CN111523599A - 目标检测方法及装置、电子设备和存储介质 - Google Patents
目标检测方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111523599A CN111523599A CN202010335401.8A CN202010335401A CN111523599A CN 111523599 A CN111523599 A CN 111523599A CN 202010335401 A CN202010335401 A CN 202010335401A CN 111523599 A CN111523599 A CN 111523599A
- Authority
- CN
- China
- Prior art keywords
- detection result
- class object
- target image
- result
- network
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 392
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000000605 extraction Methods 0.000 claims abstract description 36
- 238000013528 artificial neural network Methods 0.000 claims description 74
- 238000012549 training Methods 0.000 claims description 45
- 238000012545 processing Methods 0.000 claims description 39
- 238000002372 labelling Methods 0.000 claims description 37
- 238000012360 testing method Methods 0.000 claims description 29
- 238000010586 diagram Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种目标检测方法及装置、电子设备和存储介质,其中,所述方法包括:对目标图像进行特征提取,得到第一特征图;基于所述第一特征图,得到所述目标图像中的各个类别对象以及各个类别对象的第一检测结果;基于所述第一特征图,得到所述目标图像中的各个类别对象的第二检测结果;根据所述第一检测结果和所述第二检测结果,从所述目标图像中的各个类别对象中确认目标检测结果。本公开实施例可以目标检测的准确率。
Description
技术领域
本公开涉及计算机视觉技术领域,尤其涉及一种目标检测方法及装置、电子设备和存储介质。
背景技术
计算机视觉技术是利用计算机以及相关设备对生物视觉进行模拟的一种技术,通过对采集的图像或视频进行处理可以获得相应场景的三维信息,从而模拟生物的观测。其中,目标检测是计算视觉技术的一个重要任务。
目标检测是通过对图像中的目标进行检测,从而确定图像中目标的类别以及位置。但是目前目标检测任务中,检测结果的准确率较低。
发明内容
本公开提出了一种目标检测技术方案。
根据本公开的一方面,提供了一种目标检测方法,包括:
对目标图像进行特征提取,得到第一特征图;
基于所述第一特征图,得到所述目标图像中的各个类别对象以及各个类别对象的第一检测结果;
基于所述第一特征图,得到所述目标图像中的各个类别对象的第二检测结果;
根据所述第一检测结果和所述第二检测结果,从所述目标图像中的各个类别对象中确认目标检测结果。
在一个可能的实现方式中,所述基于所述第一特征图,得到所述目标图像中的各个类别对象的第一检测结果,包括:
对所述第一特征图进行第一分类处理,分别得到所述目标图片中各个类别对象的概率;其中,所述各个类别对象存在于所述目标图像的概率为所述第一检测结果。
在一个可能的实现方式中,所述基于所述第一特征图,得到所述目标图像中目标对象各个类别对象的第二检测结果,包括:
对所述第一特征图进行第二分类处理,得到所述目标图像中各个类别对象的分数;其中,所述各个类别对象对应的分数为所述第二检测结果。
在一个可能的实现方式中,所述根据所述第一检测结果和所述第二检测结果,从所述目标图像中的各个类别对象中确认目标检测结果,包括:
基于所述第一检测结果对所述第二检测结果进行更新处理,得到更新结果;
根据所述更新结果从所述目标图像中的各个类别对象中确认所述目标检测结果。
在一个可能的实现方式中,所述基于所述第一检测结果对所述第二检测结果进行更新处理,得到更新结果,包括:
针对所述各个类别对象中任意一个类别对象,在所述任意一个类别对象的第一检测结果小于或等于预设阈值的情况下,根据所述任意一个类别对象的所述第一检测结果与所述第二检测结果的乘积,得到所述更新结果。
在一个可能的实现方式中,所述基于所述第一检测结果对所述第二检测结果进行更新处理,得到更新结果,包括:
针对所述各个类别对象中任意一个类别对象,在所述任意一个类别对象的第一检测结果大于预设阈值的情况下,根据所述第二检测结果得到所述任意一个类别对象对应的更新结果。
在一个可能的实现方式中,所述方法还包括:
获取训练样本;
将所述训练样本输入构建的神经网络,得到所述神经网络输出的第三检测结果和第四检测结果;其中,所述第三检测结果为各个类别对象存在于所述训练样本中的概率,,所述第四检测结果为所述各个类别对象对应的分数;
根据所述第三检测结果与所述训练样本的标注结果确定所述神经网络的第一分类网络的第一损失,以及,根据所述第四检测结果与所述标注结果确定所述神经网络的第二分类网络的第二损失;
根据所述第一损失和所述第二损失对所述神经网络进行调整,以得到训练完成后的神经网络,其中,所述神经网络的第一分类网络用于基于所述第一特征图,得到所述目标图像中的各个类别对象以及各个类别对象的第一检测结果,所述第二分类网络用于基于所述第一特征图,得到所述目标图像中的各个类别对象的第二检测结果。
在一个可能的实现方式中,所述根据所述第三检测结果与所述训练样本的标注结果确定所述神经网络的第一分类网络的第一损失,包括:
获取所述各个类别对象的第三检测结果对应的准确率;
根据所述各个类别对象的第三检测结果对应的准确率,确定所述各个类别对象对应的权重;
利用所述权重,对所述各个类别对象的所述第三检测结果与所述标注结果之间的差异程度进行加权,得到所述第一分类网络的第一损失。
在一个可能的实现方式中,所述方法还包括:
获取测试样本;
