CN114627098A - 检测结果处理方法和装置、设备、介质 - Google Patents

检测结果处理方法和装置、设备、介质 Download PDF

Info

Publication number
CN114627098A
CN114627098A CN202210314170.1A CN202210314170A CN114627098A CN 114627098 A CN114627098 A CN 114627098A CN 202210314170 A CN202210314170 A CN 202210314170A CN 114627098 A CN114627098 A CN 114627098A
Authority
CN
China
Prior art keywords
detection result
historical
preset
detection
accuracy
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.)
Withdrawn
Application number
CN202210314170.1A
Other languages
English (en)
Inventor
李建
张辉
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.)
Shanghai Sensetime Intelligent Technology Co Ltd
Original Assignee
Shanghai Sensetime Intelligent Technology 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 Shanghai Sensetime Intelligent Technology Co Ltd filed Critical Shanghai Sensetime Intelligent Technology Co Ltd
Priority to CN202210314170.1A priority Critical patent/CN114627098A/zh
Publication of CN114627098A publication Critical patent/CN114627098A/zh
Priority to PCT/CN2022/114478 priority patent/WO2023184833A1/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217Validation; Performance evaluation; Active pattern learning techniques

Landscapes

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

Abstract

本申请公开了一种检测结果处理方法和装置、设备、介质,检测结果处理方法包括:获取待检测图像的检测结果;基于历史检测结果判断检测结果是否满足预设条件;响应于检测结果满足预设条件,执行检测结果对应的预设处理。上述方案,能够实现对检测结果进行筛选,减少预设处理的误操作概率。

