[发明专利]一种交通目标检测方法、装置、设备及可读存储介质

说明书

本发明公开了一种交通目标检测方法，该方法包括以下步骤：对接收到的交通目标检测请求进行解析，得到待检测的交通场景图像和交通目标；调取利用样本均衡处理得到的各处理后批次样本进行训练得到的交通目标检测模型；利用交通目标检测模型对交通场景图像中的交通目标进行检测。应用本发明所提供的交通目标检测方法，降低了训练得到的交通目标检测模型对各类样本检测的性能差异，提高了目标检测的准确率。本发明还公开了一种交通目标检测装置、设备及存储介质，具有相应技术效果。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种交通目标检测方法、装置、设备及计算机可读存储介质。

背景技术

随着深度学习目标检测的快速发展，面临的检测场景越来越复杂。如在常见的交通场景中的机动车、三轮车、摩托车、自行车、行人等被检测目标进行检测时，通常都是预先利用采集到的交通场景的图像，利用各图像进行交通目标检测模型的训练。

但是，由于用于模型训练的图像中各类目标的数量存在差异，导致训练得到的交通目标检测模型对各类目标的检测性能存在差异，对目标检测的准确率较低。

如何有效地解决现有的交通目标检测模型对各类目标的检测性能存在差异，对目标检测的准确率低等问题，是目前本领域技术人员急需解决的问题。

发明内容

本发明的目的是提供一种交通目标检测方法，该方法降低了训练得到的交通目标检测模型对各类样本检测的性能差异，提高了目标检测的准确率；本发明的另一目的是提供一种交通目标检测装置、设备及计算机可读存储介质。

为解决上述技术问题，本发明提供如下技术方案：

一种交通目标检测方法，包括：

对接收到的交通目标检测请求进行解析，得到待检测的交通场景图像和交通目标；

调取利用样本均衡处理得到的各处理后批次样本进行训练得到的交通目标检测模型；

利用所述交通目标检测模型对所述交通场景图像中的所述交通目标进行检测。

在本发明的一种具体实施方式中，所述交通目标检测模型的训练过程包括：

获取各原始批次样本分别对应的样本均衡度；

根据各所述样本均衡度确定各所述原始批次样本分别对应的弱样本类别；

计算各所述原始批次样本中各类弱样本对应的待生成样本数量；

根据各所述待生成样本数量进行弱样本生成操作；

利用通过添加生成的相应弱样本进行样本均衡处理得到的各所述原始批次样本，对预构建的初始模型进行迭代训练，得到所述交通目标检测模型。

在本发明的一种具体实施方式中，计算各所述原始批次样本中各类弱样本对应的待生成样本数量，包括：

计算各所述原始批次样本中各类弱样本分别对应的采样倍率；

根据各所述采样倍率，分别计算各所述原始批次样本中各类弱样本对应的待生成样本数量。

在本发明的一种具体实施方式中，计算各所述原始批次样本中各类弱样本对应的待生成样本数量，包括：

获取各所述原始批次样本中各弱样本类别分别对应的弱样本数量；

根据各所述弱样本数量，对各所述原始批次样本中各弱样本类别进行样本强弱排序，得到排序结果；

根据所述排序结果计算各所述原始批次样本中各类弱样本对应的待生成样本数量。

在本发明的一种具体实施方式中，利用通过添加生成的相应弱样本进行样本均衡处理得到的各所述处理后批次样本，对预构建的初始模型进行迭代训练，包括：