[发明专利]一种增强型目标检测方法和存储设备

权利要求书

1.一种增强型目标检测方法，其特征在于，包括步骤：

训练待用模型，所述待用模型包括：前景背景区分模型和特征提取分类模型；

响应添加新类别指令，输入新品类图像至所述前景背景区分模型得到前景图像；

输入所述前景图像至所述特征提取分类模型得到特征向量；

对所述特征向量进行聚类生成新类簇。

2.根据权利要求1所述的一种增强型目标检测方法，其特征在于，还包括步骤：

响应品类识别指令；

输入待识别图像至所述前景背景区分模型得到前景图像；

输入所述前景图像至所述特征提取分类模型得到特征向量；

对所述特征向量进行聚类，并更新类簇中心点；

输出对应品类类别。

3.根据权利要求1所述的一种增强型目标检测方法，其特征在于，所述“训练待用模型”，具体还包括步骤：

标注采集的图像数据的类别生成数据集；

用标注好的数据集进行前景背景区分模型训练；

输入图像至前景背景区分模型进行推理生成前景图像；

对前景图像进行类别标注，生成前景图像类别数据集；

用所述前景图像类别数据集进行特征提取分类模型训练；

输入已知类别的前景图像至所述特征提取分类模型进行推理生成特征向量，对所述特征向量进行聚类生成基础类簇。

4.根据权利要求2所述的一种增强型目标检测方法，其特征在于，所述“输入待识别图像至所述前景背景区分模型得到前景图像”，具体还包括步骤：

输入待识别图像至前景背景区分网络进行推理，再进行NMS过滤得到前景图像。

5.根据权利要求3所述的一种增强型目标检测方法，其特征在于，所述“输入图像至前景背景区分模型进行推理生成前景图像”，具体还包括步骤：

裁减掉与物体无关的部分，去除干扰性的冗余特征；

所述数据集包括：当前需要识别类别和无关类别。

6.一种存储设备，其中存储有指令集，其特征在于，所述指令集用于执行：

训练待用模型，所述待用模型包括：前景背景区分模型和特征提取分类模型；

响应添加新类别指令，输入新品类图像至所述前景背景区分模型得到前景图像；

输入所述前景图像至所述特征提取分类模型得到特征向量；

对所述特征向量进行聚类生成新类簇。

7.根据权利要求6所述的一种存储设备，其特征在于，所述指令集还用于执行：

响应品类识别指令；

输入待识别图像至所述前景背景区分模型得到前景图像；

输入所述前景图像至所述特征提取分类模型得到特征向量；

对所述特征向量进行聚类，并更新类簇中心点；

输出对应品类类别。

8.根据权利要求6所述的一种存储设备，其特征在于，所述指令集还用于执行：

所述“训练待用模型”，具体还包括步骤：

标注采集的图像数据的类别生成数据集；

用标注好的数据集进行前景背景区分模型训练；

输入图像至前景背景区分模型进行推理生成前景图像；

对前景图像进行类别标注，生成前景图像类别数据集；

用所述前景图像类别数据集进行特征提取分类模型训练；

输入已知类别的前景图像至所述特征提取分类模型进行推理生成特征向量，对所述特征向量进行聚类生成基础类簇。

9.根据权利要求7所述的一种存储设备，其特征在于，所述指令集还用于执行：

所述“输入待识别图像至所述前景背景区分模型得到前景图像”，具体还包括步骤：

输入待识别图像至前景背景区分网络进行推理，再进行NMS过滤得到前景图像。

10.根据权利要求8所述的一种存储设备，其特征在于，所述指令集还用于执行：所述“输入图像至前景背景区分模型进行推理生成前景图像”，具体还包括步骤：

裁减掉与物体无关的部分，去除干扰性的冗余特征；

所述数据集包括：当前需要识别类别和无关类别。