进行组合，得到至少一个字符串时，具体包括：
首先，分别确定所述检测结果或所述标注结果所包含的每个图像区域的质心；
具体的，在自然场景图像中检测或标注目标字符时，得到的检测结果或标注结果所包含的图像区域的形状可能是不规则的图像区域。针对检测结果或标注结果所包含的每个图像区域，分别计算其质心。
例如图11所示，将图像区域划分成n个小区域，每个小区域的面积为σi，重心为Gi(xi,yi)，假设各个小区域的密度均匀，即每个小区域的密度μ(x,y)为1，则利用求平面薄板中心公式，即可计算得到每个小区域的质心：
上述的质心计算处理过程，可以参照常用的质心求解计算方法实现，本申请实施例不严格限定，也不再具体介绍。
然后，对所述检测结果或所述标注结果所包含的各个图像区域的质心进行曲线拟合处理，得到拟合曲线；
具体的，参见图12所示，对A、B、C、D四个图像区域的质心进行曲线拟合处理，得到一条拟合曲线。
上述的曲线拟合处理过程，也可以参照常见的曲线拟合方法实现，本申请实施例不再具体介绍。
最后，沿所述拟合曲线，对所述各个图像区域中的字符内容进行双向的组合处理，得到两个字符串。
具体的，各个图像区域的质心的拟合曲线表示了各个图像区域的走势和相互之间的位置关系。沿着该拟合曲线，对上述各个图像区域中的字符内容进行正向和反向的双向组合处理，得到两个字符串。
如图12所示，假设A、B、C、D四个图像区域的质心的横坐标分别为X1、X2、X3、X4，则按照横坐标从小到大和从大到小的顺序，分别对A、B、C、D四个图像区域进行组合，得到ABCD和DCBA两种顺序的图像区域组合，两种图像区域组合中的字符组合起来即可得到两个字符串。
按照本申请上述各实施例的介绍，可以通过将检测结果与标注结果进行对比，确定检测结果是否与标注结果相匹配，或者确定检测结果对待检测目标的检测准确度。进一步的，还可以根据检测结果与标注结果是否相匹配确定检测结果对待检测目标的检测是否成功，或者通过设置检测准确度阈值，还可以确定目标检测结果对待检测目标检测成功与否。
当上述的待检测目标为一个以上的待检测目标时，对应每个待检测目标，均可以通过执行本申请上述实施例介绍的处理过程，确定其与标注结果是否相匹配，或者确定其对待检测目标的检测准确度，进而确定其对待检测目标检测成功与否。
进一步的，本申请实施例还可以通过统计各个检测结果对待检测目标的检测成功与否，得到对上述的一个以上的待检测目标的识别率。
例如，假设上述的一个以上的待检测目标为待检测图像中的所有字符串。则针对于每个待检测的字符串，可以分别通过执行本申请实施例的上述处理确定对该待检测的字符串的检测结果对待检测的字符串检测成功与否。统计其中检测待检测字符串成功的检测结果的数量，即可确定对上述所有的字符串的识别率。
与上述的目标检测结果的评测方法相对应的，本申请实施例还公开了一种目标检测结果的评测装置，参见图13所示，该装置包括：
数据获取单元100，用于分别获取对应于待检测图像中的待检测目标的标注结果，以及对应于所述待检测目标的检测结果；其中，所述标注结果和所述检测结果分别包括至少一个图像区域；
关系确定单元110，用于根据所述检测结果和所述标注结果各自包括的图像区域的数量，确定所述检测结果与所述标注结果的图像区域数量关系；
评测处理单元120，用于根据所述检测结果与所述标注结果的图像区域数量关系，以及与所述图像区域数量关系对应的评测规则，确定所述检测结果是否与所述标注结果相匹配；
其中，所述评测规则包括召回率和准确率评测规则，和/或预设的图像区域匹配判断规则，所述图像区域匹配判断规则用于判断所述检测结果所包括的图像区域与所述标注结果所包括的图像区域是否符合预设的匹配规则。
本申请实施例提出的目标检测结果的评测装置，在数据获取单元100获取对应同一待检测目标的检测结果和标注结果后，由关系确定单元110根据检测结果和标注结果各自包括的图像区域的数量，确定检测结果与标注结果的图像区域数量关系，评测处理单元120基于检测结果与标注结果的图像区域数量关系，采用与该图像区域数量关系对应的召回率和准确率评测规则，和/或图像区域匹配判断规则，来判断检测结果与标注结果是否相匹配，以此作为对检测结果的评测结果。上述处理过程通过将对应同一待检测目标的检测结果与标注结果进行匹配判断，实现了检测结果与标注结果的对比。由于标注结果是对待检测目标在待检测图像中的准确标注，因此上述检测结果与标注结果的对比结果可以充分表示实际检测结果的优劣，即可以作为对实际检测结果的评测结果。即，本申请提出的上述装置实现了对待检测目标的检测结果的评测，并且是自动化的评测。该装置的应用可以方便用户对图像目标检测方法的性能进行客观的测评和了解。
