[发明专利]图像检测模型训练方法、图像检测方法、装置、电子设备和存储介质

权利要求书

1.一种图像检测模型训练方法，其特征在于，包括：

将待处理图像输入类别分析模型，得到所述待处理图像的分类结果；

在所述分类结果满足设定条件的情况下，计算所述待处理图像的目标热力图，并分析得到所述目标热力图对应的坐标信息；

基于所述待处理图像、所述待处理图像的分类结果以及所述目标热力图对应的坐标信息，对区域检测模型和区域分类模型进行训练，直至基于训练得到的区域检测模型和区域分类模型实现对所述待处理图像中目标区域的定位和识别。

2.根据权利要求1所述的图像检测模型训练方法，其特征在于，所述将待处理图像输入类别分析模型，得到所述待处理图像的分类结果的步骤，包括：

将待处理图像输入类别分析模型，得到与各类别对应的分析数据；

使用softmax函数对所述分析数据进行计算，得到所述待处理图像属于各所述类别的概率值，基于所述概率值得到所述待处理图像的分类结果；

所述设定条件包括：所述待处理图像属于包括目标区域的图像对应的类别。

3.根据权利要求2所述的图像检测模型训练方法，其特征在于，所述计算所述待处理图像的目标热力图的步骤，包括：

将所述待处理图像所属类别对应的分析数据作为目标数据，使用所述目标数据对所述类别分析模型中最后的卷积层的特征图求导，得到所述特征图中各通道对应的梯度；

基于每个所述通道的梯度、长和宽，计算每个所述通道的权重参数；

将所述各通道的权重参数与所述特征图做线性加权，并使用激活函数进行处理，得到处理结果；

将所述处理结果进行上采样得到目标热力图。

4.根据权利要求1所述的图像检测模型训练方法，其特征在于，所述分析得到所述目标热力图对应的坐标信息的步骤，包括：

将所述目标热力图转换为灰度图像；

对所述灰度图像进行二值化处理，得到二值化后的图像；

对所述二值化后的图像进行轮廓检测，求取所述二值化后的图像的外接图形；

获取所述外接图形的坐标信息，作为所述目标热力图对应的坐标信息。

5.根据权利要求4所述的图像检测模型训练方法，其特征在于，所述二值化后的图像的外接图形为一个或两个以上；

在所述外接图形为一个的情况下，将该外接图形的坐标信息，作为所述目标热力图对应的坐标信息；

在所述外接图形为两个以上的情况下，按设定规则选取出其中一个目标外接图形，裁剪出所述目标外接图形并粘贴至模板图像，将所述目标外接图形在所述模板图像中的坐标信息作为所述目标热力图对应的坐标信息。

6.根据权利要求5所述的图像检测模型训练方法，其特征在于，所述基于所述待处理图像、所述待处理图像的分类结果以及所述目标热力图对应的坐标信息，对区域检测模型和区域分类模型进行训练，直至基于训练得到的区域检测模型和区域分类模型实现对所述待处理图像中目标区域的定位和识别的步骤，包括：

将所述待处理图像、所述待处理图像的分类结果以及所述目标热力图对应的坐标信息输入区域检测模型进行模型训练，直至实现对所述待处理图像中的目标区域的定位；

基于所述外接图形裁剪出区域子图，将包括目标区域的区域子图以及未包括目标区域的区域子图输入区域分类模型进行模型训练，直至实现对所述目标区域的识别。

7.根据权利要求1所述的图像检测模型训练方法，其特征在于，所述方法还包括训练得到所述类别分析模型的步骤，该步骤包括：

将对应有类别标签的各图像输入卷积神经网络，得到各所述图像的分类结果；其中，各图像中存在包括目标区域的图像；

分析所述各图像的分类结果与所述各图像的类别标签的匹配度；

在所述匹配度未满足预设值的情况下，返回执行将对应有类别标签的各图像输入卷积神经网络的步骤，直至最新分析出的匹配度满足所述预设值，得到类别分析模型。