图像检测方法、装置、电子设备和存储介质与流程

1.本公开涉及人工智能领域，具体涉及计算机视觉、图像识别和深度学习技术，具体可用于智慧城市和智能交通场景下，具体涉及一种图像检测方法、装置、电子设备和存储介质。


背景技术：

2.通常，同一地理区域不同摄像头拍摄的图像中待检测对象和背景会存在差异，而不同地理区域的设施建设的差异，也会使得待检测对象和背景存在较大的差异，从而在进行检测时会存在误检问题。
3.因此，如何提高图像检测的准确性是亟待解决的问题。


技术实现要素：

4.本公开提供了一种图像检测方法、装置、电子设备和存储介质。
5.根据本公开的一方面，提供了一种图像检测方法，包括：
6.获取待检测图像；
7.对所述待检测图像进行场景预测，以获取每个场景对应的第一概率；
8.对所述待检测图像进行对象检测，以确定所述待检测图像中包含的检测框信息、所述检测框中的对象所属的类别的第二概率；
9.根据各所述第一概率和各所述第二概率，生成所述待检测图像对应的检测结果。
10.根据本公开的另一方面，提供了一种图像检测装置，包括：
11.获取模块，用于获取待检测图像；
12.检测模块，用于对所述待检测图像进行场景预测，以获取每个场景对应的第一概率；
13.所述检测模块，还用于对所述待检测图像进行对象检测，以确定所述待检测图像中包含的检测框信息、所述检测框中的对象所属的类别的第二概率；
14.生成模块，用于根据各所述第一概率和各所述第二概率，生成所述待检测图像对应的检测结果。
15.根据本公开的另一方面，提供了一种电子设备，包括：
16.至少一个处理器；以及
17.与所述至少一个处理器通信连接的存储器；其中，
18.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令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上述实施例所述的方法。
19.根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据上述实施例所述的方法。
20.根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述实施例所述方法的步骤。
21.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
22.附图用于更好地理解本方案，不构成对本公开的限定。其中：
23.图1为本公开一实施例提供的图像检测方法的流程示意图；
24.图2为本公开另一实施例提供的图像检测方法的流程示意图；
25.图3为本公开另一实施例提供的图像检测方法的流程示意图；
26.图4为本公开另一实施例提供的图像检测方法的流程示意图；
27.图5为本公开一实施例提供的图像检测装置的结构示意图；
28.图6是用来实现本公开实施例的图像检测方法的电子设备的框图。
具体实施方式
29.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
30.下面参考附图描述本公开实施例的图像检测方法、装置、电子设备和存储介质。
31.人工智能是研究使用计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术领域也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术包括计算机视觉技术、语音识别技术、自然语言处理技术以及深度学习、大数据处理技术、知识图谱技术等几大方向。
32.计算机视觉是一门研究如何使机器“看”的科学，是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。
33.图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用。
34.深度学习是机器学习领域中一个新的研究方向。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。
35.图1为本公开一实施例提供的图像检测方法的流程示意图。
36.本公开实施例的图像检测方法，可以由本公开实施例提供的图像检测装置执行，通过根据场景预测得到的每个场景对应的第一个概率与每个检测检测框中的对象所属的类别的第二概率，生成最终的检测结果，以提高图像检测的准确性，可以适用多种场景图像检测，提高了图像检测的泛化性。
37.其中，电子设备可以为任一具有计算能力的设备，例如可以为个人电脑、移动终端、服务器等，移动终端例如可以为车载设备、手机、平板电脑、个人数字助理、穿戴式设备
等具有各种操作系统、触摸屏和/或显示屏的硬件设备。
38.如图1所示，该图像检测方法包括：
39.步骤101，获取待检测图像。
40.本公开中，待检测图像为需要进行目标检测的图像，该待检测图像可以为在线采集的图像，比如可以通过网络爬虫技术，在线采集待检测的目标图像，或者，待检测图像也可以为线下采集的图像，或者，待检测图像也可以为实时采集的图像，或者，待检测图像也可以为人工合成的图像，等等，本公开实施例对此并不做限制。其中，目标可以是车辆、人、动物等中的一种或多种，本公开对此不作限定。
