[发明专利]目标对象信息的处理方法、装置及计算机程序产品

说明书

本公开提供了目标对象信息的处理方法、装置及计算机程序产品，具体涉及边缘计算、云计算、深度学习等技术，可用于目标检测场景下。具体实现方案为：获取训练集，其中，训练集中包括数量不均衡的、对应于不同类型的目标对象的多个训练子集，每个训练子集中包括的训练样本包括样本图像和样本图像中的目标对象的位置标签、类型标签；通过训练集中的训练样本中的样本图像和位置标签，训练得到目标对象确定网络；基于多个训练子集中的训练样本中的样本图像和类型标签，训练得到目标对象分类网络；结合目标对象确定网络和目标对象分类网络，得到目标对象检测模型。本公开提高了训练方法的实用性和适应范围，以及目标对象检测模型的检测准确度。

技术领域

本公开涉及计算机技术领域，具体涉及边缘计算、云计算、深度学习等技术，尤其涉及目标对象信息的处理方法、装置、电子设备、存储介质以及计算机程序产品，可用于目标检测场景下。

背景技术

在目标检测算法中，经常会遇到各类型的样本数据集数量相差比较大，即样本不均衡的情况。若直接采用不均衡的训练样本训练目标对象检测模型，所得到的模型的检测效果一般都不理想，尤其对于样本数量少的类型的目标对象，检测效果通常较差。目前，在样本不均衡的情况下，通常以数据量小的类别为基准，构建样本均衡的训练集进行模型训练。然而，由训练样本数据量较小，导致所得到的目标对象检测模型的检测效果较差。

发明内容

本公开提供了一种目标对象信息的处理方法、装置、电子设备、存储介质以及计算机程序产品。

根据第一方面，提供了一种目标对象信息的处理方法，包括：获取训练集，其中，训练集中包括数量不均衡的、对应于不同类型的目标对象的多个训练子集，每个训练子集中包括的训练样本包括样本图像和样本图像中的目标对象的位置标签、类型标签；通过训练集中的训练样本中的样本图像和位置标签，训练得到目标对象确定网络；基于多个训练子集中的训练样本中的样本图像和类型标签，训练得到目标对象分类网络；结合目标对象确定网络和目标对象分类网络，得到目标对象检测模型。

根据第二方面，提供了一种目标对象的检测方法，包括：获取待检测图像；通过目标对象检测模型得到待检测图像中的目标对象的检测结果，其中，目标对象检测模型通过第一方面任一实现方式描述的方法得到。

根据第三方面，提供了一种目标对象信息的处理装置，包括：第一获取单元，被配置成获取训练集，其中，训练集中包括数量不均衡的、对应于不同类型的目标对象的多个训练子集，每个训练子集中包括的训练样本包括样本图像和样本图像中的目标对象的位置标签、类型标签；第一训练单元，被配置成通过训练集中的训练样本中的样本图像和位置标签，训练得到目标对象确定网络；第二训练单元，被配置成基于多个训练子集中的训练样本中的样本图像和类型标签，训练得到目标对象分类网络；得到单元，被配置成结合目标对象确定网络和目标对象分类网络，得到目标对象检测模型。

根据第四方面，提供了一种目标对象的检测装置，包括：第二获取单元，被配置成获取待检测图像；检测单元，被配置成通过目标对象检测模型得到待检测图像中的目标对象的检测结果，其中，目标对象检测模型通过第三方面任一实现方式描述的装置得到。

根据第五方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面、第二方面任一实现方式描述的方法。

根据第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面、第二方面任一实现方式描述的方法。

根据第七方面，提供了一种计算机程序产品，包括：计算机程序，计算机程序在被处理器执行时实现如第一方面、第二方面任一实现方式描述的方法。