[发明专利]场景中检测目标方法、装置、设备和可读存储介质

权利要求书

1.一种场景中检测目标方法，其特征在于，所述方法包括：

获取样本集，计算所述样本集中每一个样本与特征向量集中每一个特征向量的距离，得到多个特征向量距离；

从多个所述特征向量距离中筛选出最小特征向量距离；

根据所述最小特征向量距离计算分类概率；

基于所述分类概率，使用语义分割模型对各个所述样本进行语义分割，得到多个分割特征，所述语义分割模型由训练待训练神经网络得到；

根据多个所述分割特征获得与多个所述样本对应的场景目标。

2.根据权利要求1所述的场景中检测目标方法，其特征在于，所述训练待训练神经网络，包括：

通过i和C_i构造第一损失函数；

通过i和P_Ci，k_i构造第二损失函数；

组合所述第一损失函数和第二损失函数，得到最终损失函数；

根据所述最终损失函数训练所述待训练神经网络；

其中，i为所述样本，C_i为所述目标分类类型，P_Ci，k_i为目标子集序号。

3.根据权利要求2所述的场景中检测目标方法，其特征在于，所述获取样本集，计算所述样本集中每一个样本与特征向量集中每一个特征向量的距离，得到多个特征向量距离的步骤之前，包括：

计算样本和各个原型子集的余弦相似度；

从所有所述余弦相似度中筛选出最小余弦相似度；

将所述最小余弦相似度对应的原型子集的子集序号作为目标子集序号；

将所述最小余弦相似度对应的原型子集的分类类型作为目标分类类型。

4.根据权利要求1所述的场景中检测目标方法，其特征在于，所述使用语义分割模型对各个所述样本进行语义分割，得到多个分割特征，包括：

将每个所述样本和所述分类概率输入所述语义分割模型的区域划分层进行区域划分，得到多个样本区域；

将每个所述样本区域输入所述语义分割模型的特征分割层，提取每个所述样本区域的分割特征。

5.根据权利要求1所述的场景中检测目标方法，其特征在于，所述分类概率通过以下公式计算得到：

其中，P为所述分类概率，S为最小特征向量距离，i为样本序号，c为样本类别，P(C|i)为第i个样本属于第C类的概率，exp为指数函数C为类别总数。

6.根据权利要求1所述的场景中检测目标方法，其特征在于，所述根据多个分割特征进行处理得到场景目标的步骤包括：

将得到的多个所述分割特征进行过滤，筛选掉存在图像质量问题的图像获得与多个所述样本对应的场景目标。

7.根据权利要求6所述的场景中检测目标方法，其特征在于，所述根据得到的多个所述分割特征进行过滤的步骤包括：

将多个所述分割特征进行元素和元素关系的识别；

将识别的所述元素和元素关系进行筛选处理得到存在图像质量问题的图像和场景目标。

8.一种场景中检测目标装置，其特征在于，包括：

获取模块，用于获取样本集，计算所述样本集中每一个样本与特征向量集中每一个特征向量的距离，得到多个特征向量距离；

筛选模块，用于从多个所述特征向量距离中筛选出最小特征向量距离；

计算模块，用于根据所述最小特征向量距离计算分类概率；

分割模块，用于基于所述分类概率，使用语义分割模型对各个所述样本进行语义分割，得到多个分割特征，所述语义分割模型由训练待训练神经网络得到；

处理模块，用于根据多个所述分割特征获得与多个所述样本对应的场景目标。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。