本申請(qǐng)?zhí)峁┝艘环N目標(biāo)檢測(cè)方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)及程序產(chǎn)品；本申請(qǐng)可以應(yīng)用于智能醫(yī)療、自動(dòng)駕駛、無(wú)人駕駛等的目標(biāo)檢測(cè)場(chǎng)景中；該方法包括：針對(duì)目標(biāo)對(duì)象在輸入圖像中確定至少一個(gè)候選區(qū)域，并確定至少一個(gè)候選區(qū)域?qū)?yīng)的至少一個(gè)分布控制參數(shù)，其中，分布控制參數(shù)是對(duì)候選區(qū)域的區(qū)域參數(shù)所服從的概率分布進(jìn)行控制的參數(shù)；基于每個(gè)候選區(qū)域所對(duì)應(yīng)的分布控制參數(shù)，對(duì)每個(gè)候選區(qū)域進(jìn)行可靠性的解析，得到每個(gè)候選區(qū)域所對(duì)應(yīng)的解析信息；其中，解析信息用于提供不同因素對(duì)候選區(qū)域的可靠性所造成影響；基于至少一個(gè)候選區(qū)域，以及至少一個(gè)解析信息，為目標(biāo)對(duì)象確定對(duì)應(yīng)的檢測(cè)結(jié)果。通過(guò)本申請(qǐng)，能夠提升目標(biāo)檢測(cè)的檢測(cè)準(zhǔn)確度。度。度。
【技術(shù)實(shí)現(xiàn)步驟摘要】
一種目標(biāo)檢測(cè)方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)及程序產(chǎn)品
[0001]本申請(qǐng)涉及人工智能技術(shù)，尤其涉及一種目標(biāo)檢測(cè)方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)及程序產(chǎn)品。
技術(shù)介紹
[0002]目標(biāo)檢測(cè)是人工智能技術(shù)中的一個(gè)重要分支，其廣泛應(yīng)用于智能醫(yī)療、自動(dòng)駕駛、無(wú)人駕駛、無(wú)人機(jī)等領(lǐng)域。隨著深度學(xué)習(xí)的發(fā)展，目標(biāo)檢測(cè)大多通過(guò)深度學(xué)習(xí)模型實(shí)現(xiàn)。然而，利用深度學(xué)習(xí)模型進(jìn)行目標(biāo)檢測(cè)時(shí)，對(duì)預(yù)測(cè)框缺乏可靠性來(lái)源分析，若某個(gè)尺度的預(yù)測(cè)框出錯(cuò)，則極有可能使得目標(biāo)檢測(cè)的檢測(cè)結(jié)果造成影響。因此，相關(guān)技術(shù)中，存在目標(biāo)檢測(cè)的檢測(cè)準(zhǔn)確度較低的問(wèn)題。
技術(shù)實(shí)現(xiàn)思路
[0003]本申請(qǐng)實(shí)施例提供一種目標(biāo)檢測(cè)方法、裝置、設(shè)備、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)及計(jì)算機(jī)程序產(chǎn)品，能夠提升目標(biāo)檢測(cè)的檢測(cè)準(zhǔn)確度。
[0004]本申請(qǐng)實(shí)施例的技術(shù)方案是這樣實(shí)現(xiàn)的：
[0005]本申請(qǐng)實(shí)施例提供一種目標(biāo)檢測(cè)方法，包括：
[0006]針對(duì)目標(biāo)對(duì)象在輸入圖像中確定至少一個(gè)候選區(qū)域，并確定至少一個(gè)所述候選區(qū)域?qū)?yīng)的至少一個(gè)分布控制參數(shù)，其中，所述分布控制參數(shù)是對(duì)所述候選區(qū)域的區(qū)域參數(shù)所服從的概率分布進(jìn)行控制的參數(shù)；
[0007]基于每個(gè)所述候選區(qū)域所對(duì)應(yīng)的分布控制參數(shù)，對(duì)每個(gè)所述候選區(qū)域進(jìn)行可靠性的解析，得到每個(gè)所述候選區(qū)域所對(duì)應(yīng)的解析信息；其中，所述解析信息用于提供不同因素對(duì)候選區(qū)域的可靠性所造成影響；
[0008]基于至少一個(gè)所述候選區(qū)域，以及至少一個(gè)所述解析信息，為所述目標(biāo)對(duì)象確定對(duì)應(yīng)的檢測(cè)結(jié)果。
[0009]本申請(qǐng)實(shí)施例提供一種目標(biāo)檢測(cè)裝置，包括：
[0010]信息確定模塊，用于針對(duì)目標(biāo)對(duì)象在輸入圖像中確定至少一個(gè)候選區(qū)域，并確定至少一個(gè)所述候選區(qū)域?qū)?yīng)的至少一個(gè)分布控制參數(shù)，其中，所述分布控制參數(shù)是指對(duì)所述候選區(qū)域的區(qū)域參數(shù)所服從的概率分布進(jìn)行控制的參數(shù)；
[0011]可靠性解析模塊，用于基于每個(gè)所述候選區(qū)域所對(duì)應(yīng)的分布控制參數(shù)，對(duì)每個(gè)所述候選區(qū)域進(jìn)行可靠性的解析，得到每個(gè)所述候選區(qū)域所對(duì)應(yīng)的解析信息；其中，所述解析信息用于提供不同因素對(duì)候選區(qū)域的可靠性所造成影響；
[0012]結(jié)果確定模塊，用于基于至少一個(gè)所述候選區(qū)域，以及至少一個(gè)所述解析信息，為所述目標(biāo)對(duì)象確定對(duì)應(yīng)的檢測(cè)結(jié)果。
[0013]在本申請(qǐng)的一些實(shí)施例中，所述信息確定模塊，還用于在M個(gè)尺度下，預(yù)測(cè)得到所述目標(biāo)對(duì)象在所述輸入圖像中所處的N個(gè)初始預(yù)測(cè)區(qū)域，以及N個(gè)所述初始預(yù)測(cè)區(qū)域?qū)?yīng)的N個(gè)初始控制參數(shù)；其中，M和N均為正整數(shù)，N≥M；基于N個(gè)所述初始預(yù)測(cè)區(qū)域和N個(gè)所述初始
控制參數(shù)，確定至少一個(gè)所述候選區(qū)域，以及至少一個(gè)所述候選區(qū)域?qū)?yīng)的至少一個(gè)所述分布控制參數(shù)。
[0014]在本申請(qǐng)的一些實(shí)施例中，M個(gè)尺度包括：至少兩個(gè)尺度；所述信息確定模塊，還用于從N個(gè)所述初始預(yù)測(cè)區(qū)域中，針對(duì)每個(gè)尺度分別提取得到待融合預(yù)測(cè)區(qū)域；將至少兩個(gè)所述待融合預(yù)測(cè)區(qū)域進(jìn)行融合，得到至少兩個(gè)尺度共同對(duì)應(yīng)的尺度融合區(qū)域，并將所述尺度融合區(qū)域，確定為至少一個(gè)所述候選區(qū)域；將至少兩個(gè)所述待融合預(yù)測(cè)區(qū)域?qū)?yīng)的至少兩個(gè)所述初始控制參數(shù)進(jìn)行融合，得到所述尺度融合區(qū)域?qū)?yīng)的融合控制參數(shù)，并將所述融合控制參數(shù)確定為至少一個(gè)所述分布控制參數(shù)。
[0015]在本申請(qǐng)的一些實(shí)施例中，所述信息確定模塊，還用于依據(jù)每個(gè)所述初始預(yù)測(cè)區(qū)域所對(duì)應(yīng)的觀測(cè)證據(jù)量，從N個(gè)所述初始預(yù)測(cè)區(qū)域中，篩選得到每個(gè)尺度下的可靠預(yù)測(cè)區(qū)域；將每個(gè)尺度下的所述可靠預(yù)測(cè)區(qū)域確定為至少一個(gè)候選區(qū)域，并將N個(gè)所述初始控制參數(shù)中與所述可靠預(yù)測(cè)區(qū)域相對(duì)應(yīng)的初始控制參數(shù)，確定為至少一個(gè)所述分布控制參數(shù)。
[0016]在本申請(qǐng)的一些實(shí)施例中，至少一個(gè)所述候選區(qū)域包括：多個(gè)所述候選區(qū)域，至少一個(gè)所述解析信息包括：多個(gè)所述解析信息；所述結(jié)果確定模塊，還用于依據(jù)每個(gè)所述解析信息，針對(duì)每個(gè)所述候選區(qū)域確定對(duì)應(yīng)的可靠程度；將多個(gè)所述候選區(qū)域中所述可靠程度最大的候選區(qū)域，確定為所述目標(biāo)對(duì)象對(duì)應(yīng)的所述檢測(cè)結(jié)果。
[0017]在本申請(qǐng)的一些實(shí)施例中，所述概率分布包括：由所述區(qū)域參數(shù)的均值變量和方差變量所定義的正態(tài)逆伽馬分布；所述分布控制參數(shù)包括：中心控制參數(shù)、方差控制參數(shù)、第一變量控制參數(shù)和第二變量控制參數(shù)；其中，所述中心控制參數(shù)用于對(duì)所述正態(tài)逆伽馬分布的分布中心進(jìn)行控制，所述方差控制參數(shù)用于對(duì)所述正態(tài)逆伽馬分布的方差進(jìn)行控制，所述第一變量控制參數(shù)用于對(duì)所述正態(tài)逆伽馬分布中方差變量的集中程度進(jìn)行控制，所述第二變量控制參數(shù)用于對(duì)所述正態(tài)逆伽馬分布的均值變量的集中程度進(jìn)行控制。
[0018]在本申請(qǐng)的一些實(shí)施例中，所述可靠性解析模塊，還用于基于所述方差控制參數(shù)和所述第一變量控制參數(shù)，確定每個(gè)所述候選區(qū)域的隨機(jī)影響因子；基于所述方差控制參數(shù)、所述第一變量控制參數(shù)和所述第二變量控制參數(shù)，確定每個(gè)所述候選區(qū)域的認(rèn)知影響因子；依據(jù)所述隨機(jī)影響因子和所述認(rèn)知影響因子中的至少一個(gè)，對(duì)每個(gè)所述候選區(qū)域進(jìn)行可靠性的解析，得到每個(gè)所述候選區(qū)域所對(duì)應(yīng)的所述解析信息。
[0019]在本申請(qǐng)的一些實(shí)施例中，所述可靠性解析模塊，還用于針對(duì)所述第一變量控制參數(shù)和預(yù)設(shè)因子進(jìn)行差值計(jì)算，得到變量差值；將所述方差控制參數(shù)和所述變量差值之間的比值，確定為每個(gè)所述候選區(qū)域的所述隨機(jī)影響因子。
[0020]在本申請(qǐng)的一些實(shí)施例中，所述可靠性解析模塊，還用于針對(duì)所述第一變量控制參數(shù)和預(yù)設(shè)因子進(jìn)行差值計(jì)算，得到變量差值；將所述變量差值與所述第二變量控制參數(shù)的乘積，確定為變量乘積；將所述第二變量控制參數(shù)和所述變量乘積的比值，確定為每個(gè)所述候選區(qū)域的所述認(rèn)知影響因子。
[0021]在本申請(qǐng)的一些實(shí)施例中，所述目標(biāo)檢測(cè)裝置還包括：模型訓(xùn)練模塊，用于通過(guò)初始檢測(cè)模型，在M個(gè)尺度中的每個(gè)尺度下，預(yù)測(cè)得到訓(xùn)練目標(biāo)對(duì)象在訓(xùn)練圖像中所處的訓(xùn)練預(yù)測(cè)區(qū)域，以及所述訓(xùn)練預(yù)測(cè)區(qū)域?qū)?yīng)的訓(xùn)練控制參數(shù)；基于所述訓(xùn)練控制參數(shù)、所述訓(xùn)練預(yù)測(cè)區(qū)域和每個(gè)尺度下所述訓(xùn)練目標(biāo)對(duì)象的標(biāo)注區(qū)域，確定每個(gè)尺度的損失值；利用每個(gè)尺度的損失值對(duì)所述初始檢測(cè)模型的參數(shù)進(jìn)行更新，直至達(dá)到模型訓(xùn)練結(jié)束條件時(shí)，得到
所述信息預(yù)測(cè)模型。
[0022]在本申請(qǐng)的一些實(shí)施例中，所述模型訓(xùn)練模塊，還用于通過(guò)所述訓(xùn)練控制參數(shù)、所述訓(xùn)練預(yù)測(cè)區(qū)域和每個(gè)尺度下所述訓(xùn)練目標(biāo)對(duì)象的標(biāo)注區(qū)域，針對(duì)每個(gè)尺度進(jìn)行最大似然估計(jì)，并將最大似然估計(jì)值確定為每個(gè)尺度的所述損失值。
[0023]本申請(qǐng)實(shí)施例提供一種電子設(shè)備，包括：
[0024]存儲(chǔ)器，用于存儲(chǔ)計(jì)算機(jī)可執(zhí)行指令；
[0025]處理器，用于執(zhí)行所述存儲(chǔ)器中存儲(chǔ)的計(jì)算機(jī)可執(zhí)行指令時(shí)，實(shí)現(xiàn)本申請(qǐng)實(shí)施例提供的目標(biāo)檢測(cè)方法。
[0026]本申請(qǐng)實(shí)施例提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，存儲(chǔ)有計(jì)算機(jī)可執(zhí)行指令，用于引起處理器執(zhí)行時(shí)，實(shí)現(xiàn)本申請(qǐng)實(shí)施例提供的目標(biāo)檢測(cè)方法。
[0027]本申請(qǐng)實(shí)施例提供一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序或計(jì)算機(jī)可執(zhí)行指令，所述計(jì)算機(jī)程序或計(jì)算機(jī)可執(zhí)行指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)本申請(qǐng)實(shí)施例提供的目標(biāo)檢測(cè)方法。
[0028本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
【技術(shù)特征摘要】
1.一種目標(biāo)檢測(cè)方法，其特征在于，所述方法包括：針對(duì)目標(biāo)對(duì)象在輸入圖像中確定至少一個(gè)候選區(qū)域，并確定至少一個(gè)所述候選區(qū)域?qū)?yīng)的至少一個(gè)分布控制參數(shù)，其中，所述分布控制參數(shù)是對(duì)所述候選區(qū)域的區(qū)域參數(shù)所服從的概率分布進(jìn)行控制的參數(shù)；基于每個(gè)所述候選區(qū)域所對(duì)應(yīng)的分布控制參數(shù)，對(duì)每個(gè)所述候選區(qū)域進(jìn)行可靠性的解析，得到每個(gè)所述候選區(qū)域所對(duì)應(yīng)的解析信息；其中，所述解析信息用于提供不同因素對(duì)候選區(qū)域的可靠性所造成影響；基于至少一個(gè)所述候選區(qū)域，以及至少一個(gè)所述解析信息，為所述目標(biāo)對(duì)象確定對(duì)應(yīng)的檢測(cè)結(jié)果。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述針對(duì)目標(biāo)對(duì)象在輸入圖像中確定至少一個(gè)候選區(qū)域，并確定至少一個(gè)所述候選區(qū)域?qū)?yīng)的至少一個(gè)分布控制參數(shù)，包括：在M個(gè)尺度下，預(yù)測(cè)得到所述目標(biāo)對(duì)象在所述輸入圖像中所處的N個(gè)初始預(yù)測(cè)區(qū)域，以及N個(gè)所述初始預(yù)測(cè)區(qū)域?qū)?yīng)的N個(gè)初始控制參數(shù)；其中，M和N均為正整數(shù)，N≥M；基于N個(gè)所述初始預(yù)測(cè)區(qū)域和N個(gè)所述初始控制參數(shù)，確定至少一個(gè)所述候選區(qū)域，以及至少一個(gè)所述候選區(qū)域?qū)?yīng)的至少一個(gè)所述分布控制參數(shù)。3.根據(jù)權(quán)利要求2所述的方法，其特征在于，M個(gè)尺度包括：至少兩個(gè)尺度；所述基于N個(gè)所述初始預(yù)測(cè)區(qū)域和N個(gè)所述初始控制參數(shù)，確定至少一個(gè)所述候選區(qū)域，以及至少一個(gè)所述候選區(qū)域?qū)?yīng)的至少一個(gè)所述分布控制參數(shù)，包括：從N個(gè)所述初始預(yù)測(cè)區(qū)域中，針對(duì)每個(gè)尺度分別提取得到待融合預(yù)測(cè)區(qū)域；將至少兩個(gè)所述待融合預(yù)測(cè)區(qū)域進(jìn)行融合，得到至少兩個(gè)尺度共同對(duì)應(yīng)的尺度融合區(qū)域，并將所述尺度融合區(qū)域，確定為至少一個(gè)所述候選區(qū)域；將至少兩個(gè)所述待融合預(yù)測(cè)區(qū)域?qū)?yīng)的至少兩個(gè)所述初始控制參數(shù)進(jìn)行融合，得到所述尺度融合區(qū)域?qū)?yīng)的融合控制參數(shù)，并將所述融合控制參數(shù)確定為至少一個(gè)所述分布控制參數(shù)。4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于N個(gè)所述初始預(yù)測(cè)區(qū)域和N個(gè)所述初始控制參數(shù)，確定至少一個(gè)所述候選區(qū)域，以及至少一個(gè)所述候選區(qū)域?qū)?yīng)的至少一個(gè)所述分布控制參數(shù)，包括：依據(jù)每個(gè)所述初始預(yù)測(cè)區(qū)域所對(duì)應(yīng)的觀測(cè)證據(jù)量，從N個(gè)所述初始預(yù)測(cè)區(qū)域中，篩選得到每個(gè)尺度下的可靠預(yù)測(cè)區(qū)域；將每個(gè)尺度下的所述可靠預(yù)測(cè)區(qū)域確定為至少一個(gè)候選區(qū)域，并將N個(gè)所述初始控制參數(shù)中與所述可靠預(yù)測(cè)區(qū)域相對(duì)應(yīng)的初始控制參數(shù)，確定為至少一個(gè)所述分布控制參數(shù)。5.根據(jù)權(quán)利要求1至4任一項(xiàng)所述的方法，其特征在于，至少一個(gè)所述候選區(qū)域包括：多個(gè)所述候選區(qū)域，至少一個(gè)所述解析信息包括：多個(gè)所述解析信息；所述基于至少一個(gè)所述候選區(qū)域，以及至少一個(gè)所述解析信息，為所述目標(biāo)對(duì)象確定對(duì)應(yīng)的檢測(cè)結(jié)果，包括：依據(jù)每個(gè)所述解析信息，針對(duì)每個(gè)所述候選區(qū)域確定對(duì)應(yīng)的可靠程度；將多個(gè)所述候選區(qū)域中所述可靠程度最大的候選區(qū)域，確定為所述目標(biāo)對(duì)象對(duì)應(yīng)的所述檢測(cè)結(jié)果。6.根據(jù)權(quán)利要求1至4任一項(xiàng)所述的方法，其特征在于，所述概率分布包括：由所述區(qū)域
參數(shù)的均值變量和方差變量所定義的正態(tài)逆伽馬分布；所述分布控制參數(shù)包括：中心控制參數(shù)、方差控制參數(shù)、第一變量控制參數(shù)和第二變量控制參數(shù)；其中，所述中心控制參數(shù)用于對(duì)所述正態(tài)逆伽馬分布的分布中心進(jìn)行控制，所述方差控制參數(shù)用于對(duì)所述正態(tài)逆伽馬分布的方差進(jìn)行控制，所述第一變量控制參數(shù)用于對(duì)所述正態(tài)逆伽馬分布中方差變量的集中程度進(jìn)行控制，所述第二變量控制參數(shù)用于對(duì)所述正態(tài)逆伽馬分布的均值變量的集中程度進(jìn)行控制。7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述基于每個(gè)所述候選區(qū)域所對(duì)應(yīng)的分布控制參數(shù)，對(duì)每個(gè)所述候選區(qū)域進(jìn)行可靠性的解析，得到每...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：馬煥，吳秉哲，張長(zhǎng)青，
申請(qǐng)(專利權(quán))人：騰訊科技深圳有限公司，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。