[发明专利]图像探测方法、装置、系统和存储介质

说明书

本发明提供了一种图像探测方法、装置、系统和存储介质，所述图像探测方法包括：获取待处理图像；以及利用训练好的生成对抗网络对所述待处理图像进行区域提议，以用于基于所述区域提议的结果进行图像探测。根据本发明实施例的图像探测方法、装置、系统和存储介质利用训练好的生成对抗网络替代更快速区域卷积神经网络中的区域提议网络进行区域提议与分数图拟合，能够有效解决区域提议模块受图像多峰性质影响的问题，从而提高图像探测的精度。

技术领域

本发明涉及图像识别技术领域，更具体地涉及一种图像探测方法、装置、系统和存储介质。

背景技术

图像探测一直是计算机视觉领域重要且备受关注的技术，其目标是给定一张图，通过算法给出图中所有物体的位置和类别信息。当下进行图像定位的主流框架是更快速区域卷积神经网络(Faster-RCNN)框架及各种基于Faster-RCNN的改进版。在这些框架中，算法可以被分为两步：区域提议和图像分类。在Faster-RCNN中，先通过区域提议网络(RPN)对每一张图给出约2000个区域提议和相应的置信度，基于置信度进行筛选后输入给Faster-RCNN得到图像分类结果。

然而，在前述的当前图像探测中所使用的区域提议方法无法很好处理图片本身性质导致的多峰问题，即当图片中含有重叠的多个物体时，模型输出的结果无法与其中任何一张图较好匹配。产生这种问题的原因在于当给定一张具有多峰性质的图时，图像包围盒的真实分布存在多个尖峰，而因为损失函数为缓和曼哈顿距离(Smooth L1)，其自身性质导致其会受多峰问题影响，导致收敛后最优值在真实分布的多个峰之间，无法与其中任何一个峰较好匹配。

因此，需要提供新的图像探测方法来解决上述问题。

发明内容

本发明提出了一种关于图像探测的方案，其利用训练好的生成对抗网络替代更快速区域卷积神经网络中的区域提议网络进行区域提议与分数图拟合，能够有效解决区域提议模块受图像多峰性质影响的问题。下面简要描述本发明提出的关于图像探测的方案，更多细节将在后续结合附图在具体实施方式中加以描述。

根据本发明一方面，提供了一种图像探测方法，所述图像探测方法包括：获取待处理图像；以及利用训练好的生成对抗网络对所述待处理图像进行区域提议，以用于基于所述区域提议的结果进行图像探测。

在本发明的一个实施例中，所述生成对抗网络包括生成器、映射管道和判别器，其中：所述生成器接收图像和噪声，输出生成包围盒和生成分数热点图；所述映射管道将输入的包围盒映射为包围盒热点图；以及所述判别器判断输入的包围盒热点图是真实包围盒热点图还是生成包围盒热点图。

在本发明的一个实施例中，所述生成对抗网络的训练包括：将样本图像和噪声输入所述生成器；基于与所述样本图像相关联的真实分数热点图以及所述生成器输出的生成分数热点图计算所述生成器的分数损失值；将与所述样本图像相关联的真实包围盒和所述生成器输出的生成包围盒分别输入所述映射管道；将所述样本图像与所述映射管道输出的真实包围盒热点图和生成包围盒热点图分别组合成对输入所述判别器；基于所述判别器输出的针对所述真实包围盒热点图的判别结果和针对所述生成包围盒热点图的判别结果计算所述判别器的损失值；基于所述判别器输出的针对所述生成包围盒热点图的判别结果计算所述生成器的包围盒损失值；以及最小化所述生成器的分数损失值和所述生成器的包围盒损失值以及所述判别器的损失值。

在本发明的一个实施例中，所述计算所述生成器的分数损失值包括：计算所述真实分数热点图与所述生成分数热点图之间的距离，以作为所述生成器的分数损失值。

在本发明的一个实施例中，所述计算所述真实分数热点图与所述生成分数热点图之间的距离包括：计算所述真实分数热点图与所述生成分数热点图之间的欧式距离。

在本发明的一个实施例中，输入所述映射管道的为单个真实包围盒和单个生成包围盒，所述单个生成包围盒是基于利用所述真实分数热点图过滤全部生成包围盒而得到的。