Description

检测结果处理方法和装置、设备、介质
技术领域
本申请涉及图像处理技术领域,特别是涉及一种检测结果处理方法和装置、设备、介质。
背景技术
在传统的检测应用系统中,由于待检测图像千差万别,检测结果不准在项目初期是经常遇到的问题,也是比较严重的问题。一般采用的方式包括检测应用系统中用于检测的检测模型在应用一段时间后,重新对检测模型进行二次训练。这种方式存在的问题包括,在该检测模型还未重新训练过程中,因为检测结果不准确,导致错误执行对应处理的问题频发。
发明内容
本申请至少提供一种检测结果处理方法和装置、设备、介质。
本申请提供了一种检测结果处理方法,包括:获取待检测图像的检测结果;基于历史检测结果判断检测结果是否满足预设条件;响应于检测结果满足预设条件,执行检测结果对应的预设处理。
因此,通过在获取到待检测图像的检测结果后,并且基于历史检测结果判断检测结果满足预设条件的情况下,执行检测结果对应的预设处理,相比在进行检测之后,直接执行检测结果对应的预设处理而言,上述方案能够减少误执行预设处理的概率。
其中,检测结果包括检测结果类型以及检测结果类型对应的准确度,判断检测结果是否满足预设条件,包括:判断准确度是否大于或等于预设准确度,预设准确度是基于历史检测结果中的历史准确度得到;响应于准确度大于或等于预设准确度,确定检测结果满足预设条件。
因此,通过基于历史检测结果的历史准确度确定预设准确度,并基于预设准确度判断检测结果是否满足预设条件,实现了基于历史先验信息对检测结果进行判断,提高了判断结果的准确度。
其中,检测结果包括检测结果类型以及检测结果类型对应的准确度,基于历史检测结果判断检测结果是否满足预设条件,包括:判断准确度是否大于或等于预设准确度,预设准确度是基于历史检测结果中的历史准确度得到;响应于准确度大于或等于预设准确度,获取用户关于检测结果的判断结果;响应于判断结果为表示检测结果无误的肯定结果,确定检测结果满足预设条件。
因此,通过获取用户关于检测结果是否有误的判断结果,并且在用户给出的肯定结果之后,确定检测结果满足预设条件,能够减少预设处理误操作的几率。
其中,判断准确度是否大于或等于预设准确度之前,还包括:基于包含检测结果类型的历史检测结果对应的历史准确度确定预设准确度,其中,不同检测结果类型对应的历史准确度相同或不同。
因此,通过对不同检测结果类型分别确定对应的历史准确度,使得能够针对不同检测结果类型的检测结果确定对应的预设准确度,减少预设处理误操作的几率。
其中,历史检测结果包括检测结果有误的历史误检结果,基于包含检测结果类型的历史检测结果对应的历史准确度确定预设准确度,包括:获取包含检测结果类型的各历史误检结果中的历史准确度;将各历史误检结果的历史准确度进行平均,得到预设准确度。
因此,通过将检测结果有误的历史误检结果对应的准确度进行平均,得到预设准确度,能够参考历史误检结果的信息,从而减少预设处理的误操作几率。
其中,方法还包括:响应于判断结果为表示检测结果有误的否定结果,将检测结果作为历史误检结果。
因此,判断结果为表示检测结果有误的否定结果,将检测结果作为历史误检结果,以便在下次检测过程中,判断下次检测得到的检测结果是否满足预设条件能够提高下次检测结果判断的准确度。
其中,获取待检测图像的检测结果之前,方法还包括:确定预设历史时间段内各历史检测结果对应的误检率,误检率基于预设时间段内的历史误检结果的数量和总历史检测结果的数量得到;响应于误检率大于预设误检率,执行获取待检测图像的检测结果。
因此,通过在获取待检测图像的检测结果之前确定误检率,使得能够在误检率较大的情况下下,对待检测图像的检测结果进行判断,在检测结果满足预设条件的情况下,才执行检测结果对应的预设处理,从而减少预设处理的误操作。
其中,方法还包括:在确定误检率小于或等于预设误检率的情况下,获取待检测图像的检测结果;执行检测结果对应的预设处理。
因此,通过在误检率小于或等于预设误检率的情况下,可以直接根据检测结果执行对应的预设处理,无需进行检测结果的判断,从而达到简化流程的效果。
其中,历史检测结果包括检测结果有误的历史误检结果,基于历史检测结果判断检测结果是否满足预设条件,包括:获取与检测结果对应的目标特征序列,目标特征序列是从历史误检结果对应的待检测图像中提取得到的特征序列,目标特征序列用于得到对应待检测图像的检测结果;将检测结果对应的待检测图像的特征序列与目标特征序列进行匹配;基于匹配结果确定检测结果是否满足预设条件。
因此,通过获取与检测结果对应的目标特征序列,并将检测结果对应的待检测图像的特征序列与目标特征序列进行匹配,并基于匹配结果确定检测结果是否满足预设条件,通过参考历史误检结果的特征序列信息,从而减少预设处理的误操作几率。
其中,基于匹配结果确定检测结果是否满足预设条件,包括:响应于检测结果对应的待检测图像的特征序列与目标特征序列之间的匹配程度大于预设匹配程度,确定检测结果不满足预设条件;响应于检测结果对应的待检测图像的特征序列与目标特征序列之间的匹配程度小于或等于预设匹配程度,获取用户关于检测结果的判断结果,并响应于判断结果为表示检测结果无误的肯定结果,确定检测结果满足预设条件。
因此,通过根据待检测图像的特征序列与目标特征序列之间的匹配程度较大时,则待检测图像的检测结果很有可能是有误的,故确定检测结果不满足预设条件,能够减少预设处理的误操作几率。另外,在二者匹配程度较小的情况下,根据用户对检测结果的判断,确定检测结果是否满足预设条件能够,能够减少预设处理的误操作几率。
其中,对待检测图像进行检测的步骤是由检测模型执行的,方法还包括:接收更新检测模型的指令,并响应指令对检测模型进行更新,更新后的检测模型是由历史误检结果结合历史误检结果对应的历史待检测图像训练得到的。
因此,通过将检测模型更新为经历史误检结果和对应的历史待检测图像训练后的检测模型,使得下次检测结果的准确度更高。
其中,检测结果为对象检测结果,检测结果类型为对象类型;或,检测结果为事件检测结果,检测结果类型为事件类型。
因此,检测可以为对象检测和事件检测,能够减少错误的对象检测结果或事件检测结果执行错误的预设处理的概率。
本申请提供了一种检测结果处理装置,包括:检测模块,用于获取待检测图像的检测结果;判断模块,用于基于历史检测结果判断检测结果是否满足预设条件;执行模块,用于响应于检测结果满足预设条件,执行检测结果对应的预设处理。
本申请提供了一种电子设备,包括存储器和处理器,处理器用于执行存储器中存储的程序指令,以实现上述检测结果处理方法。
本申请提供了一种计算机可读存储介质,其上存储有程序指令,程序指令被处理器执行时实现上述检测结果处理方法。
上述方案,通过在获取到待检测图像的检测结果后,并且基于历史检测结果判断检测结果满足预设条件的情况下,执行检测结果对应的预设处理,相比在进行检测之后,直接执行检测结果对应的预设处理而言,上述方案能够减少误执行预设处理的概率。
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,而非限制本申请。
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申请的实施例,并与说明书一起用于说明本申请的技术方案。
图1是本申请检测结果处理方法一实施例的流程示意图;
图2是本申请检测结果处理方法一实施例示出步骤S12的部分子流程示意图;
图3是本申请检测结果处理方法一实施例示出步骤S12的另一部分子流程示意图;
图4是本申请检测结果处理方法一实施例的另一流程示意图;
图5是本申请检测结果处理装置一实施例的结构示意图;
图6是本申请电子设备一实施例的结构示意图;
图7是本申请计算机可读存储介质一实施例的结构示意图。
具体实施方式
下面结合说明书附图,对本申请实施例的方案进行详细说明。