作为一种可选的实现方式，上述的评测处理单元120，包括：
第一评测单元，用于根据所述检测结果与所述标注结果的图像区域数量关系，以及与所述图像区域数量关系对应的召回率和准确率评测规则，确定所述检测结果是否与所述标注结果相匹配；
第二评测单元，用于当所述检测结果与所述标注结果不匹配时，根据所述检测结果与所述标注结果的图像区域数量关系，以及与所述图像区域数量关系对应的预设的图像区域匹配判断规则，确定所述检测结果是否与所述标注结果相匹配。
作为一种可选的实现方式，所述第二评测单元根据所述检测结果与所述标注结果的图像区域数量关系，以及与所述图像区域数量关系对应的预设的图像区域匹配判断规则，确定所述检测结果是否与所述标注结果相匹配时，具体用于：
如果所述检测结果与所述标注结果分别包括一个图像区域，则通过判断所述检测结果与所述标注结果的非重合图像区域内是否存在所述待检测图像的其它图像内容，确定所述检测结果与所述标注结果是否相匹配；
如果所述检测结果包括一个图像区域并且所述标注结果包括一个以上的图像区域，或者所述检测结果包括一个以上的图像区域并且所述标注结果包括一个图像区域，则根据所述检测结果和所述标注结果的投影直方图，确定所述检测结果与所述标注结果是否相匹配；
如果所述检测结果与所述标注结果分别包括一个以上的图像区域，则通过分析所述检测结果所包括的各个图像区域与所述标注结果所包括的各个图像区域之间的重叠情况，确定所述检测结果与所述标注结果是否相匹配。
作为一种可选的实现方式，所述通过判断所述检测结果与所述标注结果的非重合图像区域内是否存在所述待检测图像的其它图像内容，确定所述检测结果与所述标注结果是否相匹配，包括：
根据所述检测结果与所述标注结果所包括的相同的图像区域，将所述检测结果与所述标注结果对齐；
确定对齐后的所述检测结果与所述标注结果的非重合图像区域，其中，所述非重合图像区域是指所述检测结果所包括的、在所述标注结果所包括的图像区域之外的图像区域；
判断在所述非重合图像区域内，是否存在所述待检测图像的其它图像内容；其中，所述其它图像内容包括除所述待检测目标之外的图像内容；
如果存在所述待检测图像的其它图像内容，则确定所述检测结果与所述标注结果不匹配；
如果不存在所述待检测图像的其它图像内容，则确定所述检测结果与所述标注结果相匹配。
作为一种可选的实现方式，所述判断在所述非重合图像区域内，是否存在所述待检测图像的其它图像内容，包括：
判断所述非重合图像区域，与对应于所述待检测图像中的其它图像内容的标注结果所包括的图像区域之间，是否存在重合的图像区域；
如果存在重合的图像区域，则确定在所述非重合图像区域内存在所述待检测图像的其它图像内容；
如果不存在重合的图像区域，则确定在所述非重合图像区域内不存在所述待检测图像的其它图像内容。
作为一种可选的实现方式，所述根据所述检测结果和所述标注结果的投影直方图，确定所述检测结果与所述标注结果是否相匹配，包括：
分别计算得到所述检测结果和所述标注结果沿设定方向的投影直方图；
计算得到所述检测结果的投影直方图与所述标注结果的投影直方图的相似度；
如果所述检测结果的投影直方图与所述标注结果的投影直方图的相似度小于设定的相似度阈值，则确定所述检测结果与所述标注结果不匹配；
如果所述检测结果的投影直方图与所述标注结果的投影直方图的相似度不小于设定的相似度阈值，则确定所述检测结果与所述标注结果相匹配。
作为一种可选的实现方式，当所述检测结果或所述标注结果包括一个以上的图像区域时，计算所述检测结果或所述标注结果沿设定方向的投影直方图，包括：
确定所述检测结果或所述标注结果所包括的各个图像区域的最小外接矩形；
计算所述最小外接矩形所包括的图像区域沿设定方向的投影直方图，得到所述检测结果或所述标注结果沿设定方向的投影直方图。
作为一种可选的实现方式，所述通过分析所述检测结果所包括的各个图像区域与所述标注结果所包括的各个图像区域之间的重叠情况，确定所述检测结果与所述标注结果是否相匹配，包括：
判断所述检测结果所包括的各个图像区域与所述标注结果所包括的各个图像区域重叠后是否形成一个闭合的图像区域；
如果所述检测结果所包括的各个图像区域与所述标注结果所包括的各个图像区域重叠后不能形成一个闭合的图像区域，则确定所述检测结果与所述标注结果不匹配；
如果所述检测结果所包括的各个图像区域与所述标注结果所包括的各个图像区域重叠后形成一个闭合的图像区域，则确定所述检测结果与所述标注结果相匹配。
