[发明专利]一种图像检测网络模型、装置、方法、及存储介质

权利要求书

1.一种图像检测网络模型，其特征在于，所述图像检测网络模型包括特征提取层、残差预测层以及输出层:

所述特征提取层，用于对获取到的X光图像进行特征提取，得到N种不同尺度的特征图，所述N为大于1的整数，其中，所述特征提取层由基本卷积块组成，所述基本卷积块中融合有BN参数和Scale参数；

所述残差预测层，用于分别对所述N种不同尺度的特征图进行图像检测处理，得到N个检测结果，其中，所述残差预测层中与预测块相连接的卷积核为1*1卷积核，所述预测块为所述残差预测层中的模块；

所述输出层，用于根据所述N个检测结果，确定所述待检测物的目标检测结果。

2.根据权利要求1所述的图像检测网络模型，其特征在于，所述基本卷积块包括第一路卷积层以及第二路卷积层，所述第一路卷积层包括一个M*M卷积核，所述第二路卷积层包括两个M*M卷积核，所述M为大于1的整数。

3.一种图像检测装置，其特征在于，包括：

第一采集单元，用于采集待检测物的X光图像；

提取单元，用于基于训练后的图像检测网络模型中的特征提取层对所述X光图像进行特征提取，得到N种不同尺度的特征图，所述特征提取层由基本卷积块组成，所述基本卷积块中融合有BN参数和Scale参数，所述N为大于1的整数；

检测单元，用于基于所述图像检测网络模型中的残差预测层分别对所述N种不同尺度的特征图进行图像检测处理，得到N个检测结果，所述残差预测层中与预测块相连接的卷积核为1*1卷积核，所述预测块为所述残差预测层中的模块；

确定单元，用于根据所述N个检测结果，确定所述待检测物的目标检测结果。

4.根据权利要求3所述的装置，其特征在于，所述确定单元具体用于：

根据所述N个检测结果得到所述不同尺度的特征图分别对应的不同尺度的待检测物的检测结果；

根据所述不同尺度的待检测物的检测结果，确定所述目标检测结果。

5.根据权利要求3所述的装置，其特征在于，所述装置还包括：

第二采集单元，用于采集异常检测物的X光图像，得到正例样本；

第三采集单元，用于采集非异常检测物的X光图像，得到负例样本；

训练单元，用于根据所述正例样本以及所述负例样本对预设图像检测网络模型进行训练，得到所述训练后的图像检测网络模型。

6.根据权利要求5所述的装置，其特征在于，所述第二采集单元具体用于：

采集所述异常检测物经过透视变换处理的多个X光图像，得到所述正例样本；

所述第三采集单元具体用于：

采集所述非异常检测物经过透视变换处理的多个X光图像，得到所述负例样本。

7.根据权利要求5所述的装置，其特征在于，所述训练单元具体用于：

根据所述正例样本以及所述负例样本对所述预设图像检测网络模型进行训练，得到所述正例样本以及所述负例样本的异常预测值；

获取所述正例样本以及所述负例样本的异常真实值，对所述异常真实值和所述异常预测值进行收敛，得到所述训练后的图像检测网络模型。

8.根据权利要求3至7中任一项所述的装置，其特征在于，所述装置还包括：

发送单元，用于发送所述目标检测结果至显示终端，使得所述显示终端根据所述目标检测结果显示所述待检测物的类别信息以及所述待检测物的坐标信息。

9.根据权利要求3至7中任一项所述的装置，其特征在于，所述基本卷积块包括第一路卷积层以及第二路卷积层，所述第一路卷积层包括一个M*M卷积核，所述第二路卷积层包括两个M*M卷积核，所述M为大于1的整数。