[发明专利]一种图像检测方法、系统及装置

权利要求书

1.一种图像检测方法，其特征在于，包括：

获取训练图像和至少三个分类模型，所述训练图像包括待检测的目标，并且所述训练图像中标注有所述目标的类别；

基于所述训练图像，对所述至少三个分类模型构成的组合模型进行训练，获取至少三个训练后的分类模型；

分别向所述至少三个训练后的分类模型输入待检测图像，获取所述至少三个训练后的分类模型输出的所述目标的类别；

当第一数量小于所述分类模型的总数量时，确定至少三个训练后的分类模型输出的所述目标的类别中得票数最多的类别为所述待检测图像的检测结果，所述第一数量为所述至少三个训练后的分类模型输出的所述目标的类别的种类数。

2.如权利要求1所述图像检测方法，其特征在于，所述基于所述训练图像，对所述至少三个分类模型构成的组合模型进行训练步骤，包括：

基于所述训练图像和预设的损失函数，分别确定各个所述分类模型的损失值；

基于各个所述分类模型的损失值，确定所述组合模型的损失值；

基于所述组合模型的损失值，对各个所述分类模型进行训练，以使训练后的所述组合模型的损失值小于预设阈值，当所述组合模型的损失值小于所述预设阈值时，所述组合模型中包括的所述分类模型为训练后的分类模型。

3.如权利要求2所述图像检测方法，其特征在于，所述基于各个所述分类模型的损失值，确定所述组合模型的损失值步骤，包括：

基于各个所述分类模型对所述训练图像中目标类别的检测值及所述检测值对应的检测概率值，确定所述组合模型的损失值，所述检测值为所述分类模型检测的目标的类别。

4.如权利要求2所述图像检测方法，其特征在于，所述基于各个所述分类模型的损失值，确定所述组合模型的损失值步骤，包括：

基于所述训练图像中目标的总类别数、非线性放大因子及所述分类模型检测到所述训练图像中的目标的类别时的检测概率值，确定权重值；

基于各个所述分类模型对所述训练图像中目标类别的检测值、所述检测值对应的检测概率值和所述权重值，确定所述组合模型的损失值。

5.如权利要求1所述图像检测方法，其特征在于，每个所述分类模型均选用相同的模型类型，或者选用不同的模型类型，所述模型类型包括resnet系列、regnet系列、efficientnet系列、shufflenet系列和mobilenet系列中的任意一种。

6.一种图像检测系统，其特征在于，包括：

获取模块，用于获取训练图像和至少三个分类模型，所述训练图像包括待检测的目标，并且所述训练图像中标注有所述目标的类别；

训练模块，用于基于所述训练图像，对所述至少三个分类模型构成的组合模型进行训练，获取至少三个训练后的分类模型；

检测模块，用于分别向所述至少三个训练后的分类模型输入待检测图像，获取所述至少三个训练后的分类模型输出的所述目标的类别；

结果确定模块，用于当第一数量小于所述分类模型的总数量时，确定至少三个训练后的分类模型输出的所述目标的类别中得票数最多的类别为所述待检测图像的检测结果，所述第一数量为所述至少三个训练后的分类模型输出的所述目标的类别的种类数。

7.如权利要求6所述图像检测系统，其特征在于，所述基于所述训练图像，对所述至少三个分类模型构成的组合模型进行训练步骤，所述训练模块包括损失值计算单元，所述损失值计算单元用于：

基于所述训练图像和预设的损失函数，分别确定各个所述分类模型的损失值；

基于各个所述分类模型的损失值，确定所述组合模型的损失值；

基于所述组合模型的损失值，对各个所述分类模型进行训练，以使训练后的所述组合模型的损失值小于预设阈值，当所述组合模型的损失值小于所述预设阈值时，所述组合模型中包括的所述分类模型为训练后的分类模型。