[发明专利]物体检测方法、装置、设备和存储介质

说明书

本发明实施例公开了一种物体检测方法、装置、设备和存储介质。该方法包括：获取待检测图像；将所述待检测图像输入至物体检测模型中，确定所述待检测图像中的物体属性信息；其中，所述物体检测模型是通过采用根据样本图像集信息所确定的超参数，对初始网络模型进行训练得到的；所述超参数包括样本标注框在初始网络模型中特征图上的尺度权重。本发明实施例的方案以实现降低训练得到的物体检测模型的检测误差，提高物体检测效率和准确性。

技术领域

本发明实施例涉及数据处理技术领域，尤其涉及一种物体检测方法、装置、设备和存储介质。

背景技术

随着神经网络技术的发展，基于计算机视觉的物体检测方法已经广泛应用于新零售、泛安防等领域。物体检测是指根据待检测图像，确定待检测图像中包含的物体的位置和类别等物体属性信息。

目前，基于视觉的物体检测所采用的物体检测模型通常是基于包括公共数据图集及图集中各图像对应的物体属性信息作为训练样本，对初始网络模型进行训练得到的。但是，仅根据初始网络模型中的原有参数训练得到的物体检测模型，精度不高，在检测待测图像时，存在检测效率和准确度较低等缺陷。亟需改进。

发明内容

本发明实施例提供了一种物体检测方法、装置、设备和存储介质，以提高物体检测效率和准确性。

第一方面，本发明实施例提供了一种物体检测方法，该方法包括：

获取待检测图像；

将所述待检测图像输入至物体检测模型中，确定所述待检测图像中的物体属性信息；

其中，所述物体检测模型是通过采用根据样本图像集信息所确定的超参数，对初始网络模型进行训练得到的；

所述超参数包括样本标注框在初始网络模型中特征图上的尺度权重。

第二方面，本发明实施例还提供了一种物体检测装置，该装置包括：

图像获取模块，用于获取待检测图像；

信息确定模块，用于将所述待检测图像输入至物体检测模型中，确定所述待检测图像中的物体属性信息；

其中，所述物体检测模型是通过采用根据样本图像集信息所确定的超参数，对初始网络模型进行训练得到的；

所述超参数包括样本标注框在初始网络模型中特征图上的尺度权重。

第三方面，本发明实施例还提供了一种设备，该设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例所述的物体检测方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所述的物体检测方法。

本发明实施例的技术方案，通过根据样本图像信息确定样本标注框在初始网络模型中特征图上的尺度权重，采用该尺度权重对初始网络模型进行训练得物体检测模型，进而基于该物体检测模型对获取的待检测图像进行检测，得到待检测图像中的物体属性信息。本发明实施例的技术方案，在训练物体检测模型时引入初始网络模型中特征图上的尺度权重作为超参数，解决了现有技术中训练物体检测模型时，标注框与特征图的尺寸不匹配不仅不能学习到这些标注框信息，反而会抑制对与其匹配的标注框的学习的问题，实现在训练物体检测模型时，对于与特征图尺度匹配的标注框，增大其对特征图的损失函数的影响；反之，对于与特征图尺度不匹配的标注框，减小其对特征图的损失函数的影响，进而降低了训练得到的物体检测模型的检测误差，提高了物体检测效率和准确性。

附图说明