将所述测试样本输入所述神经网络,得到所述神经网络的第一分类网络输出的各个类别对象的第五检测结果,其中,所述第五检测结果为各个类别对象存在于所述测试样本中的概率;
根据所述第五检测结果与所述测试样本的标注结果的比对结果确定所述各个类别对象对应的准确率,其中,所述各个类别对象对应的准确率为所述各个类别对象的第三检测结果对应的准确率。
在一个可能的实现方式中,所述训练完成的神经网络包括特征提取网络、第一分类网络和第二分类网络;其中,
所述特征提取网络,用于对所述目标图像进行特征提取,得到所述第一特征图;
所述第一分类网络,与所述特征提取网络连接,用于基于所述第一特征图,得到所述目标图像中的各个类别对象以及各个类别对象的第一检测结果;
所述第二分类网络,与所述特征提取网络连接,用于基于所述第一特征图,得到所述目标图像中的各个类别对象的第二检测结果。
根据本公开的一方面,提供了一种目标检测装置,包括:
提取模块,用于对目标图像进行特征提取,得到第一特征图;
第一分类模块,用于基于所述第一特征图,得到所述目标图像中的各个类别对象以及各个类别对象的第一检测结果;
第二分类模块,用于基于所述第一特征图,得到所述目标图像中的各个类别对象的第二检测结果;
确认模块,用于根据所述第一检测结果和所述第二检测结果,从所述目标图像中的各个类别对象中确认目标检测结果。
在一个可能的实现方式中,所述第一分类模块,具体用于对所述第一特征图进行第一分类处理,分别得到所述目标图片中各个类别对象的概率;其中,所述各个类别对象存在于所述目标图像的概率为所述第一检测结果。
在一个可能的实现方式中,所述第二分类模块,具体用于对所述第一特征图进行第二分类处理,得到所述目标图像中各个类别对象的分数;其中,所述各个类别对象对应的分数为所述第二检测结果。
在一个可能的实现方式中,所述确认模块,具体用于基于所述第一检测结果对所述第二检测结果进行更新处理,得到更新结果;根据所述更新结果从所述目标图像中的各个类别对象中确认所述目标检测结果。
在一个可能的实现方式中,所述确认模块,具体用于针对所述各个类别对象中任意一个类别对象,在所述任意一个类别对象的第一检测结果小于或等于预设阈值的情况下,根据所述任意一个类别对象的所述第一检测结果与所述第二检测结果的乘积,得到所述更新结果。
在一个可能的实现方式中,所述确认模块,具体用于针对所述各个类别对象中任意一个类别对象,在所述任意一个类别对象的第一检测结果大于预设阈值的情况下,根据所述第二检测结果得到所述任意一个类别对象对应的更新结果。
在一个可能的实现方式中,所述装置还包括:
训练模块,用于获取训练样本;将所述训练样本输入构建的神经网络,得到所述神经网络输出的第三检测结果;其中,所述第三检测结果为各个类别对象存在于所述训练样本中的概率,所述第四检测结果为所述各个类别对象对应的分数;根据所述第三检测结果与所述训练样本的标注结果确定所述神经网络的第一分类网络的第一损失,以及,根据所述第四检测结果与所述标注结果确定所述神经网络的第二分类网络的第二损失;根据所述损失对所述神经网络进行调整,以得到训练完成后的神经网络,其中,所述神经网络的第一分类网络用于基于所述第一特征图,得到所述目标图像中的各个类别对象以及各个类别对象的第一检测结果,所述第二分类网络用于基于所述第一特征图,得到所述目标图像中的各个类别对象的第二检测结果。
在一个可能的实现方式中,所述训练模块,具体用于获取所述各个类别对象的第三检测结果对应的准确率;根据所述各个类别对象的第三检测结果对应的准确率,确定所述各个类别对象对应的权重;利用所述权重,对所述各个类别对象的所述第三检测结果与所述标注结果之间的差异程度进行加权,得到所述第一分类网络的第一损失。
在一个可能的实现方式中,所述装置还包括:
测试模块,用于获取测试样本;将所述测试样本输入所述神经网络,得到所述神经网络的第一分类网络输出的各个类别对象的第五检测结果,其中,所述第五检测结果为各个类别对象存在于所述测试样本中的概率;根据所述第五检测结果与所述测试样本的标注结果的比对结果确定所述各个类别对象对应的准确率,其中,所述各个类别对象对应的准确率为所述各个类别对象的第三检测结果对应的准确率。
在一个可能的实现方式中,所述训练完成的神经网络包括特征提取网络、第一分类网络和第二分类网络;其中,
所述特征提取网络,用于对所述目标图像进行特征提取,得到所述第一特征图;
所述第一分类网络,与所述特征提取网络连接,用于基于所述第一特征图,得到所述目标图像中的各个类别对象以及各个类别对象的第一检测结果;
所述第二分类网络,与所述特征提取网络连接,用于基于所述第一特征图,得到所述目标图像中的各个类别对象的第二检测结果。
根据本公开的一方面,提供了一种电子设备,包括:
处理器;
用于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:执行上述目标检测方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述目标检测方法。
在本公开实施例中,可以对目标图像进行特征提取,得到第一特征图,基于第一特征图,得到目标图像中的各个类别对象以及各个类别对象的第一检测结果,基于第一特征图,得到目标图像中的各个类别对象的第二检测结果,再根据第一检测结果和第二检测结果,可以从目标图像中的各个类别对象中确认目标检测结果。这样,可以在目标检测过程中将各个类别对象的第一检测结果和第二检测结果相结合,从而确认的目标检测可以更加准确,提高目标检测的准确率。
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,而非限制本公开。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
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,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的目标检测方法的流程图。
图2示出根据本公开实施例的目标检测一示例的框图。
图3示出根据本公开实施例的不同类别对象的第三检测结果的准确率一示例的框图。
图4示出根据本公开实施例的目标检测装置一示例的框图。
图5示出根据本公开实施例的目标检测装置一示例的框图。
图6示出根据本公开实施例的电子设备示例的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多个中的任意一种或多个中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
