[发明专利]基于深度学习的智能物体检测方法、系统、终端及介质

说明书

本申请涉及一种基于深度学习的智能物体检测方法、系统、终端及介质。所述方法包括：获取包括参考图像和目标图像的图像对，根据检测时间和检测重合率精度从多种物体检测方法中确定正解方法，并采用正解方法对图像对进行标记，构建包括图像对和正解方法的训练数据集，将训练数据集输入预先构建的深度孪生网络得到预测正解方法；将预测正解方法与正解方法输入预先构建的损失函数对深度孪生网络进行训练，得到训练好的深度孪生网络；将待检测图像对输入训练好的深度孪生网络得到最优检测方法，根据最优检测方法对待检测图像对进行检测，得到目标物体。采用本方法能够针对不同的场景时智能地选择最优的物体检测方法进行检测，具有良好的普适性。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种基于深度学习的智能物体检测方法、系统、终端及介质。

背景技术

现存的物体检测方法多样，不同的方法在不同的场景下实现的效果不一，比如直方图匹配方法(HM，Histogram Matching)只考虑物体总体的特性，忽视局部的细节，擅长解决物体的形变、缩放等问题，但是不擅长处理有障碍物遮挡和光照变化的情况；而色调映射方法(TM，Tone Mapping)方法却擅长处理光照变化，而很难处理形变缩放等问题。另外一些方法的精度很高，但是计算复杂度很高，一些简单的使用场景不需要。因此，有必要针对不同的场景选择检测效果最优的方法进行物体检测。

发明内容

基于此，有必要针对上述技术问题，提供一种能够将多种物体检测方法有机融合为一个识别系统以适应更多的场景的基于深度学习的智能物体检测方法、系统、终端及介质。

一种基于深度学习的智能物体检测方法，所述方法包括：

获取包括参考图像和目标图像的图像对，随机选择一种物体检测方法对图像对进行物体检测，得到检测结果和检测时间，将检测结果与图像对的正解结果进行比较，得到检测结果重合率，根据检测结果重合率和检测时间进行计算，得到图像对的正解方法，根据正解方法对图像对进行标记，构建包括图像对和正解方法的训练数据集；

将训练数据集输入预先构建的深度孪生网络进行计算，得到预测正解方法；其中，深度孪生网络包括主干网络、融合网络以及分类器；根据两组结构相同的主干网络中的注意力网络对图像对进行投票赋权，提取得到参考图像特征和目标图像特征；根据融合网络融合参考图像特征和目标图像特征，得到最终特征；根据分类器对最终特征进行处理，得到预测正解方法；

将预测正解方法与正解方法输入预先构建的损失函数进行计算，根据损失函数对深度孪生网络进行训练，得到训练好的深度孪生网络；

将待检测图像对输入训练好的深度孪生网络进行计算，得到最优检测方法，根据最优检测方法对待检测图像对进行检测，得到目标物体。

在其中一个实施例中，将检测结果与图像对的正解结果进行比较，得到检测结果重合率，表示为

其中，OR_i表示第i种物体检测方法的检测结果重合率，Ground truth表示图像对的正解结果，Results(i)表示第i种物体检测方法的检测结果。

在其中一个实施例中，根据检测结果重合率和检测时间进行计算，得到图像对的正解方法，包括：

预先设置重合率阈值和时间阈值对检测结果重合率和检测时间进行计算，得到检测评价值，表示为

其中，score_i表示第i种物体检测方法的检测评价值，t_i表示第i种物体检测方法的检测时间，OR_th和t_th分别表示重合率阈值和时间阈值，λ表示调整参数；

比较多种物体检测方法的检测评价值，选取检测评价值最高的物体检测方法作为图像对的正解方法。