[发明专利]目标检测方法、装置、设备和计算机可读存储介质

说明书

本公开实施例提供了一种目标检测方法、装置、设备和计算机可读存储介质，包括：获取待检测场景图像；通过目标检测网络对待检测场景图像进行检测，得到至少两类目标的检测结果；目标检测网络是根据至少两类目标训练集训练得到；至少两类目标训练集中的每一类目标训练集包括一类目标对应的目标正样本、目标负样本和目标冲突样本；每一类目标训练集的目标正样本、目标负样本和目标冲突样本的集合是基于至少两类原始训练集得到的；至少两类原始训练集中每一类原始训练集包括针对一类目标对应的原始正样本和原始负样本；每一类目标冲突样本为目标检测网络不学习的样本。本公开增加了多目标检测灵活性，提高了对各种多类目标检测的检测效率。

技术领域

本公开涉及图像处理技术，尤其涉及一种目标检测方法、装置、设备和计算机可读存储介质。

背景技术

目前，为了对待检测图像中的多个目标的检测，通常需要多个单目标检测网络分别对待检测图像进行单目标检测，由于每个单目标检测网络均需要对待检测图像进行特征提取，造成了计算机资源的浪费；或者，由人工标注大量的多目标样本，来训练多目标检测网络，从而实现一个目标检测网络对多个目标的检测；而这种方式又需要大量人工标注，导致对多目标检测的效率低、灵活性差。

发明内容

本公开实施例提供一种目标检测方法、装置、设备和计算机可读存储介质，增加了多目标检测灵活性，提高了对各种多类目标检测的检测效率。

本公开的技术方案是这样实现的：

本公开实施例提供一种目标检测方法，包括：

获取待检测场景图像；通过目标检测网络对所述待检测场景图像进行检测，得到至少两类目标的检测结果；所述目标检测网络是根据至少两类目标训练集训练得到的；所述至少两类目标训练集中的每一类目标训练集包括一类目标对应的目标正样本、目标负样本和目标冲突样本；所述每一类目标训练集中的目标正样本、目标负样本和目标冲突样本的集合是基于至少两类原始训练集得到的；所述至少两类原始训练集中每一类原始训练集包括针对一类目标对应的原始正样本和原始负样本；其中，每一类目标冲突样本为所述目标检测网络不学习的样本。

这样，目标检测装置可以在各类原始训练集的基础上，通过设置冲突样本，快速得到针对各类目标组合的目标检测网络，增加了多目标检测灵活性，提高了对各种多类目标检测的检测效率。

上述方法中，所述通过目标检测网络对所述待检测图像进行检测，得到至少两类目标的检测结果之前，所述方法还包括：获取所述至少两类原始训练集；根据所述至少两类原始训练集，确定所述至少两类目标训练集；采用所述至少两类目标训练集，训练原始目标检测网络，得到所述目标检测网络。

这样，目标检测装置在获取至少两类原始训练集后，可以根据至少两类原始训练集中的所有样本，确定至少两类目标训练集中的目标正样本、目标负样本和目标冲突样本，增加了目标训练集设置的灵活性，提高了目标训练集的获取效率，从而提高了目标检测的效率和灵活性。

上述方法中，所述根据所述至少两类原始训练集，确定所述至少两类目标训练集，包括：将所述至少两类原始训练集中的第p类原始正样本，作为第p类目标正样本；p为正整数，且p小于等于所述至少两类的总类别数；从所述至少两类原始训练集的至少两类原始负样本中，确定第p类目标冲突样本；从所述至少两类原始训练集中，将除所述第p类目标正样本和所述第p目标冲突样本以外的其他样本，作为第p类目标负样本；将所述第p类目标正样本、所述第p类目标负样本和所述第p类目标冲突样本的集合，作为所述第p类目标训练集，从而得到所述至少两类目标训练集。

这样，目标检测装置可以根据每一类的原始正样本确定一类目标正样本，根据至少两类原始负样本确定每一类目标冲突样本，进而确定出每一类目标负样本，从而得到每一类目标训练集，增加了目标训练集设置的灵活性，提高了目标训练集的获取效率，从而提高了目标检测的效率和灵活性。