本公开实施例提供的目标检测方案,可以对目标图像进行特征提取,得到第一特征图,基于所述第一特征图,可以得到目标图像中的各个类别对象以及各个类别对象的第一检测结果,基于第一特征图,得到目标图像中的各个类别对象的第二检测结果,进一步可以基于第一检测结果和第二检测结果,从目标图像中的各个类别对象中确认目标检测结果。这样,可以将各个类别对象的第一检测结果与第二检测结果相结合,得到更加准确的确认各个类别对象中的目标检测结果。
在相关技术中,目标检测任务中,可能会出现目标图像中不存在的类别物体的目标检测结果,而对于目标图像中真正存在的类别物体却没有相应的目标检测结果,从而使得得到的目标检测结果不准确。本公开实施例提供的目标检测方案,可以确定各个类别对象存在于目标图像的第一检测结果,从而可以利用该第一检测结果为第二检测结果提供参考,通过第一检测结果和第二检测结果相结合,可以得到更加准确的目标检测结果,从而提高目标检测的准确率。
本公开实施例提供的技术方案可以应用于图像或视频的目标检测、目标识别等应用场景的扩展,本公开实施例对此不做限定。例如,在交通场景中,可以对道路中的行人、车辆、交通设施进行目标检测,从而可以辅助用户车辆躲避路障,为用户车辆的安全行驶提供便利。
图1示出根据本公开实施例的目标检测方法的流程图。该目标检测方法可以由终端设备、服务器或其它类型的电子设备执行,其中,终端设备可以为用户设备(UserEquipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(PersonalDigital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中,该目标检测方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。下面以电子设备作为执行主体为例对本公开实施例的目标检测方法进行说明。
步骤S11,对目标图像进行特征提取,得到第一特征图。
在本公开实施例中,电子设备可以具有图像采集功能,可以对场景进行图像采集,获取待检测的目标图像。或者,电子设备可以从其他设备处获取待检测的目标图像,例如,电子设备可以从摄像设备、监控设备等到设备处获取待检测的目标图像。待检测的目标图像可以是等待进行目标检测的图像。一些实现方式中,目标图像可以是视频中的一个图像帧。
进一步地,可以对目标图像进行特征提取,得到目标图像的第一特征图。例如,可以将目标图像输入神经网络中,利用神经网络对目标图像进行特征提取,得到由神经网络提取的第一特征图。
步骤S12,基于所述第一特征图,得到所述目标图像中的各个类别对象以及各个类别对象的第一检测结果。
在本公开实施例中,然后可以根据目标图像的第一特征图,确定各个类别对象的第一检测结果,例如,可以利用神经网络对目标图像的第一特征图进行卷积处理、池化处理、激活处理等,可以得到各个类别对象的第一检测结果。这里可以针对多个类别对象进行目标检测,例如,可以针对80个类别对象进行目标检测。第一检测结果可以理解为,对多个类别对象中的各个类别对象是否存在于目标图像的预测,即,一个类别对象存在于目标图像中的可能性。一个类别对象可以对应一个第一检测结果。
步骤S13,基于所述第一特征图,得到所述目标图像中的各个类别对象的第二检测结果。
在本公开实施例中,可以根据目标图像的第一特征图,对目标图像进行目标检测,确定目标图像中各个类别对象的第二检测结果。例如,可以利用神经网络对目标图像的第一特征图进行卷积处理、上采样处理、下采样处理、归一化处理等,针对目标图像中各个类别对象进行检测,得到第二检测结果。第二检测结果可以指示目标图像中存在的类别对象。
步骤S14,根据所述第一检测结果和所述第二检测结果,从所述目标图像中的各个类别对象中确认目标检测结果。
在本公开实施例中,可以将各个类别对象的第一检测结果与第二检测结果相结合,得到目标图像的目标检测结果。例如,可以将第一检测结果与第二检测结果取交集,如果第二检测结果指示的某个类别对象存在于目标图像中,同时,第一检测结果表明这个或这几个类别对象很大可能存在于目标图像中,则可以认为,该类别对象存在于目标图像中,进而可以确认该类别对象为目标图像的目标检测结果。
通过将第一检测结果和第二检测结果相结合,可以对目标图像中不存在的类别对象进行抑制,从而提高得到的目标检测结果的准确率。
在上述步骤S12中,可以基于第一特征图,得到目标图像中的各个类别对象的第一检测结果,从而可以利用该第一检测结果对目标图像的第二检测结果进行参考,使得确认的目标检测结果更加准确。下面提供了一个得到第一检测结果的实现方式。
在一个可能的实现方式中,可以对第一特征图进行第一分类处理,分别得到目标图片中各个类别对象的概率;其中,各个类别对象存在于所述目标图像的概率为第一检测结果。
在该实现方式中,可以将目标图像的第一特征图输入训练完成的神经网络的第一分类网络,利用第一分类网络对第一特征图进行第一分类处理。第一分类网络可以包括全连接层和激活层,将目标图像的第一特征图输入神经网络的第一分类网络之后,可以利用全连接层基于目标图像的第一特征图进行全局分类,对各个类别对象是否存在于目标图像中进行预测,再利用激活层将全连接层得到的预测结果映射到预设的概率区间,例如,将预测结果映射到0至1的概率区间,可以分别得到各个类别对象存在于目标图像中的概率,得到的概率可以为各个类别对象的第一检测结果。通过这种方式,可以在神经网络中增加第一分类网络,利用第一分类网络得到各个类别对象的第一检测结果,实现方式简单,并可以进一步提高目标检测结果的准确性。
在上述步骤S13中,可以基于第一特征图,得到目标图像中的各个类别对象的第二检测结果,下面通过一可能的实现方式对确定各个类别对象的第二检测结果进行说明。
在一个可能的实现方式中,可以对第一特征图进行第二分类处理,得到目标图像中各个类别对象的分数;其中,各个类别对象对应的分数为第二检测结果。
在该实现方式中,可以利用神经网络的第二分类网络对第一特征图进行第二分类处理,得到目标图像中各个类别对象的分数,各个类别对象对应的分数为第二检测结果。第二分类网络可以与一些通用的目标分类网络的网络结构一致,例如,第二分类网络可以与R-CNN、Faster R-CNN、YOLO、SSD等目标分类网络的网络结构一致。通过将目标图像的第一特征图输入神经网络的第二分类网络,可以得到各个类别对象的分数,相应地,在分数高于预设的分数阈值的情况下,分数超过分数阈的类别对象可以通过检测框进行框出。各个类别对象的分数可以表示检测到相应类别对象的可能程度,一个类别对象的分数越大,表示检测到该类别对象的可能性越大,一个类别对象的分数越小,表示检测到该类别对象的可能性越小。通过将各个类别对象对应的分数作为第二检测结果,可以使第二检测结果更加直观。