作为一种可选的实现方式，所述装置还包括：
内容对比单元，用于通过将所述检测结果所包含的图像内容与所述标注结果所包含的图像内容进行对比，确定所述检测结果对所述待检测目标的检测准确度。
作为一种可选的实现方式，所述通过将所述检测结果所包含的图像内容与所述标注结果所包含的图像内容进行对比，确定所述检测结果对所述待检测目标的检测准确度，包括：
分别确定所述检测结果所包含的字符内容，以及所述标注结果所包含的字符内容；
通过将所述检测结果所包含的字符内容与所述标注结果所包含的字符内容进行对比，确定所述检测结果对所述待检测目标的检测准确度。
作为一种可选的实现方式，当所述检测结果和/或所述标注结果包括一个以上的图像区域时，确定该包括一个以上的图像区域的检测结果或标注结果所包含的字符内容，包括：
对所述检测结果或所述标注结果所包含的各个图像区域中的字符内容进行组合，得到至少一个字符串；
分别从预设的语料库中检索所述至少一个字符串，得到每个字符串在所述语料库中出现的概率；
将所述至少一个字符串中的、在所述语料库中出现的概率最大的字符串，确定为所述检测结果或所述标注结果所包含的字符内容。
作为一种可选的实现方式，所述对所述检测结果或所述标注结果所包含的各个图像区域中的字符内容进行组合，得到至少一个字符串，包括：
分别确定所述检测结果或所述标注结果所包含的每个图像区域的质心；
对所述检测结果或所述标注结果所包含的各个图像区域的质心进行曲线拟合处理，得到拟合曲线；
沿所述拟合曲线，对所述各个图像区域中的字符内容进行双向的组合处理，得到两个字符串。
作为一种可选的实现方式，所述装置还包括：
统计处理单元，用于当所述待检测目标为一个以上的待检测目标时，根据对应于每个待检测目标的检测结果是否与标注结果相匹配，或者对待检测目标的检测准确度，统计得到对所述一个以上的待检测目标的识别率。
具体的，上述目标检测结果的评测装置的各个实施例中的各个单元的具体工作内容，请参见上述方法实施例的介绍，此处不再详述。
本申请另一实施例还公开了一种目标检测结果的评测设备，参见图14所示，该设备包括：
存储器200和处理器210；
其中，所述存储器200与所述处理器210连接，用于存储程序；
所述处理器210，用于通过运行所述存储器200中存储的程序，实现上述任一实施例公开的目标检测结果的评测方法。
具体的，上述目标检测结果的评测设备还可以包括：总线、通信接口220、输入设备230和输出设备240。
处理器210、存储器200、通信接口220、输入设备230和输出设备240通过总线相互连接。其中：
总线可包括一通路，在计算机系统各个部件之间传送信息。
处理器210可以是通用处理器，例如通用中央处理器(CPU)、微处理器等，也可以是特定应用集成电路(application-specific integrated circuit，ASIC)，或一个或多个用于控制本发明方案程序执行的集成电路。还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
处理器210可包括主处理器，还可包括基带芯片、调制解调器等。
存储器200中保存有执行本发明技术方案的程序，还可以保存有操作系统和其他关键业务。具体地，程序可以包括程序代码，程序代码包括计算机操作指令。更具体的，存储器200可以包括只读存储器(read-only memory，ROM)、可存储静态信息和指令的其他类型的静态存储设备、随机存取存储器(random access memory，RAM)、可存储信息和指令的其他类型的动态存储设备、磁盘存储器、flash等等。
输入设备230可包括接收用户输入的数据和信息的装置，例如键盘、鼠标、摄像头、扫描仪、光笔、语音输入装置、触摸屏、计步器或重力感应器等。
输出设备240可包括允许输出信息给用户的装置，例如显示屏、打印机、扬声器等。
通信接口220可包括使用任何收发器一类的装置，以便与其他设备或通信网络通信，如以太网，无线接入网(RAN)，无线局域网(WLAN)等。
处理器2102执行存储器200中所存放的程序，以及调用其他设备，可用于实现本申请实施例所提供的目标检测结果的评测方法的各个步骤。
本申请另一实施例还提供了一种存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器执行时，实现上述任一实施例提供的目标检测结果的评测方法的各个步骤。