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、接口、技术之类的具体细节,以便透彻理解本申请。
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,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。此外,本文中的“多”表示两个或者多于两个。另外,本文中术语“至少一种”表示多种中的任意一种或多种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。
请参阅图1,图1是本申请检测结果处理方法一实施例的流程示意图。具体而言,可以包括如下步骤:
步骤S11:获取待检测图像的检测结果。
待检测图像可以是安防监控图像、医疗图像、手绘图像、动画图像等。本公开实施例以待检测图像为安防监控图像为例。安防监控图像可以是由监控设备拍摄得到的,例如安装于各街道的监控摄像头。一些应用场景中,待检测图像可以是银行场景下拍摄得到的、街道场景下拍摄得到的、工地场景下拍摄得到的、学校场景下拍摄得到等。
其中,获取待检测图像的检测结果的方式可以是使用检测模型执行,还可以是使用预设规则,通过对待检测图像的图像信息进行数据分析确定。一般而言,无论是使用检测模型还是使用预设规则对待检测图像进行检测,都有可能出现错误的检测结果,例如,若用于拍摄的镜头出现雾、水珠、以及树叶等物体遮挡,导致拍摄出的图片与正常情况下拍摄得到的图片存在一定的区别,导致得到的待检测图像的检测结果出现错误。
步骤S12:基于历史检测结果判断检测结果是否满足预设条件。
若检测结果满足预设条件,则本公开实施例提供的检测结果处理方法的执行设备则确定检测结果准确,同理,若检测结果不满足预设条件,执行设备则确定检测结果不准确。
具体判断方式可以是通过与黑名单库中存放的历史检测结果进行比较。通过将此次检测的检测结果与历史检测结果进行比较,以此判断此次检测得到的检测结果是否满足预设条件。其中,历史检测结果可以是不满足预设条件的历史检测结果。该历史检测结果可以是由本执行设备得到,还可以是由其他执行设备得到。本公开实施例以黑名单库中的历史检测结果均为本执行设备得到为例。一些应用场景中,黑名单库中还可存放各历史检测结果对应历史检测图像的拍摄组件信息。例如,拍摄组件信息可以是拍摄组件的安装地址、型号、拍摄参数(曝光时间、模拟增益等)等。以便后续用户可以根据拍摄组件信息对拍摄组件进行调整,从而提高该拍摄组件所拍摄图像的质量,或者将该拍摄组件所拍摄待检测图像的检测结果与黑名单库中该拍摄组件对应的历史检测结果进行比较,得到对应的判断结果。
步骤S13:响应于检测结果满足预设条件,执行检测结果对应的预设处理。
检测结果对应的预设处理可以由用户自定义。示例性地,预设处理可以是报警处理、目标识别处理、上传检测结果与对应的待检测图像至预设接收方或者后端的业务处理系统等等。例如,若对城市街道拍摄得到的待检测图像进行检测,得到该图像中存在某动物园出逃的国家级保护动物,则执行报警处理以便对应的处理人及时赶往待检测图像对应的街道地点对该动物进行保护,以及通过将检测结果和对应的待检测图像上传至预设接收方,以便预设接收方根据接收到的检测结果和待检测图像执行其对应的操作。
上述方案,通过在获取到待检测图像的检测结果后,并且基于历史检测结果判断检测结果满足预设条件的情况下,执行检测结果对应的预设处理,相比在进行检测之后,直接执行检测结果对应的预设处理而言,上述方案能够减少误执行预设处理的概率。
一些公开实施例中,在执行步骤S12之后,根据步骤S12的判断结果,还可执行步骤S14。
步骤S14:响应于检测结果不满足预设条件,不执行检测结果对应的预设处理。
示例性地,若检测结果为检测到打架事件,而打架事件对应的预设处理为报警处理,但是因为检测结果不满足预设条件,则不再执行报警处理。
其中,上述步骤S11是由检测模型执行的。历史检测结果包括检测结果有误的历史误检结果。其中,各历史误检结果存放在预先设定的黑名单库中。
其中,检测结果处理方法还可包括以下步骤:
接收更新检测模型的指令,并响应于该指令对检测模型进行更新,更新后的检测模型是由历史误检结果结合历史误检结果对应的历史待检测图像训练得到的。还用于结合该历史误检结果对应的历史待检测图像,对检测模型进行训练,以便后续使用训练后的检测模型执行对待检测图像进行检测的步骤。其中,使用历史误检结果以及对应的历史待检测图像,对检测模型进行训练的过程可以由本公开实施例提供的检测结果处理方法的执行设备执行,也可以由其他设备执行。本公开实施例以训练过程由其他设备执行的为例。
一些应用场景中,每隔一段时间,将黑名单库中的历史误检结果以及历史误检结果对应的历史待检测图像反馈至训练设备,以便训练设备根据接收到的历史误检结果以及历史待检测图像对检测模型进行针对性的二次训练,进而将训练好的检测模型反馈到执行设备,以便执行设备根据二次训练之后的检测模型对待检测图像进行检测。
由于重新训练检测模型比较耗时,同时对模型的训练都要依赖于一定的样本数据,通过本公开实施例提供的检测结果处理方法,可以在短时间内处理事件误检的问题,同时通过一段时间的积累,为算法侧二次训练提供了更加针对性的训练样本。进一步地,在检测模型的二次训练过程中,本公开实施例提供的检测结果处理方法可以持续执行。
另一些公开实施例中,还可根据非历史误检结果以及对应的历史待检测图像对模型进行正向训练。即,根据历史误检结果以及历史误检结果对应的历史待检测图像作为负样本对模型进行训练,以及根据非历史误检结果以及对应的历史待检测图像作为正样本对模型进行训练。关于后续对检测模型具体的训练方式,此处不做具体规定。通过将检测模型更新为经历史误检结果和对应的历史待检测图像训练后的检测模型,使得下次检测结果的准确度更高。
一些公开实施例中,检测结果包括检测结果类型以及检测结果类型对应的准确度。一些公开实施例中,检测结果为对象检测结果,检测结果类型为对象类型。或检测结果为事件检测结果,检测结果类型为事件类型。检测结果类型对应的准确度指的是待检测图像中存在该对象类型的对象或该事件类型的事件的准确度。
其中,这里的对象可以是人体、动物体、车辆等非固定存放在一个固定位置自身无法移动且无法在外力作用下移动的物体。示例性地,对象检测包括物种检测,检测结果为物种检测结果,检测结果类型为检测到的物种所属的类别。检测结果类型的准确度指的是待检测图像中存在该目标类别的对象的概率。
事件检测可以包括不同应用场景下对应的事件检测,例如任何场景下均可包括的打架事件检测、交通场景下的闯红灯事件检测、车辆超速事件检测、银行场景下的预设不礼貌待客户的行为检测、抽烟事件检测等等。事件检测中,检测结果可以待检测图像中是否包含目标事件的结论,检测结果的类型为目标事件的类型。其中,待检测图像中包含的目标事件可以有多种,则检测结果的类型也包括多种,示例性地,待检测图像中包含超速事件以及闯红灯事件,则检测结果的类型包含超速事件类型以及闯红灯事件类型。检测结果类型的准确度指的是待检测图像中存在目标事件类型的概率。
一些应用场景中,在执行步骤S12之前还可执行以下步骤:判断检测结果中检测结果类型是否为预设检测结果类型。响应于检测结果类型为预设检测结果类型,执行步骤S12。预设检测结果类型的数量为至少一种。可选地,在检测为对象检测的情况下,预设检测结果类型为预设对象类型;在检测为事件检测时,预设检测结果类型为预设事件类型。示例性地,检测为事件检测,预设检测结果类型包括闯红灯事件类型以及车祸事件类型,在检测结果类型为闯红灯事件类型或车祸事件类型的情况下,执行步骤S12。
请同时参见图2,图2是本申请检测结果处理方法一实施例示出步骤S12的部分子流程示意图。如图2所示,上述步骤S12包括以下步骤:
步骤S121:判断准确度是否大于或等于预设准确度。
