图像检测模型的训练方法、图像检测方法及电子设备

本发明涉及人工智能，尤其涉及深度学习和计算机视觉，尤其涉及一种图像检测模型的训练方法、检测方法及电子设备。

背景技术：

1、随着模拟技术的发展，新的图像模拟技术不断涌现，不同模拟生成技术会基于不同的特征对模拟图像进行增添、删除或替换，从而生成不同类别的模拟图像。传统的图像检测模型的训练方法一般是直接提取模拟样本图像的某一特征，利用提取到的特征来训练模型。

2、在实现本发明的过程中，传统的训练方法训练后的图像检测模型难以对其他类别的模拟图像进行较为精准的识别，从而降低了图像检测模型的准确性和对模拟图像检测的泛化性。

技术实现思路

1、鉴于上述问题，本发明提供了图像检测模型的训练方法、图像检测方法及电子设备。

2、本发明的一方面提供了一种图像检测模型的训练方法，包括：利用生成对抗网络的生成器对真实样本图像和参考样本图像进行数据增广处理，得到目标样本图像；利用生成对抗网络的检测器对目标样本图像进行空间特征提取，得到空间特征数据；利用检测器对目标样本图像进行频域特征提取，得到频域特征数据；利用检测器对空间特征数据和频域特征数据进行处理，得到目标样本图像的检测结果，其中，检测结果表征目标样本图像是真实图像和模拟图像中的之一；利用目标样本图像的检测结果训练生成对抗网络，得到经训练的生成对抗网络；将经训练的检测器确定为图像检测模型。

3、可选地，利用生成对抗网络的生成器对真实样本图像和参考样本图像进行数据增广处理，得到目标样本图像，包括：根据真实样本图像，得到模拟掩膜样本图像，其中，模拟掩膜样本图像表征真实样本图像的图像框架；对真实样本图像、模拟掩膜样本图像和参考样本图像进行融合处理，得到目标样本图像。

4、可选地，根据真实样本图像，得到模拟掩膜样本图像，包括：对真实样本图像进行特征提取，得到第一真实特征数据；对第一真实特征数据进行卷积处理，得到模拟掩膜样本图像。

5、可选地，利用生成对抗网络的生成器对真实样本图像和参考样本图像进行数据增广处理，得到目标样本图像，包括：对真实样本图像进行特征提取，得到第二真实特征数据，其中，第二真实特征数据表征真实样本图像的语义特征；对参考样本图像进行特征提取，得到图像风格特征数据；根据真实样本图像、参考样本图像、第二真实特征数据和图像风格特征数据，得到目标样本图像。

6、可选地，根据真实样本图像、参考样本图像、第二真实特征数据和图像风格特征数据，得到目标样本图像，包括：对真实样本图像、参考样本图像和图像风格特征数据进行融合处理，得到融合图像风格特征数据；根据融合图像风格特征数据和第二真实特征数据，得到目标样本图像。

7、可选地，上述方法还包括：利用检测器对目标样本图像进行特征提取，得到模拟真实样本图像，其中，模拟真实样本图像表征目标样本图像的图像框架。

8、可选地，利用目标样本图像的检测结果训练生成对抗网络，得到经训练的生成对抗网络，包括：基于第一损失函数，根据检测结果和目标样本图像的标签数据，得到第一损失函数值；基于第二损失函数，根据模拟掩膜样本图像和模拟真实样本图像，得到第二损失函数值；根据第一损失函数值和第二损失函数值对生成对抗网络进行训练，得到经训练的生成对抗网络。

9、可选地，生成器包括多个卷积核，上述方法还包括：确定多个卷积核各自之间的相似度，得到至少一个相似度；基于第三损失函数，根据至少一个相似度，得到第三损失函数值。

10、可选地，根据第一损失函数值和第二损失函数值对生成对抗网络进行训练，得到经训练的生成对抗网络，包括：根据第一损失函数值、第二损失函数值和第三损失函数值对生成对抗网络进行训练，得到经训练的图像检测模型。