对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本申请各实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本申请各实施例种装置及终端中的模块和子模块可以根据实际需要进行合并、划分和删减。
本申请所提供的几个实施例中，应该理解到，所揭露的终端，装置和方法，可以通过其它的方式实现。例如，以上所描述的终端实施例仅仅是示意性的，例如，模块或子模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个子模块或模块可以结合或者可以集成到另一个模块，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的模块或子模块可以是或者也可以不是物理上分开的，作为模块或子模块的部件可以是或者也可以不是物理模块或子模块，即可以位于一个地方，或者也可以分布到多个网络模块或子模块上。可以根据实际的需要选择其中的部分或者全部模块或子模块来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块或子模块可以集成在一个处理模块中，也可以是各个模块或子模块单独物理存在，也可以两个或两个以上模块或子模块集成在一个模块中。上述集成的模块或子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或子模块的形式实现。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件单元，或者二者的结合来实施。软件单元可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (16)

1.一种目标检测结果的评测方法，其特征在于，包括：
分别获取对应于待检测图像中的待检测目标的标注结果，以及对应于所述待检测目标的检测结果；其中，所述标注结果和所述检测结果分别包括至少一个图像区域；
根据所述检测结果和所述标注结果各自包括的图像区域的数量，确定所述检测结果与所述标注结果的图像区域数量关系；
根据所述检测结果与所述标注结果的图像区域数量关系，以及与所述图像区域数量关系对应的评测规则，确定所述检测结果是否与所述标注结果相匹配；
其中，所述评测规则包括召回率和准确率评测规则，和/或预设的图像区域匹配判断规则，所述图像区域匹配判断规则用于判断所述检测结果所包括的图像区域与所述标注结果所包括的图像区域是否符合预设的匹配规则。
2.根据权利要求1所述的方法，其特征在于，所述根据所述检测结果与所述标注结果的图像区域数量关系，以及与所述图像区域数量关系对应的评测规则，确定所述检测结果是否与所述标注结果相匹配，包括：
根据所述检测结果与所述标注结果的图像区域数量关系，以及与所述图像区域数量关系对应的召回率和准确率评测规则，确定所述检测结果是否与所述标注结果相匹配；
如果所述检测结果与所述标注结果不匹配，则根据所述检测结果与所述标注结果的图像区域数量关系，以及与所述图像区域数量关系对应的预设的图像区域匹配判断规则，确定所述检测结果是否与所述标注结果相匹配。
3.根据权利要求2所述的方法，其特征在于，所述根据所述检测结果与所述标注结果的图像区域数量关系，以及与所述图像区域数量关系对应的预设的图像区域匹配判断规则，确定所述检测结果是否与所述标注结果相匹配，包括：
如果所述检测结果与所述标注结果分别包括一个图像区域，则通过判断所述检测结果与所述标注结果的非重合图像区域内是否存在所述待检测图像的其它图像内容，确定所述检测结果与所述标注结果是否相匹配；
如果所述检测结果包括一个图像区域并且所述标注结果包括一个以上的图像区域，或者所述检测结果包括一个以上的图像区域并且所述标注结果包括一个图像区域，则根据所述检测结果和所述标注结果的投影直方图，确定所述检测结果与所述标注结果是否相匹配；
如果所述检测结果与所述标注结果分别包括一个以上的图像区域，则通过分析所述检测结果所包括的各个图像区域与所述标注结果所包括的各个图像区域之间的重叠情况，确定所述检测结果与所述标注结果是否相匹配。
4.根据权利要求3所述的方法，其特征在于，所述通过判断所述检测结果与所述标注结果的非重合图像区域内是否存在所述待检测图像的其它图像内容，确定所述检测结果与所述标注结果是否相匹配，包括：
根据所述检测结果与所述标注结果所包括的相同的图像区域，将所述检测结果与所述标注结果对齐；