在上述步骤S13中,可以基于第一检测结果和第二检测结果,确认目标图像中的目标检测结果,从而使得确认的目标检测结果更加准确。下面通过一可能的实现方式对确认目标检测结果的过程进行说明。
承上述,将第一检测结果获得的概率值和第二检测结果获得分数进行相乘,对相乘得到的结果进行排序,即可根据排序结果得到目标检测结果。
在一个可能的实现方式中,可以基于第一检测结果对第二检测结果进行更新处理,得到更新结果,然后根据更新结果从目标图像中的各个类别对象中确认目标检测结果。
在该实现方式中,可以基于各个类别对象的第一检测结果,对目标图像中各个类别对象的第二检测结果进行更新处理,得到更新结果。例如,针对同一个类别对象,在该类别对象的第一检测结果大于或等于该类别对象的第二检测结果的情况下,可以将第二检测结果作为更新结果。相应地,在该类别对象的第一检测结果小于该类别对象的第二检测结果的情况下,可以将第一检测结果作为更新结果。进一步地,可以利用得到的更新结果从目标图像中的各个类别对象中确认目标检测结果,例如,在一个类别对象的更新结果大于预设的更新阈值的情况下,可以将该类别对象确认为目标检测结果。通过第一检测结果对第二检测结果进行更新,可以使得确认的目标检测结果更加准确。
在本实现方式的一个示例中,针对各个类别对象中任意一个类别对象,在任意一个类别对象的第一检测结果小于或等于预设阈值的情况下,根据任意一个类别对象的第一检测结果与第二检测结果的乘积,得到更新结果。
在该示例中,针对各个类别对象中的任意一个类别对象,可以将该类别对象的第一检测结果与预设阈值进行比对,判断该类别对象的第一检测结果是否大于预设阈值。在该类别对象的第一检测结果小于或等于预设阈值的情况下,可以表明该类别对象存在目标图像中的可能性很小,进一步可以计算该类别对象的第一检测结果与第二检测结果之积,并将得到的第一检测结果与第二检测结果之积确定为该类别对象的更新结果。
这里,预设阈值可以根据实际应用场景进行设置,例如,可以将预设阈值设置为0.6、0.7等。通过将任意一个类别对象的第一检测结果和预设阈值进行对比,在任意一个类别对象的第一检测结果小于或等于预设阈值的情况下,可以理解为,该类别对象存在于目标图像中的可能性较低的情况下,可以利用该类别对象的第一检测结果对第二检测结果进行限制,使检测到该类别对象中的可能性不至于过高,从而使确认的目标检测结果更加准确。
在本实现方式的另一个示例中,针对各个类别对象中任意一个类别对象,在任意一个类别对象的第一检测结果大于预设阈值的情况下,根据第二检测结果得到任意一个类别对象对应的更新结果。
在本示例中,在任意一个类别对象的第一检测结果大于预设阈值的情况下,可以理解为,该类别对象存在于目标图像中的可能性较高的情况下,可以认为第二检测结果是可信的,从而可以将第二检测结果作为更新结果,从而使目标检测结果更加准确。
在一个实现方式中,在得到更新结果之后,可以确定大于更新阈值的更新结果,一个类别对象的更新结果大于更新阈值,可以认为该类别对象存在于目标图像中。同一个类别对象可能存在多个第二检测结果,相应地,一个类别对象可能对应多个大于更新阈值的更新结果,从而可以对同一类别对象的多个大于更新阈值的更新结果进行合并或者对重复的更新结果进行删除。这里,一个大于更新阈值的更新结果可以对应多个检测框,可以根据多个检测框对应的更新结果的分数对多个检测框进行合并或者删除。例如,可以针对同一个类别对象的多个检测框,按照多个检测框对应的更新结果的分数由大到小的顺序,对多个检测框进行排序,然后计算最大分数的检测框与其他检测框的交并比,如果交并比大于某个预设值,例如,交并比大于70%,则可以将与最大分数的检测框的交并比大于该预设值的检测框删除,或者,将与最大分数的检测框的交并比大于该预设值的检测框,与最大分数的检测框合并成一个检测框,从而使一个类别对象对应一个检测框。
在一个可能的实现方式中,上述神经网络可以包括特征提取网络、第一分类网络和第二分类网络;其中,
所述特征提取网络,用于对所述目标图像进行特征提取,得到所述第一特征图;
所述第一分类网络,与所述特征提取网络连接,用于基于所述第一特征图,得到所述目标图像中的各个类别对象以及各个类别对象的第一检测结果;
所述第二分类网络,与所述特征提取网络连接,用于基于所述第一特征图,得到所述目标图像中的各个类别对象的第二检测结果。
下面通过一个示例对利用神经网络确认目标图像中的目标检测结果的过程进行说明。图2示出根据本公开实施例的目标检测一示例的框图。在获取目标图像之后,可以将目标图像输入神经网络的特征提取网络,得到目标图像的第一特征图,然后可以利用第一分类网络对目标图像的第一特征图进行第一分类处理,得到各个类别对象存在于目标图像的概率(第一检测结果),利用第二分类网络对目标图像的第一特征图进行第二分类处理,得到各个类别对象的分数(第二检测结果)。然后可以利用各个类别对象的存在于目标图像的概率对各个类别对象的分数进行更新。
示例性的,本公开实施例的目标检测的特征提取网络可以为Faster RCNN网络的骨干网络(Backbone Network,BN),第一分类网络可以为Faster RCNN网络的区域候选网络(Region Proposal Networks,RPN),第二分类网络可以为连接骨干网络的其它分类网络,例如,第二分类网络可以与R-CNN、Faster R-CNN、YOLO、SSD等目标分类网络的网络结构一致。
这里,各个类别中每个类别对象存在于目标图像的概率(第一检测结果)可以表示为Pi,每个类别对象的分数(第二检测结果)可以表示为其中,i表示第i个类别对象。可以利用Pi对进行更新,相应的更新公式可以如公式(1)所示:
在利用各个类别对象存在于目标图像的概率对各个类别的分数进行更新,得到更新结果之后,可以根据该更新结果确认各个类别对象中的目标检测结果,从而可以实现更加准确的目标检测。
上述实现方式中,可以通过神经网络中的第一分类网络得到各个类别对象的第一检测结果,从而可以利用第一检测结果对第二检测结果进行更新,得到更加准确的目标检测结果。
下面通过一实现方式对神经网络的训练过程进行说明。
在一个可能的实现方式中,可以获取训练样本,然后将训练样本输入构建的神经网络,得到神经网络输出的各个类别对象的第三检测结果和第四检测结果;其中,第三检测结果为各个类别对象存在于训练样本中的概率,第四检测结果为各个类别对象对应的分数。再根据第三检测结果与训练样本的标注结果确定神经网络的第一分类网络的第一损失,以及,根据第四检测结果与标注结果确定神经网络的第二分类网络的第二损失,从而可以根据第一损失和第二损失对神经网络进行调整,以得到训练完成后的神经网络。