41.应当理解的是，待检测图像也可以为视频中的某一帧图像，可以从视频中提取待检测图像，其中，该视频可以称为待检测视频，该待检测视频的获取方式与上述待检测图像的获取方式类似，在此不做赘述。
42.步骤102，对待检测图像进行场景预测，以获取每个场景对应的第一概率。
43.在实际应用中，当用某摄像头拍摄的图像训练模型，使用该模型对另一摄像头拍摄的图像进行目标检测时，由于同一地理区域不同摄像头拍摄的图像中待检测对象和背景会存在差异，即两个摄像头对应的场景不同，可能会存在误检的情况。另外，不同地理区域的设施建设存在场景差异，也会存在误检的情况。
44.基于此，本公开中，可以在训练网络中增加场景预测分支，通过训练得到检测网络，其中，检测网络中包括场景预测分支。
45.本公开中，可以按照不同级别划分场景，比如摄像头级别、街道级别、城市级别等。在训练时，可以分别根据不同级别场景的图像进行训练，得到可进行相应级别的场景预测的检测网络。从而，可以满足不同的图像检测需求。
46.在进行图像检测时，可以利用预先训练的检测网络中的主干网络对待检测图像进行特征提取，以获取特征向，之后可以利用特征向量和场景预测分支进行场景预测，获取每个场景对应的第一概率。其中，场景的数量与模型训练时训练集中场景的数量相同，比如，场景数量为4，那么可以获取4个场景中每个场景对应的第一概率。
47.为了实现兼顾特征提取结果的准确性和节省资源，可以根据业务的应用场景，选择合适的主干网络对目标图像进行特征提取。例如，可以将主干网络划分为轻量级的结构(比如resnet18，resnet34，darknet19等)、中型结构(比如resnet50，resnext(resnext是resnet和inception(一种卷积神经网络)的结合体)50，darknet53等)、重型结构(比如resnet101，resnext152)，可以根据应用场景，选择具体的网络结构。
48.在实际应用中，可以根据需求训练不同场景预测级别的检测网络，比如检测网络可以预测待检测图像属于各个场景的第一概率，又如检测网络还可以预测待检测图像中每个对象属于各个场景的第一概率。
49.步骤103，对待检测图像进行对象检测，以确定待检测图像中包含的检测框信息、检测框中的对象所属的类别的第二概率。
50.本公开中，检测网络中包括对象检测分支，其中，对象检测分支可以进行分类和回归预测。在获取待检测图像对应的特征向量后，可以利用特征向量和对象检测分支进行分类和回归预测，确定待检测图像中包含的检测框信息以及检测框中的对象所属的类别的第二概率。
51.其中，待检测图像中包含的检测框的数量可能是一个，也可能是多个，也可能没有；每个检测框信息可以包括检测框的位置、尺寸等信息，对象所属的类别可以是车辆、人、动物等，或者也可以是车辆的类型，比如卡车、轿车等，本公开对此不作限定。
52.本公开中，检测框中的对象所属的类别的第二概率，可以是检测框中的对象属于各类别的概率中的最大概率。比如，检测出图像中的车辆，那么第二概率为检测框中的对象为车辆的概率。又如，检测出图像中车辆的类型，其中，车辆的类型包括卡车和轿车，某检测框中的对象属于卡车的概率为0.8，属于轿车的概率为0.5，那么检测框中的对象所属的类别为卡车，其所属的类别的概率为0.8。
53.举例来讲，对待检测图像进行检测以检测出图像中的车辆，那么对检测图像进行对象检测，可以获取待检测图像中包含的检测框信息以及检测框中的对象属于车辆的概率，比如待检测图像包含三个检测框，三个检测框中的对象属于车辆的概率分别为0.6、0.8、0.9。
54.步骤104，根据各第一概率和各第二概率，生成待检测图像对应的检测结果。
55.本公开中，每个场景对应的第一概率，可以看作是图片所属的场景或者检测框中的对象所属的场景在训练集中出现过的概率，比如各第一概率中a场景的概率最大为0.3小于阈值0.6，可以认为在图像所属的场景在训练集中未出现，那么基于a场景对应的第一概率，对检测框中的对象所属的类别的概率进行加权，显然会降低误检的概率。由此，结合场景对应的概率，确定待检测图像最终的检测结果，相比直接输出对象检测结果，可以提高图像检测的准确性，减少误检的概率。
56.本公开实施例的图像检测方法，可以用于智慧城市和智能交通场景，比如可以检测某道路监控视频中某种类型的车辆，或者检测某道路视频中各时间段出现的车辆类型等等。
57.本公开实施例中，通过获取待检测图像；对待检测图像进行场景预测，以获取每个场景对应的第一概率；对待检测图像进行对象检测，以确定待检测图像中包含的检测框信息、检测框中的对象所属的类别的第二概率；根据各第一概率和各第二概率，生成待检测图像对应的检测结果。由此，通过结合每个场景对应的概率和检测框中的对象所属的类别的概率，生成待检测图像最终的检测结果，考虑了场景差异，从而可以减少由于场景差异带来的误检问题，提高了图像检测的准确性，提高了该图像检测方法在不同场景下的泛化性。
