[发明专利]图像检测方法及系统

权利要求书

1.一种图像检测方法，其特征在于，包括：

接收待测图像并传输至第一检测网络，判断所述待测图像中是否包含第一目标区域；

若所述待测图像中包含所述第一目标区域，则接收根据所述待测图像获得的第一待测标识并传输至第二检测网络；

判断所述第一待测标识中是否包含第二目标区域；

若所述第一待测标识中包含第二目标区域，则判定所述待测图像为标识图像；

若所述第一待测标识中不包含第二目标区域，则判定所述待测图像为非标识图像；

在接收待测图像并传输至第一检测网络之前，还包括：

S101.获取第一实验组图像，所述第一实验组图像包括第一标识图像，其中，所述第一标识图像包括所述第一目标区域并显示出所述第二目标区域；

S102.获取第二实验组图像，其中，所述第二实验组图像通过标注所述第一标识图像中的所述第二目标区域获得；

S103.将所述第一实验组图像分为第一训练集和第一验证集，所述第一训练集和所述第一验证集的图像数量之比为第一预设比例；

S104.将所述第二实验组图像分为第二训练集和第二验证集，所述第二训练集和所述第二验证集的图像数量之比为第二预设比例；

所述接收待测图像并传输至第一检测网络之前，还包括：根据所述第一训练集和所述第一验证集对卷积神经网络进行训练，获得所述第一检测网络；

所述根据所述第一训练集和所述第一验证集对卷积神经网络进行训练，包括：

S1001.采用通用数据集对所述卷积神经网络进行预训练；

S1002.获取所述第一训练集中的第一训练图像，通过所述卷积神经网络的骨干网络提取所述第一训练图像中的第一公共特征图；

S1003.将所述第一公共特征图传输至所述卷积神经网络的区域建议网络，获取所述第一公共特征图的第一感兴趣区域；

S1004.将所述第一感兴趣区域与所述第一训练图像进行对比，获得第一候选框；

S1005.将所述第一候选框归一化到预设尺寸后，分别传输到第一分类分支网络、第一物体检测分支网络和第一实例分割分支网络，分别获得得到第一类别信息、第一位置信息和第一像素信息；

S1006.将第一预设类别信息、第一预设位置信息和第一预设像素信息作为多任务监督信号，分别与所述第一类别信息、所述第一位置信息和所述第一像素信息计算第一损失，经反向传播算法根据所述第一损失调整所述卷积神经网络参数；

S1007.判断计数器是否小于预设长度，若小于则执行步骤S1008，若不小于则采用所述第一验证集对所述卷积神经网络进行验证，若所述验证结果满足预设结果，则训练结束并获得所述第一检测网络，若所述验证结果不满足预设结果则执行步骤S1008；

S1008.获取所述第一训练集中的下一个第一训练图像，重复步骤S1002至S1007；

在接收根据所述待测图像获得的第一待测标识并传输至第二检测网络之前，还包括：根据所述第二训练集和所述第二验证集对卷积神经网络进行训练，获得所述第二检测网络；

所述根据所述第二训练集和所述第二验证集对卷积神经网络进行训练，包括：

S1011.采用通用数据集对所述卷积神经网络进行预训练；

S1012.获取所述第二训练集中的第二训练图像，通过所述卷积神经网络的骨干网络提取所述第二训练图像中的第二公共特征图；

S1013.将所述第二公共特征图传输至所述卷积神经网络的区域建议网络，获取所述第二公共特征图的第二感兴趣区域；

S1014.将所述第二感兴趣区域与所述第二训练图像进行对比，获得第二候选框；

S1015.将所述第二候选框归二化到预设尺寸后，分别传输到第二分类分支网络、第二物体检测分支网络和第二实例分割分支网络，分别获得得到第二类别信息、第二位置信息和第二像素信息；

S1016.将第二预设类别信息、第二预设位置信息和第二预设像素信息作为多任务监督信号，分别与所述第二类别信息、所述第二位置信息和所述第二像素信息计算第二损失，经反向传播算法根据所述第二损失调整所述卷积神经网络参数；

S1017.判断计数器是否小于预设长度，若小于则执行步骤S1018，若不小于则采用所述第二验证集对所述卷积神经网络进行验证，若所述验证结果满足预设结果，则训练结束并获得所述第二检测网络，若所述验证结果不满足预设结果则执行步骤S1018；

