一种目标检测算法、装置、设备和存储介质的制作方法

本发明实施例涉及计算机，尤其涉及一种目标检测算法、装置、设备和存储介质。

背景技术：

1、目标检测网络的训练需要大量具有标注数据的图像，在实际应用中具有标注数据的图像往往是非常稀少且昂贵。由此提出的少样本检测技术，首先可以由具有大量标注数据的基类图像对待训练的目标检测网络进行训练得到目标检测网络，再通过目标检测网络对新类图像进行目标检测。

2、现有技术中，可以基于元学习(meta learning)的方法对新类图像进行目标检测。具体而言，可以在基类图像上学习一个元学习器(meta-learner)，基于元学习器和具有少量标注数据的新类图像对目标检测网络进行优化，使得目标检测网络在具有少量标注数据的新类图像下快速收敛，得到优化后目标检测网络，优化后目标检测网络可以用于对与新类图像的类别一致的待测图像进行目标检测。

3、在实现本发明的过程中，发明人发现现有技术中至少存在以下技术问题：

4、使用元学习器对目标检测网络进行优化，优化速度慢、复杂度较高且优化成本较高，导致目标检测的成本较高且效率较低。

技术实现思路

1、本发明提供一种目标检测方法、装置、设备和存储介质，在降低目标检测网络的优化成本的同时提升优化效率，实现在降低目标检测成本的同时提升目标检测效率。

2、第一方面，本发明实施例提供了一种目标检测方法，包括：

3、基于目标检测网络对新类图像进行目标检测，确定所述新类图像对应的候选区域以及各所述候选区域的特征向量，其中，所述目标检测网络预先通过基类图像训练，所述新类图像为具有少量标注数据的图像，所述基类图像为具有大量标注数据的图像；

4、根据所述新类图像对应的感兴趣区域和所述候选区域，在所述候选区域对应的特征向量中确定中心特征向量；

5、通过所述中心特征向量优化所述目标检测网络得到优化后目标检测网络，基于所述优化后目标检测网络对待测图像进行目标检测，得到所述待测图像的目标检测结果，其中，所述待测图像与所述新类图像的类别一致。

6、第二方面，本发明实施例还提供了一种目标检测装置，包括：

7、检测模块，用于基于目标检测网络对新类图像进行目标检测，确定所述新类图像对应的候选区域以及各所述候选区域的特征向量，其中，所述目标检测网络预先通过基类图像训练，所述新类图像为具有少量标注数据的图像，所述基类图像为具有大量标注数据的图像；

8、确定模块，用于根据所述新类图像对应的感兴趣区域和所述候选区域，在所述候选区域对应的特征向量中确定中心特征向量；

9、执行模块，用于通过所述中心特征向量优化所述目标检测网络得到优化后目标检测网络，基于所述优化后目标检测网络对待测图像进行目标检测，得到所述待测图像的目标检测结果，其中，所述待测图像与所述新类图像的类别一致。

10、第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面中任一所述的目标检测方法。

11、第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面中任一所述的目标检测方法。

12、上述发明中的实施例具有如下优点或有益效果：

13、本发明实施例提供一种目标检测方法，包括：基于目标检测网络对新类图像进行目标检测，确定所述新类图像对应的候选区域以及各所述候选区域的特征向量，其中，所述目标检测网络预先通过基类图像训练，所述新类图像为具有少量标注数据的图像，所述基类图像为具有大量标注数据的图像；根据所述新类图像对应的感兴趣区域和所述候选区域，在所述候选区域对应的特征向量中确定中心特征向量；通过所述中心特征向量优化所述目标检测网络得到优化后目标检测网络，基于所述优化后目标检测网络对待测图像进行目标检测，得到所述待测图像的目标检测结果，其中，所述待测图像与所述新类图像的类别一致。上述技术方案，首先可以基于具有大量标注数据的基类图像训练的目标检测网络对具有少量标注数据的新类图像进行目标检测，确定新类图像对应的候选区域以及各候选区域的特征向量，此时得到的新类图像对应的候选区域精确度不高，新类图像对应的候选区域以及各候选区域的特征向量用于对目标检测网络进行优化，为目标检测网络的优化提供了数据基础，其次可以根据新类图像对应的感兴趣区域和候选区域在新类图像对应的候选区域对应的特征向量中确定中心特征向量，中心特征向量可以用于对目标检测网络进行优化，使得目标检测网络的置信度更高，进而可以基于中心特征向量对目标检测网络进行优化，得到的优化后目标检测网络与新类图像所属类别更加匹配，对与新类图像类别一致的待测图像进行目标检测得到的目标检测结果的置信度更高，与待测图像更加匹配。另外，基于中心特征向量对于目标检测网络的优化并未涉及对目标检测网络结构的更改，因此，无需对优化后目标检测网络重新训练。而且，只需根据新类图像确定一次中心特征向量，即可对与新类图像类别一致的待测图像进行目标检测，不会降低目标检测效率。

技术特征：

1.一种目标检测方法，其特征在于，包括：

2.根据权利要求1所述的目标检测方法，其特征在于，基于目标检测网络对新类图像进行目标检测，确定所述新类图像对应的候选区域以及各所述候选区域的特征向量，包括：

3.根据权利要求2所述的目标检测方法，其特征在于，根据所述分类特征在所述特征图中确定目标特征点，包括：

4.根据权利要求1所述的目标检测方法，其特征在于，根据所述新类图像对应的感兴趣区域和所述候选区域，在所述候选区域对应的特征向量中确定中心特征向量，包括：

5.根据权利要求4所述的目标检测方法，其特征在于，在各所述目标候选区域对应的特征向量中确定所述中心特征向量，包括：

6.根据权利要求4所述的目标检测方法，其特征在于，在各所述目标候选区域对应的特征向量中确定所述中心特征向量，包括：

7.根据权利要求4所述的目标检测方法，其特征在于，通过所述中心特征向量优化所述目标检测网络得到优化后目标检测网络，包括：

8.根据权利要求4所述的目标检测方法，其特征在于，通过所述中心特征向量优化所述目标检测网络得到优化后目标检测网络，包括：

9.根据权利要求8所述的目标检测方法，其特征在于，基于所述优化后目标检测网络对待测图像进行目标检测，得到所述待测图像的目标检测结果，包括：

10.一种目标检测装置，其特征在于，包括：

11.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-10中任一所述的目标检测方法。

12.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-10中任一所述的目标检测方法。

技术总结
本发明实施例公开一种目标检测方法、装置、设备和存储介质，涉及计算机技术领域，该方法包括：基于目标检测网络对新类图像进行目标检测，确定新类图像对应的候选区域以及各候选区域的特征向量，根据新类图像对应的感兴趣区域和候选区域，在候选区域对应的特征向量中确定中心特征向量；通过中心特征向量优化目标检测网络得到优化后目标检测网络，基于优化后目标检测网络对待测图像进行目标检测，得到待测图像的目标检测结果。上述技术方案，优化后目标检测网络对与新类图像类别一致的待测图像进行目标检测得到的目标检测结果的置信度更高，与待测图像更加匹配，并且无需对优化后目标检测网络重新训练，也不会降低目标检测效率。

技术研发人员：曹俊豪,张立平,单新媛,王秋霖
受保护的技术使用者：京东科技控股股份有限公司
技术研发日：
技术公布日：2024/1/15