确定对齐后的所述检测结果与所述标注结果的非重合图像区域，其中，所述非重合图像区域是指所述检测结果所包括的、在所述标注结果所包括的图像区域之外的图像区域；
判断在所述非重合图像区域内，是否存在所述待检测图像的其它图像内容；其中，所述其它图像内容包括除所述待检测目标之外的图像内容；
如果存在所述待检测图像的其它图像内容，则确定所述检测结果与所述标注结果不匹配；
如果不存在所述待检测图像的其它图像内容，则确定所述检测结果与所述标注结果相匹配。
5.根据权利要求4所述的方法，其特征在于，所述判断在所述非重合图像区域内，是否存在所述待检测图像的其它图像内容，包括：
判断所述非重合图像区域，与对应于所述待检测图像中的其它图像内容的标注结果所包括的图像区域之间，是否存在重合的图像区域；
如果存在重合的图像区域，则确定在所述非重合图像区域内存在所述待检测图像的其它图像内容；
如果不存在重合的图像区域，则确定在所述非重合图像区域内不存在所述待检测图像的其它图像内容。
6.根据权利要求3所述的方法，其特征在于，所述根据所述检测结果和所述标注结果的投影直方图，确定所述检测结果与所述标注结果是否相匹配，包括：
分别计算得到所述检测结果和所述标注结果沿设定方向的投影直方图；
计算得到所述检测结果的投影直方图与所述标注结果的投影直方图的相似度；
如果所述检测结果的投影直方图与所述标注结果的投影直方图的相似度小于设定的相似度阈值，则确定所述检测结果与所述标注结果不匹配；
如果所述检测结果的投影直方图与所述标注结果的投影直方图的相似度不小于设定的相似度阈值，则确定所述检测结果与所述标注结果相匹配。
7.根据权利要求6所述的方法，其特征在于，当所述检测结果或所述标注结果包括一个以上的图像区域时，计算所述检测结果或所述标注结果沿设定方向的投影直方图，包括：
确定所述检测结果或所述标注结果所包括的各个图像区域的最小外接矩形；
计算所述最小外接矩形所包括的图像区域沿设定方向的投影直方图，得到所述检测结果或所述标注结果沿设定方向的投影直方图。
8.根据权利要求3所述的方法，其特征在于，所述通过分析所述检测结果所包括的各个图像区域与所述标注结果所包括的各个图像区域之间的重叠情况，确定所述检测结果与所述标注结果是否相匹配，包括：
判断所述检测结果所包括的各个图像区域与所述标注结果所包括的各个图像区域重叠后是否形成一个闭合的图像区域；
如果所述检测结果所包括的各个图像区域与所述标注结果所包括的各个图像区域重叠后不能形成一个闭合的图像区域，则确定所述检测结果与所述标注结果不匹配；
如果所述检测结果所包括的各个图像区域与所述标注结果所包括的各个图像区域重叠后形成一个闭合的图像区域，则确定所述检测结果与所述标注结果相匹配。
9.根据权利要求1至8中任意一项所述的方法，其特征在于，所述方法还包括：
通过将所述检测结果所包含的图像内容与所述标注结果所包含的图像内容进行对比，确定所述检测结果对所述待检测目标的检测准确度。
10.根据权利要求9所述的方法，其特征在于，所述通过将所述检测结果所包含的图像内容与所述标注结果所包含的图像内容进行对比，确定所述检测结果对所述待检测目标的检测准确度，包括：
分别确定所述检测结果所包含的字符内容，以及所述标注结果所包含的字符内容；
通过将所述检测结果所包含的字符内容与所述标注结果所包含的字符内容进行对比，确定所述检测结果对所述待检测目标的检测准确度。
11.根据权利要求10所述的方法，其特征在于，当所述检测结果和/或所述标注结果包括一个以上的图像区域时，确定该包括一个以上的图像区域的检测结果或标注结果所包含的字符内容，包括：
对所述检测结果或所述标注结果所包含的各个图像区域中的字符内容进行组合，得到至少一个字符串；
分别从预设的语料库中检索所述至少一个字符串，得到每个字符串在所述语料库中出现的概率；
将所述至少一个字符串中的、在所述语料库中出现的概率最大的字符串，确定为所述检测结果或所述标注结果所包含的字符内容。
12.根据权利要求11所述的方法，其特征在于，所述对所述检测结果或所述标注结果所包含的各个图像区域中的字符内容进行组合，得到至少一个字符串，包括：
分别确定所述检测结果或所述标注结果所包含的每个图像区域的质心；
对所述检测结果或所述标注结果所包含的各个图像区域的质心进行曲线拟合处理，得到拟合曲线；
沿所述拟合曲线，对所述各个图像区域中的字符内容进行双向的组合处理，得到两个字符串。
13.根据权利要求9所述的方法，其特征在于，当所述待检测目标为一个以上的待检测目标时，所述方法还包括：