其中,预设准确度是基于历史检测结果中的历史准确度得到的。该历史检测结果为基于历史待检测图像进行检测得到的检测结果。其中,预设准确度可以是动态确定的。具体地,预设准确度为历史误检结果对应的历史准确度得到的。
可选地,基于包含检测结果类型的历史为检测结果对应的历史准确度确定预设准确度。其中,不同检测结果类型对应的历史准确度相同或不同。具体地,包含检测结果类型的历史为检测结果对应的历史准确度是基于关于检测结果类型的历史误检结果对应的历史准确度确定的。例如,检测模型一共支持检测m种预设检测结果类型(打架事件类型、抽烟事件类型等),若此次检测结果中检测结果类型为打架事件类型,则将黑名单库中预设检测结果类型为打架事件类型的历史准确度作为预设准确度。通过对不同检测结果类型分别确定对应的历史准确度,使得能够针对不同检测结果类型的检测结果确定对应的预设准确度,从而提高判断结果的准确度。一些应用场景中,在项目运行初期,黑名单库中不存在历史检测结果,则认为预设准确度为0。可选地,若黑名单中不存在检测结果类型对应的历史误检结果,则认为检测结果类型对应的历史准确度为0。
可选地,包含检测结果类型的历史检测结果指的是检测结果类型为预设检测结果类型的历史检测结果。包含检测结果类型的历史误检结果指的是检测结果类型为预设检测结果类型,且检测结果有误的历史检测结果。例如,一共执行了100次检测得到100份检测结果,其中,检测结果类型为预设检测结果类型(例如打架事件类型、抽烟事件类型等)的检测结果一共有10份,也就是说其中90份待检测图像中并未检测到预设检测结果类型。且该10份中有3份检测结果有误,7份检测结果无误,则包含检测结果类型的历史检测结果一共有10份,历史误检结果一共有3份。
一些公开实施例中,基于包含检测结果类型的历史检测结果对应的历史准确度确定预设准确度的方式可以是:
获取包含检测结果类型的各历史误检结果中的历史准确度。将各历史误检结果对应的历史准确度进行平均,得到预设准确度。另一些公开实施例中,预设准确度除了可以是关于检测结果类型的各历史误检结果对应的历史准确度的平均值以外,还可以是由其他统计学方式统计得到的结果,例如各历史准确度的中位数、最大值、最小值等。通过统计关于检测结果类型的各历史误检结果中的历史准确度,得到检测结果类型对应的历史准确度,能够提高判断结果的准确度。
继上例,检测模型一共支持检测m种预设检测结果类型(打架事件类型、抽烟事件类型等),则关于打架事件类型的历史准确度的确定则是基于打架事件类型的历史误检结果对应的历史准确度确定的,假设黑名单库中属于打架事件类型的历史误检结果有4个,其对应的历史准确度分别是0.5、0.45、0.6、0.6,则打架事件类型对应的历史准确度为(0.5+0.5+0.6+0.6)/4=0.55。同理,抽烟事件类型对应的历史准确度也由抽烟事件类型的历史误检结果对应的历史准确度确定。
一些应用场景中,黑名单库中还包括各历史误检结果对应的拍摄组件的信息。关于检测结果类型的预设准确度可包括多个,不同的历史准确度由对应的拍摄组件对应的历史误检结果确定。例如,检测结果类型下的历史误检结果对应的历史待检测图像分别由第一数量个拍摄组件拍摄,则该检测结果类型对应有第一数量个预设准确度,若当前检测结果属于该检测结果类型,并且该检测结果由这第一数量个拍摄组件中的其中一个所拍摄的待检测图像得到,则使用该拍摄组件对应的预设准确度作为最终的预设准确度。当然,若当前检测结果属于该检测结果类型,并且当前检测结果并非由这第一数量个拍摄组件中的任意一个所拍摄的待检测图像得到,则对检测结果类型的第一数量个预设准确度进行统计,得到最终的预设准确度。具体的统计方式可以是求平均、求中位数、最大值、最小值等等。
步骤S122:响应于准确度大于或等于预设准确度,确定检测结果满足预设条件。
示例性地,若检测结果中包含的检测结果类型为打架类型,检测结果类型对应的准确度为0.6,而预设准确度为0.55,则确定检测结果满足预设条件。
可选地,响应于准确度小于预设准确度,确定检测结果不满足预设条件。一些应用场景中,响应于准确度小于预设准确度,将检测结果作为历史误检结果,将检测结果中的准确度作为历史准确度。具体地,基于检测结果中的检测结果类型,确定黑名单库中与该检测结果类型匹配的预设检测结果类型,并将检测结果加入该预设检测结果类型集合中,以重新确定该预设检测结果类型对应的历史准确度。或者,响应于准确度小于预设准确度,丢弃待检测图像的检测结果。
通过基于历史检测结果的历史准确度确定预设准确度,并基于预设准确度判断检测结果是否满足预设条件,实现了基于历史先验信息对检测结果进行判断,提高了判断结果的准确度。
请同时参见图3,图3是本申请检测结果处理方法一实施例示出步骤S12的另一部分子流程示意图。如图3所示,上述步骤S12可以包括以下步骤:
步骤S123:判断准确度是否大于或等于预设准确度。
其中,预设准确度是基于历史检测结果中的历史准确度得到的。其中,具体判断准确度是否大于或等于预设准确度的步骤可参见上述步骤S121中的判断过程,此处不再赘述。
步骤S124:响应于准确度大于或等于预设准确度,获取用户关于检测结果的判断结果。
可选地,在显示界面上显示待检测图像以及检测结果,以便用户对检测结果进行核对。即,用户判断该待检测图像对应的检测结果是否准确。其中,用户可以做出用于表示检测结果无误的肯定结果,还可做出用于表示检测结果有误的否定结果。一些应用场景中,在准确度大于或等于准确度的情况下,将检测结果上报,以便用户进行人工判断。
步骤S125:响应于判断结果为表示检测结果无误的肯定结果,确定检测结果满足预设条件。
或者,响应于判断结果为表示检测结果有误的否定结果,确定检测结果不满足预设条件。以及,响应于判断结果为表示检测结果有误的否定结果,将检测结果作为历史误检结果。该检测结果中的检测度作为历史准确度。具体地,基于检测结果中的检测结果类型,确定黑名单库中与该检测结果类型匹配的预设检测结果类型,并将检测结果加入该预设检测结果类型集合中,以重新确定该预设检测结果类型对应的预设准确度,以便下次对检测结果进行判断时使用。通过获取用户关于检测结果是否有误的判断结果,并且在用户给出的肯定结果之后,确定检测结果满足预设条件,能够提高判断结果的准确度。
其中,响应于检测结果不满足预设条件,将检测结果作为历史误检结果。其中,历史误检结果用于在下次检测过程中,判断下次检测得到的检测结果是否满足预设条件。具体地,可以将此次不满足预设条件的检测结果放入黑名单库中。并且可以将不满足预设条件的检测结果以及对应的待检测图像进行存储,以便后续使用。通过在检测结果不满足预设条件的情况下,不执行检测结果对应的预设处理,能够减少错误执行预设处理的概率。另外,在检测结果不满足预设条件的情况下,将检测结果作为历史误检结果,能够提高下次检测结果判断的准确度。
另一些公开实施例中,黑名单库中记录各历史误检结果以及由对应历史待检测图像提取得到的特征序列。上述步骤S12可以包括以下步骤:
获取与检测结果对应的目标特征序列。目标特征序列是从历史误检结果对应的待检测图像中提取得到的特征序列。目标特征序列用于得到对应的待检测图像的检测结果。对待检测图像进行特征提取,得到关于待检测图像的特征序列,然后基于特征序列,得到待检测图像的检测结果。
将检测结果对应的待检测图像的特征序列与目标特征序列进行匹配。然后基于匹配结果确定检测结果是否满足预设条件。
响应于检测结果对应的待检测图像的特征序列与目标特征序列之间的匹配程度大于预设匹配程度,确定检测结果不满足所述预设条件。或,响应于检测结果对应的待检测图像的特征序列与目标特征序列之间的匹配程度小于或等于预设匹配程度,获取用户关于检测结果的判断结果,并响应于判断结果为表示检测结果无误的肯定结果,确定检测结果满足预设条件。一些应用场景中,响应于判断结果为表示检测结果有误的否定结果,将检测结果作为历史误检结果。