58.在本公开的一个实施例中，在进行场景预测时，可以预测待检测图像属于每个场景的概率，在待检测图像所属场景的概率小于第一阈值时，可以根据该概率对每个检测框对应的第二概率进行更新，进而根据更新后的概率，生成待检测图像的检测结果。下面结合图2进行说明，图2为本公开另一实施例提供的图像检测方法的流程示意图。
59.如图2所示，该图像检测方法包括：
60.步骤201，获取待检测图像。
61.步骤202，对待检测图像进行场景预测，以获取每个场景对应的第一概率。
62.步骤203，对待检测图像进行对象检测，以确定待检测图像中包含的检测框信息、检测框中的对象所属的类别的第二概率。
63.本公开中，步骤201-步骤203与上述实施例中记载的内容类似，故在此不再赘述。
64.步骤204，在第一概率为待检测图像属于每个场景的概率的情况下，从各第一概率
中确定出最大概率。
65.本公开中，若检测网络可以预测图片级别的场景，那么可以利用检测网络对待检测图像进行场景预测，以获取待检测图像属于每个场景的第一概率。
66.在第一概率为待检测图像属于每个场景的概率的情况下，可以从待检测图像属于各场景的第一概率中，确定出待检测图像对应的最大概率。其中，最大概率对应的场景可以认为是待检测图像所属的场景。
67.比如，共有4个场景a1、a2、a3、a4，某待检测图像a属于每个场景的第一概率分别为0.56、0.5、0.4、0.48，待检测图像a属于场景a4的概率0.56最大，可以认为待检测图像所属的场景为a1。
68.步骤205，在最大概率小于第一阈值的情况下，根据最大概率对每个检测框对应的第二概率进行更新，以获取每个检测框对应的第三概率。
69.其中，每个检测框对应的第二概率，是指每个检测框中的对象所属的类别的第二概率。
70.本公开中，可以将最大概率与第一阈值进行比较，若最大概率小于第一阈值，可以认为最大概率对应的场景在训练集中未出现过，那么可以根据最大概率对待检测图像中每个检测框对应的第二概率进行更新，以获取每个检测框对应的第三概率。
71.其中，每个检测框对应的第三概率，是指利用待检测图像所属场景的最大概率，对检测框中的对象所属的类别的第二概率进行更新后，检测框中的对象所属的类别的概率。
72.在进行更新时，可以将最大概率乘以每个检测框对应的第二概率，得到第三概率，从而对每个检测框中的对象所属的类别的第二概率进行加权，以降低高分误检的概率。
73.比如，结合上述例子，场景a1对应的第一概率0.56为最大概率，小于第一阈值0.7，待检测图像中包括3个检测框，3个检测框中的对象分别为b1、b2、b3，b1、b2、b3属于车辆的第二概率分别为0.8、0.9、0.9，实际上b1不属于车辆，那么将0.8乘以0.56＝0.448，从而可以降低b1属于车辆的概率，降低误检概率。
74.需要说明的，本公开中的第一阈值可以根据实际需要确定，本公开对此不作限定。
75.步骤206，根据每个检测框对应的第三概率，生成待检测图像对应的检测结果。
76.本公开中，可以根据每个检测框对应的第三概率，从各检测框中确定出目标检测框，并根据目标检测框信息及目标检测框中的对象所属的类别，生成待检测图像对应的检测结果。
77.在确定目标检测框时，可以将每个检测框对应的第三概率与概率阈值进行比较，将第三概率大于概率阈值的检测框作为目标检测框。或者，也可以对第三概率按照从大到小的顺序排序，将前预设数量的概率对应的检测框作为目标检测框。
78.比如，结合上述例子，b1、b2、b3属于车辆的第二概率分别为0.8、0.9、0.9，分别乘以最大概率0.56后得到0.448、0.504、0.504，可以将概率大于0.5的检测框作为目标检测框，即对象b2所在检测框和b3所在检测框为目标检测框，生成的待检测图像的检测结果包括对象b2所在检测框信息、b3所在检测框信息以及b2和b3所属的类别。
79.由此，通过根据更新后得到的第三概率，确定出目标检测框，基于目标框信息和目标检测框中的对象所属的类别，生成最终检测结果，从而可以有效筛除被误检的对象，提高检测的准确性。
80.在生成待检测图像对应的检测结果时，也可以根据每个检测框对应的第三概率与第二概率的加权和，确定出目标检测框，之后根据目标检测框信息及所述目标检测框中的对象所属的类别，生成待检测图像对应的检测结果。其中，第三概率与第二概率分别对应的权重，可以根据实际需要确定，本公开对此不作限定。
81.本公开实施例中，在根据各第一概率和各第二概率，生成待检测图像对应的检测结果时，在第一概率为待检测图像属于每个场景的概率的情况下，通过根据待检测图像属于各场景的第一概率中，确定出待检测图像对应的最大概率，基于最大概率对每个检测框中的对象所属的类别的第二概率进行更新，基于更新后的概率，生成检测结果，实现了基于图像级别的场景预测结果，确定图像的检测结果，降低了误检概率，提高了检测的准确性。
82.在本公开的一个实施例中，还可以采用图3所示的方法生成待检测图像对应的检测结果。图3为本公开另一实施例提供的图像检测方法的流程示意图。
83.如图3所示，该图像检测方法包括：
