[发明专利]融合图像质量的图像检测方法、装置、电子设备

权利要求书

1.一种融合图像质量的图像检测方法，其特征在于，包括以下步骤：

通过预先训练好的卷积神经网络对待检测图像进行检测，提取得到检测框的特征信息，所述特征信息融合有检测框信息以及与所述检测框对应的图像质量信息，所述待检测图像中包括目标对象；

根据所述检测框信息进行非极大值抑制，得到目标检测框信息；

将所述目标检测框信息对应的图像质量信息与预先训练好的质量权重进行计算，得到目标检测框的图像质量分数；

基于所述目标检测框信息以及所述目标检测框的图像质量分数，输出得到所述目标对象。

2.如权利要求1所述的方法，其特征在于，所述检测框信息包括置信度，所述通过预先训练好的卷积神经网络对待检测图像进行检测，提取得到检测框的特征信息，包括：

通过预先训练好的卷积神经网络提取不同网格尺度下的特征图像，所述特征图像包括预定数量的图像质量通道；

通过检测框对所述不同网格尺度下的特征图像进行预测，提取对应不同网格尺度下的特征图像中，每个网格的检测框的目标分类概率作为检测框的置信度；

根据所述图像质量通道，对每个检测框进行图像质量信息提取，得到所述每个检测框对应的图像质量信息；

基于所述置信度以及检测框对应的图像质量信息，得到检测框的特征信息。

3.如权利要求2所述的方法，其特征在于，所述检测框信息包括检测框的坐标信息，所述根据所述检测框信息进行非极大值抑制，得到目标检测框信息，包括：

根据所述检测框的坐标信息，计算每两个检测框之间的交并比，并判断所述交并比是否大于预设的交并比阈值；

若所述交并比大于预设的交并比阈值，则比对两个检测框之间的置信度大小，并保留置信度较大的检测框；

遍历所有的检测框，删除置信度小于预设的置信度阈值的检测框，得到目标检测框信息。

4.如权利要求2所述的方法，其特征在于，所述将所述目标检测框信息对应的图像质量信息与预先训练好的质量权重进行计算，得到目标检测框的图像质量分数，包括：

将所述目标检测框对应的图像质量信息与所述预先训练好的质量权重进行点乘计算，得到目标检测框的图像质量分数。

5.如权利要求4所述的方法，其特征在于，所述基于所述目标检测框信息以及所述目标检测框的图像质量分数，输出得到所述目标对象，包括：

根据所述目标检测框信息，输出所述目标检测框中对应的图像作为目标对象；以及

输出所述目标检测框的图像质量分数作为目标对象的图像质量分数。

6.如权利要求1至5中任一所述的方法，其特征在于，所述卷积神经网络的训练，包括：

通过添加了第一图像质量标签的第一样本数据集对所述卷积神经网络进行训练，以使所述卷积神经网络能够提取到对应的目标对象以及图像质量信息；

所述质量权重的训练，包括：

通过添加了第二图像质量信息的第二样本数据集对所述质量权重进行训练，以使所述质量权重能够提取到对应的图像质量分数；

其中，所述卷积神经网络的训练与所述质量权重的训练不耦合。

7.一种融合图像质量的图像检测装置，其特征在于，所述装置包括：

提取模块，用于通过预先训练好的卷积神经网络对待检测图像进行检测，提取得到检测框的特征信息，所述特征信息融合有检测框信息以及与所述检测框对应的图像质量信息，所述待检测图像中包括目标对象；

处理模块，用于根据所述检测框信息进行非极大值抑制，得到目标检测框信息；

计算模块，用于将所述目标检测框信息对应的图像质量信息与预先训练好的质量权重进行计算，得到目标检测框的图像质量分数；

输出模块，用于基于所述目标检测框信息以及所述目标检测框的图像质量分数，输出得到所述目标对象。