示例性地,将此次检测结果中的检测结果类型与各历史误检结果对应的预设检测结果类型进行匹配,在匹配成功的情况下,将检测结果对应的待检测图像的特征序列与该预设检测结果类型下各历史误检结果对应的历史图像的特征序列进行匹配,在匹配程度大于或等于预设匹配程度的情况下,认定检测结果不满足预设条件。在匹配程度小于预设匹配程度的情况下,执行上述获取用户关于检测结果的判断结果的步骤。
一些公开实施例中,在执行上述步骤S11以前还可执行以下步骤:
确定预设历史时间段内各历史检测结果对应的误检率。误检率基于预设时间段内的历史误检结果的数量和总历史检测结果的数量得到。具体地,误检率为预设时间段内的历史误检结果的数量与总历史检测结果的数量的比值。预设历史时间段的长短可根据用户需求自行设定。例如,预设历史时间段可以是执行本次检测过程以前的若干小时或若干天。本公开实施例所述的若干为一及以上。示例性地,若预设时间段为m天,这m天期间总历史检测结果一共有a份,历史误检结果一共有b份,则误检率为b/a。可选地,总历史检测结果并非预设历史时间段内执行检测的次数,而是检测结果类型为预设检测结果类型的历史检测结果集合。历史误检结果指的是检测结果有误的历史检测结果,具体获取方式可参见上述。例如,预设历史时间段为获取当前待检测图像前1天,其中该时间段内执行了检测次数为100次得到100份检测结果,其中,检测结果类型为预设检测结果类型(例如打架事件类型、抽烟事件类型等)的检测结果一共有10份,则且该10份中有3份不满足预设条件,7份满足预设条件,则总历史检测结果一共有10份,历史误检结果一共有3份。
一些公开实施例中,响应于误检率大于预设误检率,执行上述步骤S11。
一些公开实施例中,在确定误检率小于或等于预设误检率的情况下,获取待检测图像的检测结果。并执行检测结果对应的预设处理。也就是在误检率小于或等于预设误检率的情况下,可以不用执行上述步骤S12,直接执行检测结果对应的预设处理。预设误检率可以由用户自定义。示例性地,若预设误检率为5%,而预设历史时间段内的误检率为2%,则确定检测结果满足预设条件。
另一些公开实施例中,获取预设历史时间段内各历史检测结果对应的误检率以及将误检率与预设误检率之间的比较先于上述步骤S12执行。在误检率大于预设误检率的情况下,执行上述步骤S12。或,在误检率小于或等于预设误检率的情况下,不执行步骤S12,直接确认检测结果满足预设条件。即,在误检率小于或等于预设误检率的情况下,执行检测结果对应的预设处理。在检测结果的误检率较低时,检测结果有误的概率也就越低,通过使用误检率进行判断的过程相对方便。
为更好地理解本公开实施例提供的技术方案,请同时参见图4,图4是本申请检测结果处理方法一实施例的另一流程示意图。
如图4所示,本公开实施例同的检测结果处理方法包括以下步骤:
步骤S21:获取待检测图像。
其中,获取待检测图像的方式可以是拍摄组件在拍摄到待检测图像之后,由预先建立的拍摄组件与待检测图像之间的通信链路,接收由拍摄组件发送的待检测图像。其他实施例中,拍摄待检测图像也由执行本公开实施例提供的检测结果处理方法的执行设备执行。
步骤S22:对待检测图像进行检测,得到待检测图像的检测结果。
具体检测方式如上述,此处不再赘述。其中,在执行步骤S22之后,继续执行步骤S21,并对新获取到的待检测图像执行步骤S22。
步骤S23:判断准确度是否大于预设准确度。
具体判断方式如上述,此处不再赘述。在判断结果为准确度小于预设准确度的的情况下,执行步骤S24,否则执行步骤S25。
步骤S24:响应于准确度小于预设准确度,确定检测结果不满足预设条件。
然后,再重新执行步骤S22,以此循环执行本公开实施例提供的目标检测方法。并且,将检测结果作为历史误检结果,并检测结果对应的准确度为历史准确度,用于更新对应的预设准确度。当然,在执行步骤S24之后,还可重新执行步骤S21以此循环。
步骤S25:响应于准确度大于或等于预设准确度,获取用户关于检测结果的判断结果。
具体获取方式如上述,此处不再赘述。
步骤S26:判断结果是否为表示检测结果无误的肯定结果。
在判断结果为表示检测结果无误的肯定结果的情况下,执行步骤S28,否则执行步骤S27。
步骤S27:响应于判断结果为表示检测结果有误的否定结果,确定检测结果不满足预设条件。
然后,再重新执行步骤S22,循环执行本公开实施例提供的检测结果处理方法。
步骤S28:响应于判断结果为表示检测结果无误的肯定结果,确定检测结果满足预设条件。
步骤S29:执行检测结果对应的预设处理。
具体执行与检测结果对应的预设处理的方式如上述,此处不再赘述。
上述方案,通过在对待检测图像进行检测之后,并且在检测结果满足预设条件的情况下,执行检测结果对应的预设处理,相比在进行检测之后,直接执行检测结果对应的预设处理而言,上述方案能够减少误执行预设处理的概率。
一些应用场景中,本公开实施例提供的检测结果处理方法可以应用于检测应用系统。该检测应用系统可以适用于智慧城市、公共安全、安防等场景。该检测应用系统包括底层以及业务层,底层执行对待检测图像进行检测,以及判断检测结果中的准确度是否大于或等于预设准确度。在判断结果为准确度大于或等于预设准确度的情况下,将检测结果上报至业务层,否则直接检测结果存放在黑名单库中或丢弃。用户在业务层会人工判断该检测结果是否准确,若准确,则进入业务处理环节执行与检测结果对应的预设处理,否则将检测结果存放在黑名单库中或丢弃。可选地,随着检测模型不断根据历史误检结果以及对应的待检测图像进行训练,准确度越来越高,在误检率符合产品预期的情况下(小于或等于预设误检率),可以选择跳过预设准确度的比较过程以及人工判断过程,直接进入业务处理环节执行与检测结果对应的预设处理。
其中,检测结果处理方法的执行主体可以是检测结果处理装置,例如,检测结果处理方法可以由终端设备或服务器或其它处理设备执行,其中,终端设备可以为用户设备(User Equipment,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(Personal Digital 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,该检测结果处理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。
请参阅图5,图5是本申请检测结果处理装置一实施例的结构示意图。检测结果处理装置40包括检测模块41、判断模块42以及执行模块43。检测模块41,用于获取待检测图像对应的检测结果;判断模块42,用于基于历史检测结果判断检测结果是否满足预设条件;执行模块43,用于响应于检测结果满足预设条件,执行检测结果对应的预设处理。
上述方案,通过在获取到待检测图像的检测结果后,并且基于历史检测结果判断检测结果满足预设条件的情况下,执行检测结果对应的预设处理,相比在进行检测之后,直接执行检测结果对应的预设处理而言,上述方案能够减少误执行预设处理的概率。
一些公开实施例中,检测结果包括检测结果类型以及检测结果类型对应的准确度,判断模块42基于历史检测结果判断检测结果是否满足预设条件,包括:判断准确度是否大于或等于预设准确度,预设准确度是基于历史检测结果中的历史准确度得到;响应于准确度大于或等于预设准确度,确定检测结果满足预设条件。
上述方案,通过基于历史检测结果的历史准确度确定预设准确度,并基于预设准确度判断检测结果是否满足预设条件,实现了基于历史先验信息对检测结果进行判断,提高了判断结果的准确度。
一些公开实施例中,检测结果包括检测结果类型以及检测结果类型对应的准确度,判断模块42基于历史检测结果判断检测结果是否满足预设条件,包括:判断准确度是否大于或等于预设准确度,预设准确度是基于历史检测结果中的历史准确度得到;响应于准确度大于或等于预设准确度,获取用户关于检测结果的判断结果;响应于判断结果为表示检测结果无误的肯定结果,确定检测结果满足预设条件。
