[发明专利]一种误检图像确定方法、装置、设备和介质

权利要求书

1.一种误检图像确定方法，其特征在于，所述方法包括：

基于预先训练完成的特征提取网络模型，确定待检测图像的第一特征向量；

确定所述第一特征向量与保存的背景目标特征池中每个特征向量的相似度；

根据确定的所述相似度及预先训练完成的神经网络模型对所述待检测图像的识别结果，确定所述待检测图像是否为误检图像。

2.根据权利要求1所述的方法，其特征在于，所述根据确定的所述相似度及预先训练完成的神经网络模型对所述待检测图像的识别结果，确定所述待检测图像是否为误检图像，包括：

识别所述相似度中的最大值；

若所述最大值大于预设阈值，确定所述待检测图像为误检图像；

若所述最大值不大于所述预设阈值，基于所述预先训练完成的神经网络模型对所述待检测图像的识别结果为背景图像时，确定所述待检测图像为误检图像。

3.根据权利要求2所述的方法，其特征在于，若所述最大值不大于所述预设阈值，基于所述预先训练完成的神经网络模型对所述待检测图像的识别结果为背景图像时，所述方法还包括：

将所述第一特征向量添加到所述背景目标特征池中。

4.根据权利要求1所述的方法，其特征在于，确定所述背景目标特征池的过程包括：

基于所述预先训练完成的神经网络模型，确定保存的图像中的背景图像；

基于所述预先训练完成的特征提取网络模型，确定每个所述背景图像的第二特征向量；

将确定的每个所述第二特征向量添加到所述背景目标特征池中。

5.根据权利要求1所述的方法，其特征在于，所述确定所述第一特征向量与保存的背景目标特征池中每个特征向量的相似度，包括：

确定所述第一特征向量与所述背景目标特征池中每个特征向量的余弦值；

根据每个所述余弦值，确定所述第一特征向量与所述背景目标特征池中每个特征向量的相似度。

6.根据权利要求1所述的方法，其特征在于，训练所述神经网络模型的过程包括：

获取样本集中的任一样本图像及所述样本图像的第一标签信息，其中所述第一标签信息用于标识所述样本图像是否为背景图像；

通过原始神经网络模型，获取所述样本图像的第二标签信息；

根据所述第一标签信息和所述第二标签信息，对所述原始神经网络模型中的各参数的参数值进行调整。

7.根据权利要求6所述的方法，其特征在于，基于预先训练完成的神经网络模型，将所述训练完成的神经网络模型中实现特征向量输出的子模型作为训练完成的特征提取网络模型。

8.一种误检图像确定装置，其特征在于，所述装置包括：

确定模块，用于基于预先训练完成的特征提取网络模型，确定待检测图像的第一特征向量；确定所述第一特征向量与保存的背景目标特征池中每个特征向量的相似度；

判断模块，用于根据确定的所述相似度及预先训练完成的神经网络模型对所述待检测图像的识别结果，确定所述待检测图像是否为误检图像。

9.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器用于存储程序指令，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-7中任一所述误检图像确定方法的步骤。

10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7中任一所述误检图像确定方法的步骤。