84.步骤301，获取待检测图像。
85.步骤302，对待检测图像进行场景预测，以获取每个场景对应的第一概率。
86.步骤303，对待检测图像进行对象检测，以确定待检测图像中包含的检测框信息、检测框中的对象所属的类别的第二概率。
87.步骤304，在第一概率为待检测图像属于每个场景的概率的情况下，从各第一概率中确定出最大概率。
88.步骤305，在最大概率小于第一阈值的情况下，根据最大概率对每个检测框对应的第二概率进行更新，以获取每个检测框对应的第三概率。
89.步骤306，根据每个检测框对应的第三概率，生成待检测图像对应的检测结果。
90.本公开中，步骤301-步骤306与上述实施例中记载的内容类似，故在此不再赘述。
91.步骤307，在最大概率大于或等于第一阈值的情况下，根据检测框信息及检测框中的对象所属的类别，生成待检测图像对应的检测结果。
92.本公开中，待检测图像属于各场景的第一概率中最大概率对应的场景，可以认为待检测图像所属的场景，在最大概率大于或等于第一阈值的情况下，可以认为待检测图像所属的场景在训练集中出现过，这时可以直接根据对待检测图像进行对象检测，得到的检测框信息及检测框中的对象所属的类别，生成待检测图像的检测结果。
93.由此，在待检测图像所属的场景为训练集中出现过的场景时，直接根据检测出的检测框信息和检测框中的对象所属的类别，生成检测结果，提高了检测的准确性。
94.比如，共有4个场景a1、a2、a3、a4，某待检测图像b属于每个场景的第一概率分别为0.8、0.6、0.5、0.5，待检测图像b中包括3个检测框，待检测图像b属于场景a1的第一概率0.8为最大概率，大于第一阈值0.7，那么可以根据检测出的3个检测框和每个检测框中的对象所属的类别，生成待检测图像b的检测结果。
95.本公开实施例中，在第一概率为待检测图像属于每个场景的概率的情况下，若各第一概率中最大概率小于第一阈值，可以基于最大概率对每个检测框中的对象所属的类别的第二概率进行更新，基于更新后的概率生成检测结果；若第一概率中最大概率大于或等于第一阈值，可以直接根据待检测图像中包含的检测框信息和检测框中的对象所属的类别，生成最终的检测结果。由此，通过结合待检测图像属于每个场景的概率，生成待检测图
像最终的检测结果，提高了检测的准确性。
96.在本公开的一个实施例中，在第一概率为待检测图像属于每个场景的概率的情况下，也可以根据待检测图像对应的各第一概率中的最大概率，直接对每个检测框对应的第二概率进行更新生成第三概率，并根据每个检测框对应的第三概率，生成最终的检测结果。
97.在本公开的一个实施例中，在进行场景预测时，可以预测待检测图像中每个对象属于各场景的概率，根据每个对象属于各场景的概率和其对应的第二概率，生成待检测图像的检测结果。下面结合图4进行说明，图4为本公开另一实施例提供的图像检测方法的流程示意图。
98.如图4所示，该图像检测方法包括：
99.步骤401，获取待检测图像。
100.步骤402，对待检测图像进行场景预测，以获取每个场景对应的第一概率。
101.步骤403，对待检测图像进行对象检测，以确定待检测图像中包含的检测框信息、检测框中的对象所属的类别的第二概率。
102.本公开中，步骤401-步骤403与上述实施例中记载的内容类似，故在此不再赘述。
103.步骤404，在第一概率为每个检测框中的对象属于各场景的概率的情况下，根据每个检测框对应的各第一概率，确定每个检测框对应的最大第一概率。
104.本公开中，若检测网络为预测对象级别的场景，那么可以利用检测网络对待检测图像进行场景预测，以获取待检测图像中每个对象属于各场景的第一概率。
105.在第一概率为待检测图像中每个检测框中的对象属于各场景的概率的情况下，可以从每个检测框对应的各第一概率中，确定出每个检测框对应的最大第一概率。其中，每个检测框对应的最大第一概率对应的场景，可以认为是每个检测框中的对象所属的场景。
106.比如，共有4个场景c1、c2、c3，某待检测图像c中包括两个检测框m和n，其中，检测框m中的对象属于各场景的第一概率分别为0.7、0.4、0.5，检测框n中的对象属于各场景的第一概率分别为0.3、0.2、0.6，可以确定检测框m对应的最大第一概率为0.7，检测框m中的对象所属的场景为c1，检测框n对应的最大第一概率为0.6，检测框n中的对象所属的场景为c3。
107.步骤405，在任一检测框对应的最大第一概率小于第二阈值的情况下，根据任一检测框对应的最大第一概率对其第二概率进行更新，以获取任一检测框对应的第四概率。
108.本公开中，可以将每个检测框对应的最大第一概率与第二阈值进行比较，若任一检测框对应的最大第一概率小于第二阈值，可以认为该检测框对应的最大第一概率对应的场景在训练集中未出现过，那么可以根据任一检测框对应的最大第一概率，对任一检测框对应的第二概率进行更新，以获取任一检测框对应的第四概率。
109.在进行更新时，可以将任一检测框对应的最大第一概率乘以任一检测框对应的第二概率，得到任一检测框对应的第四概率，从而对任一检测框中的对象所属的类别的第二概率进行加权，以降低高分误检的概率。