上述方案,通过获取用户关于检测结果是否有误的判断结果,并且在用户给出的肯定结果之后,确定检测结果满足预设条件,能够减少预设处理误操作的几率。
一些公开实施例中,判断模块42判断准确度是否大于或等于预设准确度之前,还包括:基于包含检测结果类型的历史检测结果对应的历史准确度确定预设准确度,其中,不同检测结果类型对应的历史准确度相同或不同。
上述方案,通过对不同检测结果类型分别确定对应的历史准确度,使得能够针对不同检测结果类型的检测结果确定对应的预设准确度,减少预设处理误操作的几率。
一些公开实施例中,历史检测结果包括检测结果有误的历史误检结果,判断模块42基于包含检测结果类型的历史检测结果对应的历史准确度确定预设准确度,包括:获取包含检测结果类型的各历史误检结果中的历史准确度;将各历史误检结果的历史准确度进行平均,得到预设准确度。
上述方案,通过将检测结果有误的历史误检结果对应的准确度进行平均,得到预设准确度,能够参考历史误检结果的信息,从而减少预设处理的误操作几率。
一些公开实施例中,判断模块42还用于:响应于判断结果为表示检测结果有误的否定结果,将检测结果作为历史误检结果。
上述方案,判断结果为表示检测结果有误的否定结果,将检测结果作为历史误检结果,以便在下次检测过程中,判断下次检测得到的检测结果是否满足预设条件能够提高下次检测结果判断的准确度。
一些公开实施例中,获取待检测图像的检测结果之前,判断模块42还用于:确定预设历史时间段内各历史检测结果对应的误检率,误检率基于预设时间段内的历史误检结果的数量和总历史检测结果的数量得到;检测模块41还用于响应于误检率大于预设误检率,执行获取待检测图像的检测结果。
因此,通过在获取待检测图像的检测结果之前确定误检率,使得能够在误检率较大的情况下下,对待检测图像的检测结果进行判断,在检测结果满足预设条件的情况下,才执行检测结果对应的预设处理,从而减少预设处理的误操作。
其中,检测模块41还用于:在确定误检率小于或等于预设误检率的情况下,获取待检测图像的检测结果;执行模块43用于执行检测结果对应的预设处理。
因此,通过在误检率小于或等于预设误检率的情况下,可以直接根据检测结果执行对应的预设处理,无需进行检测结果的判断,从而达到简化流程的效果。
一些公开实施例中,历史检测结果包括检测结果有误的历史误检结果,判断模块42基于历史检测结果判断检测结果是否满足预设条件,包括:获取与检测结果对应的目标特征序列,目标特征序列是从历史误检结果对应的待检测图像中提取得到的特征序列,目标特征序列用于得到对应待检测图像的检测结果;将检测结果对应的待检测图像的特征序列与目标特征序列进行匹配;基于匹配结果确定检测结果是否满足预设条件。
上述方案,通过获取与检测结果对应的目标特征序列,并将检测结果对应的待检测图像的特征序列与目标特征序列进行匹配,并基于匹配结果确定检测结果是否满足预设条件,通过参考历史误检结果的特征序列信息,从而减少预设处理的误操作几率。
一些公开实施例中,判断模块42基于匹配结果确定检测结果是否满足预设条件,包括:响应于检测结果对应的待检测图像的特征序列与目标特征序列之间的匹配程度大于预设匹配程度,确定检测结果不满足预设条件;响应于检测结果对应的待检测图像的特征序列与目标特征序列之间的匹配程度小于或等于预设匹配程度,获取用户关于检测结果的判断结果,并响应于判断结果为表示检测结果无误的肯定结果,确定检测结果满足预设条件。
上述方案,通过根据待检测图像的特征序列与目标特征序列之间的匹配程度较大时,则待检测图像的检测结果很有可能是有误的,故确定检测结果不满足预设条件,能够减少预设处理的误操作几率。另外,在二者匹配程度较小的情况下,根据用户对检测结果的判断,确定检测结果是否满足预设条件能够,能够减少预设处理的误操作几率。
一些公开实施例中,检测结果处理装置40包括更新模块(图未示)。对待检测图像进行检测的步骤是由检测模型执行的,更新模块用于:接收更新检测模型的指令,并响应指令对检测模型进行更新,更新后的检测模型是由历史误检结果结合历史误检结果对应的历史待检测图像,对检测模型进行训练得到的。
上述方案,通过将检测模型更新为经历史误检结果和对应的历史待检测图像训练后的检测模型,使得下次检测结果的准确度更高。
一些公开实施例中,检测结果为对象检测结果,检测结果类型为对象类型;或,检测结果为事件检测结果,检测结果类型为事件类型。
上述方案,检测可以为对象检测和事件检测,能够减少错误的对象检测结果或事件检测结果执行错误的预设处理的概率。
请参阅图6,图6是本申请电子设备一实施例的结构示意图。电子设备50包括存储器51和处理器52,处理器52用于执行存储器51中存储的程序指令,以实现上述任一检测结果处理方法实施例中的步骤。在一个具体的实施场景中,电子设备50可以包括但不限于:安防设备、医疗设备、微型计算机、台式电脑、服务器,此外,电子设备50还可以包括笔记本电脑、平板电脑等移动设备,在此不做限定。
其中,电子设备包括驱动器件以及传感器。传感器用于获取拍摄设备的运动参数,驱动器件与拍摄设备的处理器和镜片连接,用于接收处理器的指令,驱动镜片移动以调整镜片的位姿。
具体而言,处理器52用于控制其自身以及存储器51以实现上述任一检测结果处理方法实施例中的步骤。处理器52还可以称为CPU(Central Processing Unit,中央处理单元)。处理器52可能是一种集成电路芯片,具有信号的处理能力。处理器52还可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable GateArray,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。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。另外,处理器52可以由集成电路芯片共同实现。
上述方案,通过在获取到待检测图像的检测结果后,并且基于历史检测结果判断检测结果满足预设条件的情况下,执行检测结果对应的预设处理,相比在进行检测之后,直接执行检测结果对应的预设处理而言,上述方案能够减少误执行预设处理的概率。
请参阅图7,图7是本申请计算机可读存储介质一实施例的结构示意图。计算机可读存储介质60存储有程序指令61,程序指令61被处理器执行时实现上述任一检测结果处理方法实施例中的步骤。
上述方案,通过在获取到待检测图像的检测结果后,并且基于历史检测结果判断检测结果满足预设条件的情况下,执行检测结果对应的预设处理,相比在进行检测之后,直接执行检测结果对应的预设处理而言,上述方案能够减少误执行预设处理的概率。
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。
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处,其相同或相似之处可以互相参考,为了简洁,本文不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,例如,模块或单元的划分,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,例如单元或组件可以结合或者可以集成到另一个系统,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,装置或单元的间接耦合或通信连接,可以是电性、机械或其它的形式。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,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单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (15)