根据对应于每个待检测目标的检测结果是否与标注结果相匹配，或者对待检测目标的检测准确度，统计得到对所述一个以上的待检测目标的识别率。
14.一种目标检测结果的评测装置，其特征在于，包括：
数据获取单元，用于分别获取对应于待检测图像中的待检测目标的标注结果，以及对应于所述待检测目标的检测结果；其中，所述标注结果和所述检测结果分别包括至少一个图像区域；
关系确定单元，用于根据所述检测结果和所述标注结果各自包括的图像区域的数量，确定所述检测结果与所述标注结果的图像区域数量关系；
评测处理单元，用于根据所述检测结果与所述标注结果的图像区域数量关系，以及与所述图像区域数量关系对应的评测规则，确定所述检测结果是否与所述标注结果相匹配；
其中，所述评测规则包括召回率和准确率评测规则，和/或预设的图像区域匹配判断规则，所述图像区域匹配判断规则用于判断所述检测结果所包括的图像区域与所述标注结果所包括的图像区域是否符合预设的匹配规则。
15.一种目标检测结果的评测设备，其特征在于，包括：
存储器和处理器；
其中，所述存储器与所述处理器连接，用于存储程序；
所述处理器，用于通过运行所述存储器中的程序，实现如权利要求1至13中任意一项所述的目标检测结果的评测方法。
16.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1至13中任意一项所述的目标检测结果的评测方法。
CN201910891864.XA 2019-09-20 2019-09-20 一种目标检测结果的评测方法、装置、设备及存储介质 Active CN110598799B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910891864.XA CN110598799B (zh) 2019-09-20 2019-09-20 一种目标检测结果的评测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910891864.XA CN110598799B (zh) 2019-09-20 2019-09-20 一种目标检测结果的评测方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN110598799A true CN110598799A (zh) 2019-12-20
CN110598799B CN110598799B (zh) 2023-09-26

Family

ID=68861677

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910891864.XA Active CN110598799B (zh) 2019-09-20 2019-09-20 一种目标检测结果的评测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN110598799B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111127440A (zh) * 2019-12-22 2020-05-08 上海眼控科技股份有限公司 轮胎规格的检测方法、装置、电子设备及可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120219199A1 (en) * 2011-02-26 2012-08-30 Akira Hagiwara Image processing apparatus, program and image diagnostic apparatus
CN109325406A (zh) * 2018-08-10 2019-02-12 广州广电运通金融电子股份有限公司 待评估检测算法检测性能的评估方法、装置和计算机设备
CN110070533A (zh) * 2019-04-23 2019-07-30 科大讯飞股份有限公司 一种目标检测结果的评测方法、装置、设备及存储介质
CN110163183A (zh) * 2019-05-30 2019-08-23 北京旷视科技有限公司 目标检测算法的评估方法、装置、计算机设备和存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120219199A1 (en) * 2011-02-26 2012-08-30 Akira Hagiwara Image processing apparatus, program and image diagnostic apparatus