110.比如，结合上述例子，检测框n对应的最大第一概率0.6小于第二阈值0.65，那么可以将0.6乘以检测框n中的对象所属的类别的概率0.8，得到更新后概率0.48，而检测框m对应的最大第一概率0.7大于第二阈值0.65，可以不对检测框m中的对象所属的类别的第二概率进行更新。
111.需要说明的，本公开中的第二阈值可以根据实际需要确定，本公开对此不作限定。
112.步骤406，根据任一检测框对应的第四概率，生成待检测图像对应的检测结果。
113.本公开中，可以根据任一检测框对应的第四概率，以及待检测图像中最大第一概率大于或等于第二阈值的检测框对应的第二概率，确定目标检测框，根据目标检测框和目标检测框中的对象所属的类别，生成待检测图像对应的检测结果。
114.也就是说，若待检测图像中某些检测框对应的第二概率更新得到第四概率，那么可以根据这些检测框对应的第四概率，以及待检测图像中未更新的检测框对应的第二概率，生成待检测图像最终的检测结果。
115.本公开中，确定目标检测框的方法，与上述实施例中确定目标检测框的方法类似，故在此不再赘述。
116.比如，结合上述例子，检测框n对应的第四概率为0.48，检测框m中的对象所属的类别的概率为0.8，设定阈值为0.6，可以将概率大于0.6的检测框n作为目标检测框，根据检测框n及检测框n中的对象所属的类别，生成待检测图像c的检测结果。
117.本公开实施例中，在第一概率为每个检测框中的对象属于各场景的概率的情况下，确定每个检测框对应的各第一概率中的最大第一概率，在任一检测框对应的最大第一概率小于第二阈值时，根据任一检测框对应的最大第一概率对其对应的第二概率进行更新，之后根据各检测框中的对象所属的类别的概率，生成待检测图像对应的检测结果，从而结合对象属于各场景的概率，生成检测结果，实现了基于对象级别的场景预测结果，确定图像的检测结果，提高了检测的准确性。
118.为了实现上述实施例，本公开实施例还提出一种图像检测装置。图5为本公开一实施例提供的图像检测装置的结构示意图。
119.如图5所示，该图像检测装置500包括：
120.获取模块510，用于获取待检测图像；
121.检测模块520，用于对所述待检测图像进行场景预测，以获取每个场景对应的第一概率；
122.所述检测模块520，还用于对所述待检测图像进行对象检测，以确定所述待检测图像中包含的检测框信息、所述检测框中的对象所属的类别的第二概率；
123.生成模块530，用于根据各所述第一概率和各所述第二概率，生成所述待检测图像对应的检测结果。
124.在本公开实施例一种可能的实现方式中，所述生成模块530，用于:
125.在第一概率为所述待检测图像属于每个场景的概率的情况下，从各所述第一概率中确定出最大概率；
126.在所述最大概率小于第一阈值的情况下，根据所述最大概率对每个所述检测框对应的第二概率进行更新，以获取每个所述检测框对应的第三概率；
127.根据每个所述检测框对应的第三概率，生成所述待检测图像对应的检测结果。
128.在本公开实施例一种可能的实现方式中，所述生成模块530，用于：
129.根据每个所述检测框对应的第三概率，确定目标检测框；
130.根据所述目标检测框信息及所述目标检测框中的对象所属的类别，生成所述待检测图像对应的检测结果。
131.在本公开实施例一种可能的实现方式中，所述生成模块530，用于：
132.在所述最大概率大于或等于所述第一阈值的情况下，根据所述检测框信息及所述检测框中的对象所属的类别，生成所述待检测图像对应的检测结果。
133.在本公开实施例一种可能的实现方式中，所述生成模块530，用于：
134.在第一概率为每个所述检测框中的对象属于各场景的概率的情况下，根据每个所述检测框对应的各第一概率，确定每个所述检测框对应的最大第一概率；
135.在任一检测框对应的最大第一概率小于第二阈值的情况下，根据所述任一检测框对应的最大第一概率对其第二概率进行更新，以获取所述任一检测框对应的第四概率；
136.根据所述任一检测框对应的第四概率，生成所述待检测图像对应的检测结果。
137.需要说明的是，前述图像检测方法实施例的解释说明，也适用于该实施例的图像检测装置，故在此不再赘述。
138.本公开实施例中，通过获取待检测图像；对待检测图像进行场景预测，以获取每个场景对应的第一概率；对待检测图像进行对象检测，以确定待检测图像中包含的检测框信息、检测框中的对象所属的类别的第二概率；根据各第一概率和各第二概率，生成待检测图像对应的检测结果。由此，通过结合每个场景对应的概率和检测框中的对象所属的类别的概率，生成待检测图像最终的检测结果，考虑了场景差异，从而可以减少由于场景差异带来的误检问题，提高图像检测的准确性，提高了该图像检测方法在不同场景下的泛化性。
139.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
140.图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
