基于图像级监督的目标检测方法、装置、设备及介质与流程

本发明涉及智能决策，尤其涉及一种基于图像级监督的目标检测方法、装置、设备及介质。

背景技术：

1、目标检测由两个子问题组成—找到目标(定位)和标签标注(分类)。传统方法将这两个子问题紧密耦合，因此在训练过程中常常依赖于将图像数据集中的所有目标进行标签标注，以此来获得较好的检测结果。然而尽管进行了许多数据收集工作，但是仅靠人工手动标注的图像检测数据集的标签标注在总体规模和词汇量上仍然比现有的图像分类数据集小得多。

2、保险理赔的业务场景中，由于图像检测数据集的规模较小，使得当前的目标检测模型在标签标注的词汇量这一方面受到限制，常用的扩充词汇量的方法就是直接增加训练图像，然而为了确保图像的数量，增加的训练图像中并不是所有的图像都具有检测目标的定位和分类这两种信息，此时如何根据目标检测模型的分类器学习仅有分类信息的图像，解决保险理赔的业务场景中图像检测数据集规模较小的问题成了亟需解决的问题。

技术实现思路

1、本发明提供一种开放词汇目标检测方法、装置、设备及介质，其主要目的在于提高图像检测数据集规模较小情况下的目标检测问题。

2、为实现上述目的，本发明提供的一种基于图像级监督的目标检测方法，包括：

3、基于目标检测请求，从图像库中获取多个训练图像，得到训练图像集；

4、判断所述训练图像集中的各个训练图像是否含有检测标注；

5、若存在含有检测标注的训练图像，则提取所述训练图像集中含有检测标注的训练图像，通过所述含有检测标注的训练图像训练预构建的目标检测模型中的检测器；

6、若存在不含有检测标注的训练图像，则提取所述训练图像集中不含有检测标注的训练图像，通过所述不含有检测标注的训练图像训练所述目标检测模型中的分类器；

7、获取待检测图像，利用训练后的目标检测模型的分类器获取所述待检测图像中的已知类别目标和未知类别目标，并通过所述训练后的目标检测模型中的检测器获取所述已知类别目标的目标类别和目标位置；

8、获取所述未知类别目标的类别特征，利用所述训练后的目标检测模型中的分类器对所述未知类别目标进行类别划分，并将所述类别特征作为对应类别的未知类别目标的目标类别。

9、可选地，所述判断所述训练图像集中的各个训练图像是否含有检测标注，包括：

10、获取所述训练图像中的检测目标；

11、查询所述检测目标是否具有位置特征；

12、若所述检测目标具有位置特征，则判断所述训练图像集中的训练图像含有检测标注；

13、若所述检测目标不具有位置特征，则判断所述训练图像集中的训练图像不含有检测标注。

14、可选地，所述通过所述含有检测标注的训练图像训练预构建的目标检测模型中的检测器，包括：

15、对所述含有检测标注的训练图像进行预处理，得到检测训练图像子集；

16、按照预设比例将所述检测训练图像子集随机划分为第一图像子集和第二图像子集；

17、从所述第一图像子集中提取图像特征；

18、基于目标检测请求的任务需求选择目标检测模型，对所述目标检测模型的检测器根据所述图像特征进行学习和参数调整，并利用所述第二图像子集中的图像特征对所述目标检测模型的检测器进行验证。

19、可选地，所述利用训练后的目标检测模型的分类器获取所述待检测图像中的已知类别目标和未知类别目标，包括：

20、通过训练后的检测模型获取所述待检测图像中的多个检测目标，得到待识别目标；

21、基于训练后的检测模型中的分类器获取所述待识别目标中的已知类别目标和未知类别目标。

22、可选地，所述获取所述未知类别目标的类别特征，包括：

23、将所述未知类别目标作为输入，通过预设的卷积神经网络的卷积层和池化层逐层进行计算，提取所述未知类别目标的特征向量；

24、通过预设的目标检测算法和所述特征向量获取所述未知类别目标的类别特征。

25、可选地，所述利用所述训练后的目标检测模型中的分类器对所述未知类别目标进行类别划分，包括：

26、获取所述类别特征的特征向量，并将所述特征向量输入所述训练后的目标检测模型的分类器中，基于所述特征向量将所述未知类别目标进行类别划分。

27、为了解决上述问题，本发明还提供一种基于图像级监督的目标检测装置，所述装置包括：

28、图像获取模块，用于基于目标检测请求，从图像库中获取多个训练图像，得到训练图像集；

29、图像筛选模块，用于判断所述训练图像集中的各个训练图像是否含有检测标注；若存在含有检测标注的训练图像，则提取所述训练图像集中含有检测标注的训练图像，通过所述含有检测标注的训练图像训练预构建的目标检测模型中的检测器；若存在不含有检测标注的训练图像，则提取所述训练图像集中不含有检测标注的训练图像，通过所述不含有检测标注的训练图像训练所述目标检测模型中的分类器；

30、图像检测模块，用于获取待检测图像，利用训练后的目标检测模型的分类器获取所述待检测图像中的已知类别目标和未知类别目标，并通过所述训练后的目标检测模型中的检测器获取所述已知类别目标的目标类别和目标位置；

31、未知类别划分模块，用于获取所述未知类别目标的类别特征，利用所述训练后的目标检测模型中的分类器对所述未知类别目标进行类别划分，并将所述类别特征作为对应类别的未知类别目标的目标类别。

32、可选地，通过通过所述含有检测标注的训练图像训练预构建的目标检测模型中的检测器，包括：

33、对所述含有检测标注的训练图像进行预处理，得到检测训练图像子集；

34、按照预设比例将所述检测训练图像子集随机划分为第一图像子集和第二图像子集；

35、从所述第一图像子集中提取图像特征；

36、基于目标检测请求的任务需求选择目标检测模型，对所述目标检测模型的检测器根据所述图像特征进行学习和参数调整，并利用所述第二图像子集中的图像特征对所述目标检测模型的检测器进行验证。

37、为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

38、至少一个处理器；以及，

39、与所述至少一个处理器通信连接的存储器；其中，

40、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的基于图像级监督的目标检测方法。

41、为了解决上述问题，本发明还提供一种计算机可读存储介质，包括存储数据区和存储程序区，存储数据区存储创建的数据，存储程序区存储有计算机程序；其中，所述计算机程序被处理器执行时实现如上所述的基于图像级监督的目标检测方法。

42、本发明实施例通过判断训练图像集中的各个训练图像是否含有检测标注，将训练图像进行划分，并根据划分结果分别对预构建的目标检测模型中检测器和分类器进行训练，扩充图像检测数据集，使得含有检测标注的图像和不含检测标注的图像都能得到利用，再次，通过检测器获取待检测图像的已知类别目标的目标类别和目标位置，通过分类器获取多个类别的未知类别目标，并获取各个类别的未知类别目标的类别特征，得到多个类别的未知类别目标的目标类别。因此，本发明提出的基于图像级监督的目标检测方法、装置、电子设备及计算机可读存储介质，可以提高图像检测数据集规模较小情况下的目标检测问题。