[发明专利]用于检测图像中的对象的方法和设备

说明书

公开了用于检测图像中的对象的方法和设备。一种通过对象检测设备执行的对象检测方法包括：接收输入图像；使用对象检测模型获得从输入图像检测目标候选对象的结果；使用错误预测模型获得从输入图像检测错误对象的结果；以及基于检测目标候选对象的结果和检测错误对象的结果来检测输入图像中的目标对象。

本申请要求于2021年8月4日在韩国知识产权局提交的第10-2021-0102431号韩国专利申请的权益，所述韩国专利申请的全部公开出于所有目的通过引用包含于此。

技术领域

下面的描述涉及用于检测图像中的对象的技术。

背景技术

包括图像获取装置(例如，相机)的电子设备被广泛使用。通信技术和数据处理技术的发展极大地增大通过电子设备生成的图像的数量。图像相关技术(诸如，对象检测技术)也已在不断发展。对象检测技术可以是用于检测图像中的对象的技术或与计算机视觉和图像处理相关联的计算机技术。当正检测到对象时，可使用数字图像和视频来执行检测一系列语义对象实例(例如，人、建筑物、汽车等)的功能。这样的对象检测可应用于计算机视觉领域(例如，图像恢复、视频监控、安全系统、身份验证、用户搜索等)，并且由于深度学习技术的快速发展，正在对用于准确地检测图像中的期望对象的对象检测技术进行更多研究。

发明内容

提供本发明内容以简要的形式介绍在以下具体实施方式中进一步描述的构思的选择。本发明内容不意在确定要求权利的主题的关键特征或必要特征，也不意在用于帮助确定要求权利的主题的范围。

在一个总体方面，一种通过对象检测设备执行的对象检测方法，所述方法包括：接收输入图像；使用对象检测模型获得从输入图像检测目标候选对象的结果；使用错误预测模型获得从输入图像检测错误对象的结果；以及基于检测目标候选对象的结果以及检测错误对象的结果来检测输入图像中的目标对象。

检测目标候选对象的结果可包括：与在输入图像中检测的目标候选对象的目标区域和目标候选对象对应的对象分数。检测错误对象的结果可包括在输入图像中检测的错误对象的错误区域。

检测目标对象的步骤可包括：通过将基于目标候选对象的目标区域与错误对象的错误区域之间的重叠程度确定的权重施加到对象分数来确定目标候选对象的最终分数；以及基于最终分数检测输入图像中的目标对象。

检测目标对象的步骤可包括：响应于目标候选对象的最终分数等于或大于阈值，将目标候选对象确定为目标对象。

对象检测模型可基于从输入图像提取的特征数据提供检测目标候选对象的结果。错误预测模型可基于从输入图像提取的另一特征数据提供检测错误对象的结果。

对象检测模型可基于从输入图像提取的特征数据提供检测目标候选对象的结果。错误预测模型可基于从输入图像提取的特征数据提供检测错误对象的结果。对象检测模型和错误预测模型可共享从输入图像提取特征数据的特征提取层。

对象检测模型和错误预测模型可各自基于单独的神经网络。

对象检测还可包括：使用错误补偿模型获得从输入图像检测目标候选对象的附加结果。附加结果可包括使用错误补偿模型检测的目标候选对象的错误补偿目标区域。

检测目标对象的步骤可包括：通过将第一权重和第二权重施加到对象分数来确定目标候选对象的最终分数，第一权重基于使用对象检测模型检测的目标候选对象的目标区域与错误对象的错误区域之间的重叠程度来确定，第二权重基于使用对象检测模型检测的目标候选对象的目标区域与使用错误补偿模型检测的目标候选对象的错误补偿目标区域之间的重叠程度来确定；以及基于最终分数检测输入图像中的目标对象。

错误预测模型可输出检测错误对象的结果以及目标候选对象的附加结果。检测目标对象的步骤可包括：基于检测目标候选对象的结果、检测错误对象的结果以及检测目标候选对象的附加结果来检测输入图像中的目标对象。