141.如图6所示，设备600包括计算单元601，其可以根据存储在rom(read-only memory，只读存储器)602中的计算机程序或者从存储单元608加载到ram(random access memory，随机访问/存取存储器)603中的计算机程序，来执行各种适当的动作和处理。在ram 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、rom 602以及ram 603通过总线604彼此相连。i/o(input/output，输入/输出)接口605也连接至总线604。
142.设备600中的多个部件连接至i/o接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
143.计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于cpu(central processing unit，中央处理单元)、gpu(graphic processing units，图形处理单元)、各种专用的ai(artificial intelligence，人工智能)计算芯片、各种运行机器学习模型算法的计算单元、dsp(digital signal processor，数字信号处理器)、以及任何适当的处理器、控制器、微控制器等。计算单元601
执行上文所描述的各个方法和处理，例如图像检测方法。例如，在一些实施例中，图像检测方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由rom 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到ram 603并由计算单元601执行时，可以执行上文描述的图像检测方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像检测方法。
144.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、fpga(field programmable gate array，现场可编程门阵列)、asic(application-specific integrated circuit，专用集成电路)、assp(application specific standard product，专用标准产品)、soc(system on chip，芯片上系统的系统)、cpld(complex programmable logic device，复杂可编程逻辑设备)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
145.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
146.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、ram、rom、eprom(electrically programmable read-only-memory，可擦除可编程只读存储器)或快闪存储器、光纤、cd-rom(compact disc read-only memory，便捷式紧凑盘只读存储器)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
147.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(cathode-ray tube，阴极射线管)或者lcd(liquid crystal display，液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
148.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界
面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：lan(local area network，局域网)、wan(wide area network，广域网)、互联网和区块链网络。
149.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务(virtual private server，虚拟专用服务器)中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
150.根据本公开的实施例，本公开还提供了一种计算机程序产品，当计算机程序产品中的指令处理器执行时，执行本公开上述实施例提出的图像检测方法。
151.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
152.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。