[发明专利]对象检测后处理方法及对应装置

说明书

本发明实施例提供一种对象检测后处理方法及对应装置，涉及图像处理技术领域。该方法包括获取对待处理对象进行初步后处理后得到的第一后处理对象，第一后处理对象包括第一误检信息；利用二分类模型对第一后处理对象进行深度后处理，以过滤第一误检信息获得待检测对象对应的目标检测对象；二分类模型根据第一训练集训练得到，第一训练集包括由第二误检信息构成的负例和已标注的正例。装置用于执行上述方法。本发明实施例通过利用根据由第二误检信息构成的负例和已标注的正例构建的二分类模型对第一后处理对象进行深度后处理，能够在保证召回率的同时过滤掉第一后处理对象中的第一误检信息，降低对待检测对象进行检测时的误检率。

技术领域

本发明涉及图像处理技术领域，具体而言，涉及一种对象检测后处理方法及对应装置。

背景技术

对象检测(object detection)是计算机视觉中一项重要研究课题。特别是随着无人驾驶、视频监控和智慧安防场景下相关需求的日益增长，对象检测获得越来越多的关注。

目前最流行的对象检测框架有两种：一种是以更快的基于卷积神经网络特征的区域方法(faster R-CNN)为代表的生成假设框(region proposal)然后做分类的二阶段(two-stage)方法，另一种是以YOLO为代表的直接从外观回归检测框的一阶段(one-stage)方法。不管哪一种对象检测方法，在输出最终结果前都有一个去重复框的后处理步骤，旨在避免对同一个对象输出多个高度重叠的检测框。

目前对象检测的后处理主要是基于无监督的非最大值抑制算法(Non-maximumSuppression,NMS)。然而，NMS方法中的阈值大小对召回率(Recall)和误检率(Falsepositive，FP)均有影响，因此难以在高召回率和低误检率之间达成一个好的权衡。

发明内容

有鉴于此，本发明实施例的目的在于提供一种对象检测后处理方法及对应装置，以解决上述技术问题。

第一方面，本发明实施例提供了一种对象检测后处理方法，包括：

获取对待处理对象进行初步后处理后得到的第一后处理对象；其中，所述待处理对象是经过检测模型对待检测对象进行对象检测后获得的，所述第一后处理对象包括第一误检信息；

利用二分类模型对所述第一后处理对象进行深度后处理，以过滤所述第一后处理对象中的所述第一误检信息，获得所述待检测对象对应的目标检测对象；其中，所述二分类模型是根据第一训练集训练得到的，所述第一训练集包括已标注的正例和由第二误检信息构成的负例。

进一步地，在获取对待处理对象进行初步后处理后得到的第一后处理对象之前，所述方法，还包括：

获取所述检测模型并利用验证集对所述检测模型进行验证，获得所述第二误检信息；

从所述第一训练集中获取由所述第二误检信息构成的负例，以及已标注对象的正例；

根据所述正例和所述负例进行监督学习，获得所述二分类模型。

进一步地，在获取对待处理对象进行初步后处理后得到的第一后处理对象之前，所述方法，还包括：

根据验证集获得非最大值抑制算法中定义的阈值参数的目标值；

利用所述目标值对应的所述非最大值抑制算法对所述检测模型中的待处理对象进行初步后处理。

进一步地，所述根据验证集获得非最大值抑制算法中定义的阈值参数的目标值，包括：

将所述验证集输入所述检测模型中，并利用所述非最大值抑制算法对所述验证结果进行后处理；

调整所述非最大值抑制算法中的所述阈值参数，直至所述验证集对应的召回率满足预设值为止，获取所述阈值参数的目标值。