[发明专利]物体检测方法、电子设备、系统及介质

说明书

本发明提供了一种物体检测方法、电子设备、系统及介质，所述方法包括：接收待检测图片；将所述待检测图片输入到预先训练的检测模型中，其中，所述检测模型采用协同训练方式进行训练；获取所述检测模型的输出结果；根据所述输出结果确定所述待检测图片中包括目标物体的概率及所述目标物体的位置。本发明解决了物体检测时泛化能力不足的问题，以及由于样本难以获取导致的过拟合问题，同时由于协同训练，提升了物体检测时检测模型的性能，进而提高了物体检测的准确率。

技术领域

本发明涉及图像识别技术领域，尤其涉及物体检测方法、电子设备、系统及介质。

背景技术

目前，在进行物体检测时，通常采用大量有标记的样本进行自训练，得到对应物体的检测模型。

然而，上述方式存在如下弊端：

(1)在对样本进行标记时，需要耗费大量的人力，且容易产生误标记，样本噪声也较高；

(2)自训练方式对于置信度低的样本利用率不足；

(3)自训练时利用极少量标注样本进行监督训练，容易导致过拟合以及后期模型泛化能力不足的问题；

(4)对于新增物体的检测，需要重新获取大量图片进行标记并重新训练，效率较低。

由于上述训练方式的不足，导致物体检测的效率及效果均受到一定程度的影响。

发明内容

本发明的主要目的在于提供物体检测方法、电子设备、系统及介质，旨在解决物体检测时泛化能力不足的问题，以及由于样本难以获取导致的过拟合问题，同时由于协同训练，提升了物体检测时检测模型的性能，进而提高了物体检测的准确率。

为实现上述目的，本发明提供一种物体检测方法，所述方法包括：

接收待检测图片；

将所述待检测图片输入到预先训练的检测模型中，其中，所述检测模型采用协同训练方式进行训练；

获取所述检测模型的输出结果；

根据所述输出结果确定所述待检测图片中包括目标物体的概率及所述目标物体的位置。

优选地，所述方法还包括：

A.创建第一训练样本，所述第一训练样本包括标记图片及合成图片；

B.利用所述第一训练样本同时训练多个子模型；

C.创建第二训练样本，所述第二训练样本包括未标记图片及所述第一训练样本；

D.将所述第二训练样本输入到所述多个子模型中，得到对应的多个输出结果，从所述多个输出结果中筛选出置信度高于预设阈值的数据，合并筛选出的数据作为更新的第二训练样本；

重复D，直至所述第二训练样本满足配置条件时，停止训练，得到所述检测模型。

优选地，所述多个子模型的原理不同。

优选地，所述方法还包括：

获取模板图片及背景图片；

对所述模板图片进行预处理，得到第一图片；

计算所述第一图片与所述背景图片的色差；

确定所述第一图片中的物体在所述背景图片中的占比；

判定所述第一图片中物体的属性与所述背景图片是否匹配；

当所述色差大于或者等于配置值，所述占比在配置范围内，及所述第一图片中物体的属性与所述背景图片匹配时，融合所述第一图片及所述背景图片，得到所述合成图片。

优选地，所述方法还包括：