11、可选地，频域特征数据包括全局频域特征数据和局部频域特征数据中的至少之一。

12、可选地，利用检测器对目标样本图像进行频域特征提取，得到频域特征数据，包括以下至少之一：对目标样本图像进行第一转换处理，得到第一中间样本图像；对第一中间样本图像进行全局频域特征提取，得到全局频域特征数据；对目标样本图像进行第二转换处理，得到第二中间样本图像；对第二中间样本图像进行局部频域特征提取，得到局部频域特征数据。

13、可选地，利用检测器对空间特征和频域特征进行处理，得到目标样本图像的检测结果，包括：根据全局频域特征数据和局部频域特征数据，确定融合注意力掩膜数据，其中，融合注意力掩膜数据表征全局频域特征数据和局部频域特征数据的交互数据；基于融合注意力掩膜数据，对全局频域特征数据和局部频域特征数据进行融合处理，得到融合全局频域特征数据和融合局部频域特征数据；根据空间特征数据、融合全局频域特征数据和融合局部频域特征数据，得到目标样本图像的检测结果。

14、本发明的另一方面提供了一种图像检测方法，包括：利用图像检测模型对目标图像进行检测，得到目标图像的检测结果，其中，图像检测模型是利用上述训练方法训练得到的。

15、本发明的另一方面提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器执行上述图像检测模型的训练方法及图像检测方法。

16、本发明的另一方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述图像检测模型的训练方法及图像检测方法。

17、本发明的另一方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述图像检测模型的训练方法及图像检测方法。

18、通过基于生成对抗网络的生成器对真实样本图像和参考样本图像进行数据增广处理，得到目标样本图像，再基于生成对抗网络的检测器对目标样本图像进行空间特征提取和频域特征提取，结合空间特征数据和频域特征数据得到目标样本图像的检测结果，利用该检测结果对生成对抗网络进行训练，并将经训练的生成对抗网络的检测器确定为图像检测模型。至少部分的解决了利用传统的训练方法训练后的图像检测模型对不同类别的模拟图像的检测缺乏泛化性和较低的准确性的问题，从而实现了能够利用经数据增广处理得到的目标样本图像，结合空间特征和频域特征对图像检测模型的训练，有效提高对模拟图像检测的泛化性和准确性。

技术特征：

1.一种图像检测模型的训练方法，包括：

2.根据权利要求1所述的方法，其中，利用生成对抗网络的生成器对真实样本图像和参考样本图像进行数据增广处理，得到目标样本图像，包括：

3.根据权利要求2所述的方法，其中，根据所述真实样本图像，得到模拟掩膜样本图像，包括：

4.根据权利要求1所述的方法，其中，利用生成对抗网络的生成器对真实样本图像和参考样本图像进行数据增广处理，得到目标样本图像，包括：

5.根据权利要求4所述的方法，其中，根据所述真实样本图像、所述参考样本图像、所述第二真实特征数据和所述图像风格特征数据，得到所述目标样本图像，包括：

6.根据权利要求2所述的方法，还包括：

7.根据权利要求6所述的方法，所述生成器包括多个卷积核，所述方法还包括：

8.根据权利要求1~7中任一项所述的方法，其中，所述频域特征数据包括全局频域特征数据和局部频域特征数据中的至少之一；

9.根据权利要求8所述的方法，其中，利用所述检测器对所述空间特征和所述频域特征进行处理，得到所述目标样本图像的检测结果，包括：

10.一种图像检测方法，包括：

11.一种电子设备，包括：

技术总结
本发明提供了一种图像检测模型的训练方法、图像检测方法及电子设备。该训练方法包括：利用生成对抗网络的生成器对真实样本图像和参考样本图像进行数据增广处理，得到目标样本图像；利用生成对抗网络的检测器对目标样本图像进行空间特征提取，得到空间特征数据；利用检测器对目标样本图像进行频域特征提取，得到频域特征数据；利用检测器对空间特征数据和频域特征数据进行处理，得到目标样本图像的检测结果，其中，检测结果表征目标样本图像是真实图像和模拟图像中的之一；利用目标样本图像的检测结果训练生成对抗网络，得到经训练的生成对抗网络；将经训练的检测器确定为图像检测模型。

技术研发人员：徐楠青,冯巍巍,张天柱,张勇东
受保护的技术使用者：中国科学技术大学
技术研发日：
技术公布日：2024/1/12