1.一种检测结果处理方法,其特征在于,包括:
获取待检测图像的检测结果;
基于历史检测结果判断所述检测结果是否满足预设条件;
响应于所述检测结果满足预设条件,执行所述检测结果对应的预设处理。
2.根据权利要求1所述的方法,其特征在于,所述检测结果包括检测结果类型以及所述检测结果类型对应的准确度,所述基于历史检测结果判断所述检测结果是否满足预设条件,包括:
判断所述准确度是否大于或等于预设准确度,所述预设准确度是基于历史检测结果中的历史准确度得到;
响应于所述准确度大于或等于所述预设准确度,确定所述检测结果满足预设条件。
3.根据权利要1所述的方法,其特征在于,所述检测结果包括检测结果类型以及所述检测结果类型对应的准确度,所述基于历史检测结果判断所述检测结果是否满足预设条件,包括:
判断所述准确度是否大于或等于预设准确度,所述预设准确度是基于历史检测结果中的历史准确度得到;
响应于所述准确度大于或等于所述预设准确度,获取用户关于所述检测结果的判断结果;
响应于所述判断结果为表示所述检测结果无误的肯定结果,确定所述检测结果满足预设条件。
4.根据权利要求2或3所述的方法,其特征在于,所述判断所述准确度是否大于或等于预设准确度之前,还包括:
基于包含所述检测结果类型的历史检测结果对应的历史准确度确定所述预设准确度,其中,不同所述检测结果类型对应的历史准确度相同或不同。
5.根据权利要求4所述的方法,其特征在于,所述历史检测结果包括检测结果有误的历史误检结果,所述基于包含所述检测结果类型的历史检测结果对应的历史准确度确定所述预设准确度,包括:
获取包含所述检测结果类型的各历史误检结果中的历史准确度;
将各所述历史误检结果的历史准确度进行平均,得到所述预设准确度。
6.根据权利要求4所述的方法,其特征在于,所述方法还包括:
响应于所述判断结果为表示所述检测结果有误的否定结果,将所述检测结果作为历史误检结果。
7.根据权利要求2所述的方法,其特征在于,所述获取待检测图像的检测结果之前,所述方法还包括:
确定预设历史时间段内各历史检测结果对应的误检率,所述误检率基于所述预设时间段内的历史误检结果的数量和总历史检测结果的数量得到;
响应于所述误检率大于预设误检率,执行所述获取待检测图像的检测结果。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
在确定所述误检率小于或等于所述预设误检率的情况下,获取待检测图像的检测结果;
执行所述检测结果对应的预设处理。
9.根据权利要求1所述的方法,其特征在于,所述历史检测结果包括检测结果有误的历史误检结果,所述基于历史检测结果判断所述检测结果是否满足预设条件,包括:
获取与所述检测结果对应的目标特征序列,所述目标特征序列是从历史误检结果对应的待检测图像中提取得到的特征序列,所述目标特征序列用于得到对应待检测图像的检测结果;
将所述检测结果对应的待检测图像的特征序列与所述目标特征序列进行匹配;
基于所述匹配结果确定所述检测结果是否满足预设条件。
10.根据权利要求9所述的方法,其特征在于,所述基于所述匹配结果确定所述检测结果是否满足预设条件,包括:
响应于所述检测结果对应的待检测图像的特征序列与所述目标特征序列之间的匹配程度大于预设匹配程度,确定所述检测结果不满足所述预设条件;
响应于所述检测结果对应的待检测图像的特征序列与所述目标特征序列之间的匹配程度小于或等于预设匹配程度,获取用户关于所述检测结果的判断结果,并响应于所述判断结果为表示所述检测结果无误的肯定结果,确定所述检测结果满足所述预设条件。
11.根据权利要求1所述的方法,其特征在于,所述历史检测结果包括检测结果有误的历史误检结果,所述获取待检测图像的检测结果的步骤是由检测模型执行的,所述方法还包括:
接收更新所述检测模型的指令;
响应所述指令对所述检测模型进行更新,更新后的所述检测模型是由所述历史误检结果结合所述历史误检结果对应的历史待检测图像训练得到的。
12.根据权利要求2-11任一项所述的方法,其特征在于,所述检测结果为对象检测结果,所述检测结果类型为对象类型;或,所述检测结果为事件检测结果,所述检测结果类型为事件类型。
13.一种检测结果处理装置,其特征在于,包括:
检测模块,用于获取待检测图像的检测结果;
判断模块,用于基于历史检测结果判断所述检测结果是否满足预设条件;
执行模块,用于响应于所述检测结果满足预设条件,执行所述检测结果对应的预设处理。
14.一种电子设备,其特征在于,包括存储器和处理器,所述处理器用于执行所述存储器中存储的程序指令,以实现权利要求1至12任一项所述的方法。
15.一种计算机可读存储介质,其上存储有程序指令,其特征在于,所述程序指令被处理器执行时实现权利要求1至12任一项所述的方法。
CN202210314170.1A 2022-03-28 2022-03-28 检测结果处理方法和装置、设备、介质 Withdrawn CN114627098A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210314170.1A CN114627098A (zh) 2022-03-28 2022-03-28 检测结果处理方法和装置、设备、介质
PCT/CN2022/114478 WO2023184833A1 (zh) 2022-03-28 2022-08-24 检测结果处理方法和装置、设备、介质及计算机程序产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210314170.1A CN114627098A (zh) 2022-03-28 2022-03-28 检测结果处理方法和装置、设备、介质

