[发明专利]图像检测方法和相关训练方法及相关装置、设备及介质

说明书

本申请公开了一种图像检测方法和相关训练方法及相关装置、设备及介质，其中，图像检测模型的训练方法包括：获取样本图像；利用预设检测模型和图像检测模型分别对样本图像进行检测，得到目标对象的第一预测信息和第二预测信息，且第一预测信息包括若干第一预测位置及其第一预测概率值，第二预测信息包括若干第二预测位置及其第二预测概率值；过滤第二预测信息中与第一参考位置对应的第二预测位置及其第二预测概率值，得到第三预测信息；基于第三预测信息，调整图像检测模型的网络参数。上述方案，能够尽可能地减轻漏标对模型性能的影响，提高图像检测模型的性能，以提高图像检测的准确性。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种图像检测方法和相关训练方法及相关装置、设备及介质。

背景技术

近年来，得益于人工智能技术的快速发展，神经网络模型已经逐渐应用于诸如医学、交通等众多应用场景中，以辅助相关工作人员开展工作，提高工作效率。通常来说，神经网络模型的性能与样本图像的标注质量息息相关。然而，在现实场景中，人工标注往往会存在漏标的情况，从而损害神经网络模型的性能。有鉴于此，如何尽可能地减轻漏标对模型性能的影响成为极具研究价值的课题。

发明内容

本申请提供一种图像检测方法和相关训练方法及相关装置、设备及介质。

本申请第一方面提供了一种图像检测模型的训练方法，包括：获取样本图像；其中，样本图像中标注有目标对象的若干样本位置；利用预设检测模型和图像检测模型分别对样本图像进行检测，得到目标对象的第一预测信息和第二预测信息；其中，第一预测信息包括若干第一预测位置及其第一预测概率值，第二预测信息包括若干第二预测位置及其第二预测概率值；过滤第二预测信息中与第一参考位置对应的第二预测位置及其第二预测概率值，得到第三预测信息，其中，第一参考位置为不与任一样本位置对应且第一预测概率值满足第一预设条件的第一预测位置；基于第三预测信息，调整图像检测模型的网络参数。

因此，通过获取样本图像，且样本图像中标注有目标对象的若干样本位置，并利用预设检测模型和图像检测模型分别对样本图像进行检测，得到目标对象的第一预测信息和第二预测信息，且第一预测信息包括若干第一预测位置及其第一预测概率值，第二预测信息包括若干第二预测位置及其第二预测概率值，在此基础上，过滤第二预测信息中与第一参考位置对应的第二预测位置及其第二预测概率值，得到第三预测信息，且第一参考位置为不与任一样本位置对应且第一预测概率值满足第一预设条件的第一预测位置，并进一步基于第三预测信息，调整图像检测模型的网络参数，即在图像检测模型的训练过程中，可以通过筛选预设检测模型所预测到的第一预测位置中不与任一样本位置对应且第一预测概率值满足第一预设条件的第一参考位置，由于不与任一样本位置对应的第一预测位置可视为假阳位置，而预测概率值又与预测损失相关，故第一参考位置可视为潜在的漏标位置，基于此通过过滤第二预测信息中与潜在的漏标位置对应的第二预测位置及其第二预测概率值得到第三预测信息，以通过第三预测信息调整图像检测模型的网络参数，能够尽可能地减轻漏标对模型性能的影响，提高图像检测模型的性能，以提高图像检测的准确性。

其中，图像检测模型是经过若干轮训练得到的，其中，在当前训练轮次满足第二预设条件的情况下，执行利用预设检测模型和图像检测模型分别对样本图像进行检测，得到目标对象的第一预测信息和第二预测信息的步骤以及后续步骤，以对图像检测模型进行训练，并在当前训练轮次不满足第二预设条件的情况下，训练预设检测模型。

因此，通过若干轮训练图像检测模型，且在当前训练轮次满足第二预设条件时，对图像检测模型进行训练，而在当前训练轮次不满足第二预设条件时，对预设检测模型进行训练，即在图像检测模型的训练过程中，预设检测模型也在其中交替地进行训练，故能够在训练过程中，使图像检测模型和预设检测模型相互教学，相较于单一地训练图像检测模型，能够有利于减少累积误差，从而能够进一步尽可能地减轻漏标对模型性能的影响。