在本实现方式中,可以利用训练样本对神经网络进行训练,神经网络可以包括特征提取网络、第一分类网络和第二分类网络。其中,第一分类网络可以包括全连接层和激活层。训练样本可以是带有标注结果的图像,训练样本的标注结果可以是训练样本中存在的对象的真实类别。将训练样本输入神经网络之后,可以得到第一分类网络输出的各个类别对象存在于训练样本的第三检测结果,以及,可以得到第二分类网络输出的针对各个类别对象进行目标检测的第四检测结果。一个类别对象可以对应一个第三检测结果,第三检测结果可以表示相应类别对象存在于训练图像中的可能性,例如,第三检测结果可以是相应类别对象存在于训练图像中的概率。相应地,一个类别对象也可以对应一个第四检测结果,第四检测结果可以表示在训练图像中检测到相应类别对象的分数。然后可以将各个类别对象的第三检测结果与训练样本的标注结果进行比对,确定第一分类网络的第一损失,并且,可以将各个类别对象的第四检测结果与训练样本的标注结果进行比对,确定第二分类网络的第二损失。
进一步地,根据第一损失和第二损失可以确定神经网络的网络损失,例如,可以将第一损失和第二损失进行相加,或者,可以根据实际需求确定第一损失和第二损失对应的比例,然后对第一损失和第二损失按照比例进行相加,可以得到神经网络的网络损失。然后根据该网络损失可以对神经网络的特征提取网络、第一分类网络和第二分类网络的权重进行调整,使第一分类网络得到的第三检测结果趋于标注结果,以及,使第二分类网络得到的第四检测结果趋于标注结果,从而使神经网络网络不断进行训练。训练完成后可以利用神经网络的第一分类网络得到目标图像中各个类别对象的第一检测结果,以及,可以利用神经网络的第二分类网络得到目标图像中各个类别对象的第二检测结果。
在本实现方式的一个示例中,可以获取各个类别对象的第三检测结果对应的准确率,然后根据各个类别对象的第三检测结果对应的准确率,确定各个类别对象对应的权重。再利用各个类别对象对应的权重,对各个类别对象的第三检测结果与标注结果之间的差异程度进行加权,得到第一分类网络的第一损失。
在本示例中,不同类别对象的第三检测结果可以具有不同的准确率,举例来说,针对一个训练图像,其中存在行人的第三检测结果的准确率可能比其中存在猫咪的第三检测结果的准确率要高,即,可以理解为,得到的训练图像中存在行人的第三检测结果更加可靠。从而为了提高第一分类网络整体的准确率,在对第一分类网络训练的过程中,可以根据各个类别对象的第三检测结果对应的准确率,为各个类别对象的第三检测结果与标注结果之间的差异程度设置相应的权重,由各个类别对象的第三检测结果与标注结果之间的差异程度进行加权,可以得到第一分类网络的第一损失。各个类别对象的第三检测结果与标注结果之间的差异程度可以通过损失函数进行计算,例如,可以根据第三检测结果与标注结果之间的均方差、交叉熵确定第三检测结果与标注结果之间的差异程度。通过由各个类别对象的第三检测结果与标注结果之间的差异程度进行加权得到第一损失,可以训练得到更加准确的第一分类网络。
这里,每个类别对象的权重可以与相应类别对象的准确率负相关,即,某个类别对象的第三检测结果的准确率越高,可以为该类别对象的第三检测结果与标注结果之间的差异程度设置更大的权重,从而可以平衡不同类别对象的第三检测结果与标注结果之间的差异程度对第一分类网络的第一损失的贡献,使的得到的第一分类网络的第一损失更能体现各个类别对象的第三检测结果的不准确程度,从而可以提高第一分类网络整体的准确率。
图3示出根据本公开实施例的不同类别对象的第三检测结果的准确率一示例的框图。在一个示例中,由不同类别对应的第三检测结果的准确率AP可以如直方图所示,不同类别对应的第三检测结果的准确率可以不同。从而在对第一分类网络进行训练的过程中,可以根据每个类别对应的第三检测结果的准确率设置相应的权重。这里,可以根据下述公式(2)确定每个类别对象的权重:
其中,weighti是第i个类别对象对应的权重;APmax是多个类别对象的准确率中最大的准确率;APi是第i个类别对象对应的准确率。
在一个可能的实现方式中,获取测试样本,将测试样本输入神经网络,得到神经网络的第一分类网络输出的各个类别对象的第五检测结果,其中,第五检测结果为各个类别对象存在于测试样本中的概率。然后根据第五检测结果与测试样本的标注结果的比对结果确定各个类别对象对应的准确率,其中,各个类别对象对应的准确率为所述各个类别对象的第三检测结果对应的准确率。
在本实现方式中,每个类别对象的第三检测结果的准确率可以通过测试样本进行确定,例如,可以将数据集中80%的图像作为训练样本,20%的图像作为测试样本,然后可以将测试样本输入初步训练的神经网络的第一分类网络,得到测试样本中各个类别对象的第五检测结果。然后可以将测试样本中各个类别对象的第五检测结果与测试样本的标注结果进行比对,根据由多个测试样本得到的比对结果统计各个类别对象的准确率。统计的各个类别对象对应的准确率可以作为各个类别对象的第三检测结果对应的准确率。
本公开实施例提供的目标检测方案,可以通过在现有的目标检测网络中增加第一分类网络,确定各个类别对象存在于目标图像的概率(第一检测结果),从而可以利用各个类别对象存在于目标图像的概率对目标检测网络的原检测结果(第二检测结果)进行更新,得到更加准确的目标检测结果,从而提高目标检测的准确率。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。
此外,本公开还提供了装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种目标检测方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
图4示出根据本公开实施例的目标检测装置的框图,如图4所示,所述装置包括:
提取模块41,用于对目标图像进行特征提取,得到第一特征图;
第一分类模块42,用于基于所述第一特征图,得到所述目标图像中的各个类别对象以及各个类别对象的第一检测结果;
第二分类模块43,用于基于所述第一特征图,得到所述目标图像中的各个类别对象的第二检测结果;
确认模块44,用于根据所述第一检测结果和所述第二检测结果,从所述目标图像中的各个类别对象中确认目标检测结果。
在一个可能的实现方式中,所述第一分类模块42,具体用于对所述第一特征图进行第一分类处理,分别得到所述目标图片中各个类别对象的概率;其中,所述各个类别对象存在于所述目标图像的概率为所述第一检测结果。
在一个可能的实现方式中,所述第二分类模块43,具体用于对所述第一特征图进行第二分类处理,得到所述目标图像中各个类别对象的分数;其中,所述各个类别对象对应的分数为所述第二检测结果。
在一个可能的实现方式中,所述确认模块44,具体用于基于所述第一检测结果对所述第二检测结果进行更新处理,得到更新结果;根据所述更新结果从所述目标图像中的各个类别对象中确认所述目标检测结果。