S1018.获取所述第二训练集中的下一个第二训练图像，重复步骤S1012至S1017。

2.一种图像检测系统，其特征在于，包括接收单元和分析单元，其中：

所述接收单元，用于接收待测图像并传输至第一检测网络；

所述分析单元，包括所述第一检测网络，其中，所述第一检测网络用于判断所述待测图像中是否包含第一目标区域；

所述接收单元，还用于在所述待测图像中包含所述第一目标区域时，接收根据所述待测图像获得的第一待测标识并传输至第二检测网络；

所述分析单元，还包括所述第二检测网络，其中，所述第二检测网络用于判断所述第一待测标识中是否包含第二目标区域；

所述分析单元，还包括判定单元，其中，所述判定单元用于在所述第一待测标识中包含第二目标区域时，判定所述待测图像为标识图像；

所述判定单元，还用于在所述第一待测标识中不包含第二目标区域时，判定所述待测图像为非标识图像；

所述接收单元，包括获取单元和分拨单元，其中：

所述获取单元，用于获取第一实验组图像，所述第一实验组图像包括第一标识图像，其中，所述第一标识图像包括所述第一目标区域并显示出所述第二目标区域；

所述获取单元，还用于获取第二实验组图像，其中，所述第二实验组图像通过标注所述第一标识图像中的所述第二目标区域获得；

所述分拨单元，用于将所述第一实验组图像分为第一训练集和第一验证集，所述第一训练集和所述第一验证集的图像数量之比为第一预设比例；

所述分拨单元，还用于将所述第二实验组图像分为第二训练集和第二验证集，所述第二训练集和所述第二验证集的图像数量之比为第二预设比例；

还包括网络训练单元，其中，所述网络训练单元用于根据所述第一训练集和所述第一验证集对卷积神经网络进行训练，获得所述第一检测网络；

所述网络训练单元，还用于根据所述第二训练集和所述第二验证集对卷积神经网络进行训练，获得所述第二检测网络；

所述网络训练单元，包括预训练单元、提取单元、感兴趣区域单元、对比单元、网络调整单元、计数单元、验证单元和返回单元，其中：

所述预训练单元，用于采用通用数据集对所述卷积神经网络进行预训练；

所述提取单元，用于获取所述第一训练集中的第一训练图像，通过所述卷积神经网络的骨干网络提取所述第一训练图像中的第一公共特征图；

所述感兴趣区域单元，用于将所述第一公共特征图传输至所述卷积神经网络的区域建议网络，获取所述第一公共特征图的第一感兴趣区域；

所述对比单元，用于将所述第一感兴趣区域与所述第一训练图像进行对比，获得第一候选框；还用于将所述第一候选框归一化到预设尺寸后，分别传输到第一分类分支网络、第一物体检测分支网络和第一实例分割分支网络，分别获得得到第一类别信息、第一位置信息和第一像素信息；

所述网络调整单元，用于将第一预设类别信息、第一预设位置信息和第一预设像素信息作为多任务监督信号，分别与所述第一类别信息、所述第一位置信息和所述第一像素信息计算第一损失，经反向传播算法根据所述第一损失调整所述卷积神经网络参数；

所述验证单元，用于在计数器不小于预设长度时，采用所述第一验证集对所述卷积神经网络进行验证，若所述验证结果满足预设结果，则训练结束并获得所述第一检测网络；

所述返回单元，用于在计数器小于预设长度时，返回提取单元；还用于在所述验证结果不满足预设结果时，返回提取单元；

所述提取单元，还用于获取所述第二训练集中的第二训练图像，通过所述卷积神经网络的骨干网络提取所述第二训练图像中的第二公共特征图；

所述感兴趣区域单元，还用于将所述第二公共特征图传输至所述卷积神经网络的区域建议网络，获取所述第二公共特征图的第二感兴趣区域；

所述对比单元，还用于将所述第二感兴趣区域与所述第二训练图像进行对比，获得第二候选框；还用于将所述第二候选框归二化到预设尺寸后，分别传输到第二分类分支网络、第二物体检测分支网络和第二实例分割分支网络，分别获得得到第二类别信息、第二位置信息和第二像素信息；

所述网络调整单元，将第二预设类别信息、第二预设位置信息和第二预设像素信息作为多任务监督信号，分别与所述第二类别信息、所述第二位置信息和所述第二像素信息计算第二损失，经反向传播算法根据所述第二损失调整所述卷积神经网络参数；

所述验证单元，还用于在所述计数单元不小于预设长度时，采用所述第二验证集对所述卷积神经网络进行验证，若所述验证结果满足预设结果，则训练结束并获得所述第二检测网络。