[发明专利]图像检测方法、装置、设备及存储介质

说明书

本申请公开了一种图像检测方法、装置、设备及存储介质，涉及图像识别领域，该方法包括：获取待检测图像和模型训练数据集；获取改进YOLO网络模型，其中，改进YOLO网络模型包含有空间金字塔池化SPP网络层和融合因子α，融合因子α用于对SPP网络层处理后的特征图进行融合处理；根据模型训练数据集训练改进YOLO网络模型，生成检测模型；根据检测模型检测待检测图像，生成检测结果。通过本方案可以设计出高性能的网络模型，该模型可以应用于各类场景下，对采集到的图像中的小目标对象进行检测，并具有较高的检测精度。

技术领域

本申请实施例涉及图像识别领域，尤其涉及一种图像检测方法、装置、设备及存储介质。

背景技术

目前，人工智能技术应用于工业生产环境中，进行安全生产的检测管理，例如，对工业场景下的违规吸烟行为进行检测。常见的检测方式有两种，一种是基于行为检测，即以视频为输入，分析连续视频帧中的人体姿态；另一种是基于检测目标（例如，烟支），以高清图片作为输入，采用图像处理技术，判断是否有检测目标。但这两种方式都无法检测到小目标，而且对于特定的检测目标，例如，小的烟支目标，现有的数据集数量较少，无法训练出高性能的模型。

发明内容

本申请实施例提供了一种图像检测方法、装置、设备及存储介质，旨在设计出可以应用于各类场景下的高性能的网络模型，该模型可以对采集到的图像中的小目标对象进行检测，具有较高的检测精度。

第一方面，本申请实施例提供了一种图像检测方法，该方法包括：

获取待检测图像和模型训练数据集；

获取改进YOLO网络模型，其中，改进YOLO网络模型包含有空间金字塔池化SPP网络层和融合因子α，融合因子α用于对SPP网络层处理后的特征图进行融合处理；

根据模型训练数据集训练改进YOLO网络模型，生成检测模型；

根据检测模型检测所述待检测图像，生成检测结果。

第二方面，本申请实施例还提供了一种图像检测装置，该装置包括：

获取模块，用于获取待检测图像和模型训练数据集；

获取模块，还用于获取改进YOLO网络模型，其中，改进YOLO网络模型包含有空间金字塔池化SPP网络层和融合因子α，融合因子α用于对SPP网络层处理后的特征图进行融合处理；

训练模块，用于根据模型训练数据集训练改进YOLO网络模型，生成检测模型；

检测模块，用于根据检测模型检测待检测图像，生成检测结果。

第三方面，本申请实施例还提供了一种计算机设备，包括：存储器、控制器及存储在存储器上并可在控制器上运行的计算机程序，当控制器执行计算机程序时，实现如本申请任意实施例提供的图像检测方法。

第四方面，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被控制器执行时，实现如本申请任意实施例提供的图像检测方法。

本申请实施例提供了一种图像检测方法、装置、设备及存储介质，该方法包括：获取待检测图像和模型训练数据集；获取改进YOLO网络模型，其中，改进YOLO网络模型包含有空间金字塔池化SPP网络层和融合因子α，融合因子α用于对SPP网络层处理后的特征图进行融合处理；根据模型训练数据集训练改进YOLO网络模型，生成检测模型；根据检测模型检测待检测图像，生成检测结果。通过本方案可以设计出高性能的网络模型，该模型可以应用于各类场景下，对采集到的图像中的小目标对象进行检测，并具有较高的检测精度。

附图说明

图1为本申请实施例中的一种图像检测方法的流程图；

图2是本申请实施例中的一种训练改进YOLO网络模型，生成检测模型的方法流程图；