在一个可能的实现方式中,所述确认模块44,具体用于针对所述各个类别对象中任意一个类别对象,在所述任意一个类别对象的第一检测结果小于或等于预设阈值的情况下,根据所述任意一个类别对象的所述第一检测结果与所述第二检测结果的乘积,得到所述更新结果。
在一个可能的实现方式中,所述确认模块44,具体用于针对所述各个类别对象中任意一个类别对象,在所述任意一个类别对象的第一检测结果大于预设阈值的情况下,根据所述第二检测结果得到所述任意一个类别对象对应的更新结果。
在一个可能的实现方式中,所述装置还包括:
训练模块,用于获取训练样本;将所述训练样本输入构建的神经网络,得到所述神经网络输出的第三检测结果和第四检测结果;其中,所述第三检测结果为各个类别对象存在于所述训练样本中的概率,所述第四检测结果为所述各个类别对象对应的分数;根据所述第三检测结果与所述训练样本的标注结果确定所述神经网络的第一分类网络的第一损失,以及,根据所述第四检测结果与所述标注结果确定所述神经网络的第二分类网络的第二损失;根据所述第一损失和所述第二损失对所述神经网络进行调整,以得到训练完成后的神经网络,其中,所述神经网络的第一分类网络用于基于所述第一特征图,得到所述目标图像中的各个类别对象以及各个类别对象的第一检测结果,所述第二分类网络用于基于所述第一特征图,得到所述目标图像中的各个类别对象的第二检测结果。
在一个可能的实现方式中,所述训练模块,具体用于获取所述各个类别对象的第三检测结果对应的准确率;根据所述各个类别对象的第三检测结果对应的准确率,确定所述各个类别对象对应的权重;利用所述权重,对所述各个类别对象的所述第三检测结果与所述标注结果之间的差异程度进行加权,得到所述第一分类网络的第一损失。
在一个可能的实现方式中,所述装置还包括:
测试模块,用于获取测试样本;将所述测试样本输入所述神经网络,得到所述神经网络的第一分类网络输出的各个类别对象的第五检测结果,其中,所述第五检测结果为各个类别对象存在于所述测试样本中的概率;根据所述第五检测结果与所述测试样本的标注结果的比对结果确定所述各个类别对象对应的准确率,其中,所述各个类别对象对应的准确率为所述各个类别对象的第三检测结果对应的准确率。
在一个可能的实现方式中,所述训练完成的神经网络包括特征提取网络、第一分类网络和第二分类网络;其中,
所述特征提取网络,用于对所述目标图像进行特征提取,得到所述第一特征图;
所述第一分类网络,与所述特征提取网络连接,用于基于所述第一特征图,得到所述目标图像中的各个类别对象以及各个类别对象的第一检测结果;
所述第二分类网络,与所述特征提取网络连接,用于基于所述第一特征图,得到所述目标图像中的各个类别对象的第二检测结果。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
图5是根据一示例性实施例示出的一种用于目标检测装置800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5,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装置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。当装置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可以检测到装置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,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由装置800的处理器820执行以完成上述方法。
本公开实施例还提出一种电子设备,包括:处理器;用于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上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图6是根据一示例性实施例示出的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图6,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多个编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (13)
1.一种目标检测方法,其特征在于,包括:
对目标图像进行特征提取,得到第一特征图;
基于所述第一特征图,得到所述目标图像中的各个类别对象以及各个类别对象的第一检测结果;
基于所述第一特征图,得到所述目标图像中的各个类别对象的第二检测结果;
根据所述第一检测结果和所述第二检测结果,从所述目标图像中的各个类别对象中确认目标检测结果。
2.根据权利要求1所述的方法,其特征在于,所述基于所述第一特征图,得到所述目标图像中的各个类别对象的第一检测结果,包括:
对所述第一特征图进行第一分类处理,分别得到所述目标图片中各个类别对象的概率;其中,所述各个类别对象存在于所述目标图像的概率为所述第一检测结果。
3.根据权利要求1所述的方法,其特征在于,所述基于所述第一特征图,得到所述目标图像中目标对象各个类别对象的第二检测结果,包括:
对所述第一特征图进行第二分类处理,得到所述目标图像中各个类别对象的分数;其中,所述各个类别对象对应的分数为所述第二检测结果。
4.根据权利要求1至3任意一项所述的方法,其特征在于,所述根据所述第一检测结果和所述第二检测结果,从所述目标图像中的各个类别对象中确认目标检测结果,包括:
基于所述第一检测结果对所述第二检测结果进行更新处理,得到更新结果;
根据所述更新结果从所述目标图像中的各个类别对象中确认所述目标检测结果。
5.根据权利要求4所述的方法,其特征在于,所述基于所述第一检测结果对所述第二检测结果进行更新处理,得到更新结果,包括:
针对所述各个类别对象中任意一个类别对象,在所述任意一个类别对象的第一检测结果小于或等于预设阈值的情况下,根据所述任意一个类别对象的所述第一检测结果与所述第二检测结果的乘积,得到所述更新结果。
6.根据权利要求4所述的方法,其特征在于,所述基于所述第一检测结果对所述第二检测结果进行更新处理,得到更新结果,包括:
针对所述各个类别对象中任意一个类别对象,在所述任意一个类别对象的第一检测结果大于预设阈值的情况下,根据所述第二检测结果得到所述任意一个类别对象对应的更新结果。
7.根据权利要求1至6任意一项所述的方法,其特征在于,所述方法还包括:
获取训练样本;
将所述训练样本输入构建的神经网络,得到所述神经网络输出的各个类别对象的第三检测结果和第四检测结果;其中,所述第三检测结果为各个类别对象存在于所述训练样本中的概率,所述第四检测结果为所述各个类别对象对应的分数;