Publications (1)

Publication Number Publication Date
CN114627098A true CN114627098A (zh) 2022-06-14

Family

ID=81903945

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210314170.1A Withdrawn CN114627098A (zh) 2022-03-28 2022-03-28 检测结果处理方法和装置、设备、介质

Country Status (2)

Country Link
CN (1) CN114627098A (zh)
WO (1) WO2023184833A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023184833A1 (zh) * 2022-03-28 2023-10-05 上海商汤智能科技有限公司 检测结果处理方法和装置、设备、介质及计算机程序产品

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107690659B (zh) * 2016-12-27 2021-08-10 达闼机器人有限公司 一种图像识别系统及图像识别方法
CN107995982B (zh) * 2017-09-15 2019-03-22 达闼科技(北京)有限公司 一种目标识别方法、装置和智能终端
US11062176B2 (en) * 2017-11-30 2021-07-13 Kofax, Inc. Object detection and image cropping using a multi-detector approach
CN111507467A (zh) * 2019-01-31 2020-08-07 北京奇虎科技有限公司 神经网络模型的训练方法、装置、计算机设备及存储介质
CN110968718B (zh) * 2019-11-19 2023-07-14 北京百度网讯科技有限公司 目标检测模型负样本挖掘方法、装置及电子设备
CN112529851B (zh) * 2020-11-27 2023-07-18 中冶赛迪信息技术(重庆)有限公司 一种液压管状态确定方法、系统、终端及介质
CN114627098A (zh) * 2022-03-28 2022-06-14 上海商汤智能科技有限公司 检测结果处理方法和装置、设备、介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023184833A1 (zh) * 2022-03-28 2023-10-05 上海商汤智能科技有限公司 检测结果处理方法和装置、设备、介质及计算机程序产品

Also Published As

Publication number Publication date
WO2023184833A1 (zh) 2023-10-05

Similar Documents

Publication Publication Date Title
WO2021184894A1 (zh) 一种去模糊的人脸识别方法、系统和一种巡检机器人
CN102349292B (zh) 具有显示装置的设备、用以响应对图像中模糊的检测的方法和设备
US20210012143A1 (en) Key Point Detection Method and Apparatus, and Storage Medium
CN110475124B (zh) 视频卡顿检测方法及装置
CN110276257B (zh) 人脸识别方法、装置、系统、服务器及可读存储介质
CN108076386B (zh) 视频卡顿检测方法及装置、存储介质
CN110473426A (zh) 停车管理方法、装置、计算机设备及存储介质
CN114627098A (zh) 检测结果处理方法和装置、设备、介质
KR20180098181A (ko) 복합 이벤트 처리 및 상황 인지 기반 지능형 관제 플랫폼 및 지능형 관제 방법
JP5618295B2 (ja) 認証システム及び認証の信頼度の判定方法
CN115729783A (zh) 故障风险监控方法、设备、存储介质及程序产品
CN110289992B (zh) 一种报文处理方法及装置
CN111523599A (zh) 目标检测方法及装置、电子设备和存储介质
CN109740442B (zh) 定位方法、装置、存储介质及电子设备
CN112149589B (zh) 车内驾驶员行为识别方法及装置
CN114501586A (zh) 一种终端搜网方法、终端及可读存储介质
CN111047049A (zh) 基于机器学习模型处理多媒体数据的方法、装置及介质
CN112347810A (zh) 移动目标物体的检测方法、装置及存储介质
CN110035392B (zh) 设备是否位于目标区域的识别方法及装置和电子设备
CN113269129A (zh) 身份识别方法及装置、电子设备和存储介质
CN113170045B (zh) 固态成像装置、固态成像方法、以及电子装备
CN112926444A (zh) 抛物行为检测方法及装置
CN107146156B (zh) 一种将交易卡号和终端标识进行匹配的方法和装置
CN115173975B (zh) 干扰信号的检测方法、装置、设备及存储介质
CN111914637B (zh) 一种智能人脸识别集成管理方法及系统

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20220614

WW01 Invention patent application withdrawn after publication