[发明专利]一种图像检测方法、系统及装置

说明书

本申请涉及图像分类检测技术领域，具体而言，涉及一种图像检测方法、系统及装置，一定程度上可以解决目前分类模型输出的检测结果准确性差的问题。方法包括：获取训练图像和至少三个分类模型，训练图像包括待检测的目标，并且训练图像中标注有目标的类别；基于训练图像，对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；分别向至少三个训练后的分类模型输入待检测图像，获取至少三个训练后的分类模型输出的目标的类别；当第一数量小于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目标的类别中得票数最多的类别为待检测图像的检测结果，第一数量为至少三个训练后的分类模型输出的目标的类别的种类数。

技术领域

本申请涉及图像分类检测技术领域，具体而言，涉及一种图像检测方法、系统及装置。

背景技术

随着深度学习领域的持续发展及工业检测系统的深入研究，工业图像的检测任务趋于多样化，在工业生产条件下，通常会通过部署不同类型的分类模型实现不同的工业检测任务，分类模型用于对待检测的图像中包括的目标进行分类，确定各个目标的类别。

在通过分类模型确定各个目标的类别的实现过程中，一般是将分类模型分为输入图像，主干(backone)和分类器三部分，在输入图像部分，分类模型可接收待检测图像和用于参与模型训练的参考图像；主干部分用于基于参考图像确定分类模型的模型参数，并基于确定好的模型参数对待检测图像进行处理，最后将待检测图像的分类结果输出给分类器，分类器输出检测概率最大的类别，该类别为分类模型确定的目标的类别。

然而，由于同一个上述分类模型在训练过程中，每次训练后得到的分类结果均存在变化，导致确定的分类模型的模型参数可能不理想，因此容易导致检测结果准确性差的情况。

发明内容

为了解决目前分类模型输出的检测结果准确性差的问题，本申请提供了一种图像检测方法、系统及装置。

本申请的实施例是这样实现的：

本申请实施例的第一方面提供一种图像检测方法，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。

在一些实施例中，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。

在一些实施例中，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检测值对应的检测概率值，确定所述组合模型的损失值。

在一些实施例中，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；