根据所述第三检测结果与所述训练样本的标注结果确定所述神经网络的第一分类网络的第一损失,以及,根据所述第四检测结果与所述标注结果确定所述神经网络的第二分类网络的第二损失;
根据所述第一损失和所述第二损失对所述神经网络进行调整,以得到训练完成后的神经网络,其中,所述神经网络的第一分类网络用于基于所述第一特征图,得到所述目标图像中的各个类别对象以及各个类别对象的第一检测结果,所述第二分类网络用于基于所述第一特征图,得到所述目标图像中的各个类别对象的第二检测结果。
8.根据权利要求7所述的方法,其特征在于,所述根据所述第三检测结果与所述训练样本的标注结果确定所述神经网络的第一分类网络的第一损失,包括:
获取所述各个类别对象的第三检测结果对应的准确率;
根据所述各个类别对象的第三检测结果对应的准确率,确定所述各个类别对象对应的权重;
利用所述权重,对所述各个类别对象的所述第三检测结果与所述标注结果之间的差异程度进行加权,得到所述第一分类网络的第一损失。
9.根据权利要求8所述的方法,其特征在于,所述方法还包括:
获取测试样本;
将所述测试样本输入所述神经网络,得到所述神经网络的第一分类网络输出的各个类别对象的第五检测结果,其中,所述第五检测结果为各个类别对象存在于所述测试样本中的概率;
根据所述第五检测结果与所述测试样本的标注结果的比对结果确定所述各个类别对象对应的准确率,其中,所述各个类别对象对应的准确率为所述各个类别对象的第三检测结果对应的准确率。
10.根据权利要求7至9任意一项所述的方法,其特征在于,所述训练完成的神经网络包括特征提取网络、第一分类网络和第二分类网络;其中,
所述特征提取网络,用于对所述目标图像进行特征提取,得到所述第一特征图;
所述第一分类网络,与所述特征提取网络连接,用于基于所述第一特征图,得到所述目标图像中的各个类别对象以及各个类别对象的第一检测结果;
所述第二分类网络,与所述特征提取网络连接,用于基于所述第一特征图,得到所述目标图像中的各个类别对象的第二检测结果。
11.一种目标检测装置,其特征在于,包括:
提取模块,用于对目标图像进行特征提取,得到第一特征图;
第一分类模块,用于基于所述第一特征图,得到所述目标图像中的各个类别对象以及各个类别对象的第一检测结果;
第二分类模块,用于基于所述第一特征图,得到所述目标图像中的各个类别对象的第二检测结果;
确认模块,用于根据所述第一检测结果和所述第二检测结果,从所述目标图像中的各个类别对象中确认目标检测结果。
12.一种电子设备,其特征在于,包括:
处理器;
用于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调用所述存储器存储的指令,以执行权利要求1至10中任意一项所述的方法。
13.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至10中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010335401.8A CN111523599B (zh) | 2020-04-24 | 2020-04-24 | 目标检测方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010335401.8A CN111523599B (zh) | 2020-04-24 | 2020-04-24 | 目标检测方法及装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111523599A true CN111523599A (zh) | 2020-08-11 |
CN111523599B CN111523599B (zh) | 2024-03-26 |
Family
ID=71904722
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010335401.8A Active CN111523599B (zh) | 2020-04-24 | 2020-04-24 | 目标检测方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111523599B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112036307A (zh) * | 2020-08-31 | 2020-12-04 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN113222942A (zh) * | 2021-05-17 | 2021-08-06 | 北京百度网讯科技有限公司 | 多标签分类模型的训练方法和预测标签的方法 |
CN114494782A (zh) * | 2022-01-26 | 2022-05-13 | 北京百度网讯科技有限公司 | 图像处理方法、模型训练方法、相关装置及电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180157938A1 (en) * | 2016-12-07 | 2018-06-07 | Samsung Electronics Co., Ltd. | Target detection method and apparatus |
CN109886230A (zh) * | 2019-02-28 | 2019-06-14 | 中南大学 | 一种图像目标检测方法及装置 |
CN110008792A (zh) * | 2018-01-05 | 2019-07-12 | 比亚迪股份有限公司 | 图像检测方法、装置、计算机设备及存储介质 |
CN110210474A (zh) * | 2019-04-30 | 2019-09-06 | 北京市商汤科技开发有限公司 | 目标检测方法及装置、设备及存储介质 |
US20190347828A1 (en) * | 2018-05-09 | 2019-11-14 | Beijing Kuangshi Technology Co., Ltd. | Target detection method, system, and non-volatile storage medium |
CN110781956A (zh) * | 2019-10-24 | 2020-02-11 | 精硕科技(北京)股份有限公司 | 一种目标检测的方法、装置、电子设备及可读存储介质 |