CN109325406A (zh) * 2018-08-10 2019-02-12 广州广电运通金融电子股份有限公司 待评估检测算法检测性能的评估方法、装置和计算机设备
CN110070533A (zh) * 2019-04-23 2019-07-30 科大讯飞股份有限公司 一种目标检测结果的评测方法、装置、设备及存储介质
CN110163183A (zh) * 2019-05-30 2019-08-23 北京旷视科技有限公司 目标检测算法的评估方法、装置、计算机设备和存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李荣龙等: "字符候选集筛选算法评测方法研究", 《信息技术》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111127440A (zh) * 2019-12-22 2020-05-08 上海眼控科技股份有限公司 轮胎规格的检测方法、装置、电子设备及可读存储介质

Also Published As

Publication number Publication date
CN110598799B (zh) 2023-09-26

Similar Documents

Publication Publication Date Title
CN108921206B (zh) 一种图像分类方法、装置、电子设备及存储介质
US8045800B2 (en) Active segmentation for groups of images
US11250250B2 (en) Pedestrian retrieval method and apparatus
US20080306715A1 (en) Detecting Method Over Network Intrusion
CN111353549B (zh) 图像标签的核验方法及装置、电子设备、存储介质
CN109885597B (zh) 基于机器学习的用户分群处理方法、装置及电子终端
CN108830279A (zh) 一种图像特征提取与匹配方法
WO2019223104A1 (zh) 确定事件影响因素的方法、装置、终端设备及可读存储介质
WO2018006631A1 (zh) 一种用户等级自动划分方法及系统
CN108768743B (zh) 一种用户识别方法、装置及服务器
CN110598799A (zh) 一种目标检测结果的评测方法、装置、设备及存储介质
CN108734393A (zh) 房源信息的匹配方法、用户设备、存储介质及装置
CN111414930B (zh) 深度学习模型训练方法及装置、电子设备及存储介质
CN114648683B (zh) 基于不确定性分析的神经网络性能提升方法和设备
WO2020211248A1 (zh) 活体检测日志解析的方法、装置、存储介质及计算机设备
CN107403199B (zh) 数据处理方法和装置
Wen et al. AIoU: Adaptive bounding box regression for accurate oriented object detection
CN115170838A (zh) 一种数据筛选方法及装置
CN113936288A (zh) 倾斜文本方向分类方法、装置、终端设备和可读存储介质
CN113392455A (zh) 基于深度学习的户型图比例尺检测方法、装置及电子设备
KR20200113397A (ko) 데이터 불균형 해결을 위한 언더샘플링 기반 앙상블 방법
CN113221820B (zh) 一种对象识别方法、装置、设备及介质
US20230245421A1 (en) Face clustering method and apparatus, classification storage method, medium and electronic device
CN111339360B (zh) 视频处理方法、装置、电子设备及计算机可读存储介质
CN110689034B (zh) 一种分类器的优化方法及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant