【技術實現步驟摘要】
本專利技術涉及圖像檢測，尤其涉及一種用于降低目標檢測誤報率的方法、裝置、設備及介質。
技術介紹
1、隨著科學技術的發展，人工智能技術不斷提高。
2、目標檢測模型可以基于計算機視覺算法，檢測出圖像中的人、動物、植物或物體，并定位其位置。
3、相關技術在模型訓練階段，可以基于待應用的場景來構建訓練數據集，基于該訓練數據集訓練得到目標檢測模型。在部署應用階段，可以通過對應場景中的監控攝像機采集圖像，之后利用目標檢測模型對采集到的圖像進行檢測。
4、但是，在某些情況下，比如將目標檢測模型遷移到新的場景，目標檢測模型的誤報率較高。
技術實現思路
1、本專利技術提供一種用于降低目標檢測誤報率的方法、裝置、設備及介質，用以解決相關技術中目標檢測模型的誤報率較高的缺陷，降低目標檢測誤報率。
2、第一方面，本專利技術提供用于降低目標檢測誤報率的方法，包括：
3、將待檢測的第一圖像輸入至訓練好的目標檢測模型中進行目標檢測，得到第一檢測結果，所述第一檢測結果中包括第一類別標識和第一邊界框信息；
4、判斷所述第一檢測結果中的所述第一類別標識是否為正確標識；
5、確定所述第一類別標識為正確標識，則輸出所述第一類別標識和所述第一邊界框信息；
6、確定所述第一檢測結果中的所述第一類別標識為錯誤標識，則禁止輸出所述第一類別標識和所述第一邊界框信息，并在所述第一圖像中獲取所述第一邊界框信息對應的第一區域圖像，在所述第一區
7、將待檢測的第二圖像輸入至所述目標檢測模型中進行目標檢測，直至滿足設定的錯誤特征采集終止條件為止，將當前的數據庫確定為目標特征錯誤庫；
8、將待檢測圖像輸入至所述目標檢測模型中進行目標檢測，得到檢測結果；
9、根據所述目標特征錯誤庫存儲的所述錯誤圖像特征，確定所述檢測結果為錯誤檢測結果，則禁止輸出所述檢測結果，以降低目標檢測誤報率。
10、可選的，所述檢測結果中包括對應的類別標識和邊界框信息；
11、所述根據所述目標特征錯誤庫存儲的所述錯誤圖像特征，確定所述檢測結果為錯誤檢測結果，包括：
12、在所述待檢測圖像中獲取所述邊界框信息對應的區域圖像，并在所述區域圖像中提取圖像特征；
13、分別確定所述圖像特征與所述目標特征錯誤庫存儲的每個所述錯誤圖像特征之間的相似度；
14、確定至少一個所述相似度不小于預設相似度閾值，則確定檢測出的所述類別標識為錯誤標識，并確定所述檢測結果為錯誤檢測結果。
15、可選的，在所述分別確定所述圖像特征與所述目標特征錯誤庫存儲的每個所述錯誤圖像特征之間的相似度之后，所述方法還包括：
16、確定每個所述相似度小于所述預設相似度閾值，則確定檢測出的所述類別標識為正確標識，確定所述檢測結果為正確結果，并輸出所述檢測結果。
17、可選的，所述錯誤特征采集終止條件為所述目標檢測模型的圖像檢測數量不小于預設數量閾值，且所述目標檢測模型的檢測準確率不小于預設準確率閾值。
18、可選的，所述目標檢測模型為根據擴充后訓練數據集對待訓練目標檢測模型進行訓練得到，所述擴充后訓練數據集為對原始訓練數據集進行數據擴充得到；
19、其中，所述原始訓練數據集中包括n個樣本圖像，n為大于2的整數；對所述原始訓練數據集進行數據擴充以得到所述擴充后訓練數據集的過程，包括：
20、分別對每個所述樣本圖像進行小目標遮擋，得到每個所述樣本圖像對應的遮擋后圖像；
21、對任意m個所述遮擋后圖像進行拼接，得到拼接圖像；其中，m為大于1且小于n的整數；
22、對每個所述拼接圖像進行尺度縮小，得到縮小后圖像；
23、將所有所述縮小后圖像和所述n個樣本圖像整體作為所述擴充后訓練數據集。
24、第二方面，本專利技術提供一種用于降低目標檢測誤報率的裝置，包括：
25、第一檢測單元，用于將待檢測的第一圖像輸入至訓練好的目標檢測模型中進行目標檢測，得到第一檢測結果，所述第一檢測結果中包括第一類別標識和第一邊界框信息；
26、判斷單元，用于判斷所述第一檢測結果中的所述第一類別標識是否為正確標識；
27、第一確定單元，用于確定所述第一類別標識為正確標識，則輸出所述第一類別標識和所述第一邊界框信息；
28、第二確定單元，用于確定所述第一檢測結果中的所述第一類別標識為錯誤標識，則禁止輸出所述第一類別標識和所述第一邊界框信息；
29、獲取單元，用于在所述第一圖像中獲取所述第一邊界框信息對應的第一區域圖像；
30、提取單元，用于在所述第一區域圖像中提取第一圖像特征；
31、作為單元，用于將所述第一圖像特征作為錯誤圖像特征保存至數據庫中；
32、第二檢測單元，用于將待檢測的第二圖像輸入至所述目標檢測模型中進行目標檢測，直至滿足設定的錯誤特征采集終止條件為止；
33、第三確定單元，用于將當前的數據庫確定為目標特征錯誤庫；
34、第三檢測單元，用于將待檢測圖像輸入至所述目標檢測模型中進行目標檢測，得到檢測結果；
35、第四確定單元，用于根據所述目標特征錯誤庫存儲的所述錯誤圖像特征，確定所述檢測結果為錯誤檢測結果，則禁止輸出所述檢測結果，以降低目標檢測誤報率。
36、可選的，所述檢測結果中包括對應的類別標識和邊界框信息；
37、所述第四確定單元，還用于：
38、在所述待檢測圖像中獲取所述邊界框信息對應的區域圖像，并在所述區域圖像中提取圖像特征；
39、分別確定所述圖像特征與所述目標特征錯誤庫存儲的每個所述錯誤圖像特征之間的相似度；
40、確定至少一個所述相似度不小于預設相似度閾值，則確定檢測出的所述類別標識為錯誤標識，并確定所述檢測結果為錯誤檢測結果。
41、可選的，所述裝置還包括：
42、第五確定單元，用于在所述分別確定所述圖像特征與所述目標特征錯誤庫存儲的每個所述錯誤圖像特征之間的相似度之后，確定每個所述相似度小于所述預設相似度閾值，則確定檢測出的所述類別標識為正確標識，確定所述檢測結果為正確結果，并輸出所述檢測結果。
43、可選的，所述錯誤特征采集終止條件為所述目標檢測模型的圖像檢測數量不小于預設數量閾值，且所述目標檢測模型的檢測準確率不小于預設準確率閾值。
44、可選的，所述目標檢測模型為根據擴充后訓練數據集對待訓練目標檢測模型進行訓練得到，所述擴充后訓練數據集為對原始訓練數據集進行數據擴充得到；
45、其中，所述原始訓練數據集中包括n個樣本圖像，n為大于2的整數；對所述原始訓練數據集進行數據擴充以得到所述擴充后訓練數據集的過程，包括：
46、分本文檔來自技高網...
【技術保護點】
1.一種用于降低目標檢測誤報率的方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述檢測結果中包括對應的類別標識和邊界框信息；
3.根據權利要求2所述的方法，其特征在于，在所述分別確定所述圖像特征與所述目標特征錯誤庫存儲的每個所述錯誤圖像特征之間的相似度之后，所述方法還包括：
4.根據權利要求1所述的方法，其特征在于，所述錯誤特征采集終止條件為所述目標檢測模型的圖像檢測數量不小于預設數量閾值，且所述目標檢測模型的檢測準確率不小于預設準確率閾值。
5.根據權利要求1所述的方法，其特征在于，所述目標檢測模型為根據擴充后訓練數據集對待訓練目標檢測模型進行訓練得到，所述擴充后訓練數據集為對原始訓練數據集進行數據擴充得到；
6.一種用于降低目標檢測誤報率的裝置，其特征在于，包括：
7.根據權利要求6所述的裝置，其特征在于，所述檢測結果中包括對應的類別標識和邊界框信息；
8.根據權利要求7所述的裝置，其特征在于，所述裝置還包括：
9.一種計算機設備，其特征在于，包括：
<...【技術特征摘要】
1.一種用于降低目標檢測誤報率的方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述檢測結果中包括對應的類別標識和邊界框信息；
3.根據權利要求2所述的方法，其特征在于，在所述分別確定所述圖像特征與所述目標特征錯誤庫存儲的每個所述錯誤圖像特征之間的相似度之后，所述方法還包括：
4.根據權利要求1所述的方法，其特征在于，所述錯誤特征采集終止條件為所述目標檢測模型的圖像檢測數量不小于預設數量閾值，且所述目標檢測模型的檢測準確率不小于預設準確率閾值。
5.根據權利要求1所述的方法，其特征在于，所述目標檢測模型為根據擴充...
【專利技術屬性】
技術研發人員：羅靜，雷慶慶，王曉，敦建征，周昌鋒，毛少將，郭宇鵬，任峰，李沛然，張麗，
申請(專利權)人：通號通信信息集團有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。