CN111046780A (zh) * | 2019-12-06 | 2020-04-21 | 北京市商汤科技开发有限公司 | 神经网络训练及图像识别方法、装置、设备和存储介质 |
-
2020
- 2020-04-24 CN CN202010335401.8A patent/CN111523599B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180157938A1 (en) * | 2016-12-07 | 2018-06-07 | Samsung Electronics Co., Ltd. | Target detection method and apparatus |
CN110008792A (zh) * | 2018-01-05 | 2019-07-12 | 比亚迪股份有限公司 | 图像检测方法、装置、计算机设备及存储介质 |
US20190347828A1 (en) * | 2018-05-09 | 2019-11-14 | Beijing Kuangshi Technology Co., Ltd. | Target detection method, system, and non-volatile storage medium |
CN109886230A (zh) * | 2019-02-28 | 2019-06-14 | 中南大学 | 一种图像目标检测方法及装置 |
CN110210474A (zh) * | 2019-04-30 | 2019-09-06 | 北京市商汤科技开发有限公司 | 目标检测方法及装置、设备及存储介质 |
CN110781956A (zh) * | 2019-10-24 | 2020-02-11 | 精硕科技(北京)股份有限公司 | 一种目标检测的方法、装置、电子设备及可读存储介质 |
CN111046780A (zh) * | 2019-12-06 | 2020-04-21 | 北京市商汤科技开发有限公司 | 神经网络训练及图像识别方法、装置、设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
IAN FASEL ET AL: "A generative framework for real time object detection and classification" * |
高飞飞: "基于特征融合与多分类器并行的变尺度跟踪算法研究" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112036307A (zh) * | 2020-08-31 | 2020-12-04 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN113222942A (zh) * | 2021-05-17 | 2021-08-06 | 北京百度网讯科技有限公司 | 多标签分类模型的训练方法和预测标签的方法 |
CN114494782A (zh) * | 2022-01-26 | 2022-05-13 | 北京百度网讯科技有限公司 | 图像处理方法、模型训练方法、相关装置及电子设备 |
CN114494782B (zh) * | 2022-01-26 | 2023-08-08 | 北京百度网讯科技有限公司 | 图像处理方法、模型训练方法、相关装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111523599B (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109829501B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110348537B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110009090B (zh) | 神经网络训练与图像处理方法及装置 | |
CN110674719B (zh) | 目标对象匹配方法及装置、电子设备和存储介质 | |
CN112001321B (zh) | 网络训练、行人重识别方法及装置、电子设备和存储介质 | |
CN108010060B (zh) | 目标检测方法及装置 | |
CN113538407B (zh) | 锚点确定方法及装置、电子设备和存储介质 | |
KR20210102180A (ko) | 이미지 처리 방법 및 장치, 전자 기기 및 기억 매체 | |
TW202022561A (zh) | 圖像的描述語句定位方法及裝置、電子設備和儲存介質 | |
CN109934275B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN113538517A (zh) | 目标追踪方法及装置、电子设备和存储介质 | |
CN109615006B (zh) | 文字识别方法及装置、电子设备和存储介质 | |
CN111881956A (zh) | 网络训练方法及装置、目标检测方法及装置和电子设备 | |
CN110781813B (zh) | 图像识别方法及装置、电子设备和存储介质 | |
JP2022522551A (ja) | 画像処理方法及び装置、電子機器並びに記憶媒体 | |
CN113326768B (zh) | 训练方法、图像特征提取方法、图像识别方法及装置 | |
CN111523599B (zh) | 目标检测方法及装置、电子设备和存储介质 | |
CN109543537B (zh) | 重识别模型增量训练方法及装置、电子设备和存储介质 | |
CN110532956B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111507408A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111435422B (zh) | 动作识别方法、控制方法及装置、电子设备和存储介质 | |
CN111259967A (zh) | 图像分类及神经网络训练方法、装置、设备及存储介质 | |
CN112270288A (zh) | 活体识别、门禁设备控制方法和装置、电子设备 | |
CN110633715B (zh) | 图像处理方法、网络训练方法及装置、和电子设备 | |
CN111523555A (zh) | 图像处理方法及装置、电子设备和存储介质 |
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 |