图像检测模型的训练方法、图像检测方法和图像标注方法与流程

本公开涉及图像处理，尤其涉及计算机视觉、深度学习。

背景技术：

1、图像检测技术在生产和生活当中应用广泛，提出了许多优秀的基于深度学习的图像检测模型。然而，基于深度学习方法训练高精度的检测模型依赖于大量高质量、高精度的标注图像。并且，对于不同的检测任务，需要不同场景的高质量数据才能使得检测模型具有较好的泛化性能。

技术实现思路

1、本公开提供了一种图像检测模型的训练方法、图像检测方法和图像标注方法、装置、设备以及存储介质。

2、根据本公开的第一方面，提供了一种图像检测模型的训练方法，包括：

3、利用第一检测模型的交互分支，根据第一引导点集，确定第一位置特征；其中，第一引导点集包括根据在样本图像上实施的第一选取操作所确定的第一坐标点；

4、利用第一检测模型的图像分支，根据样本图像，确定样本图像特征；

5、根据第一位置特征和样本图像特征，对样本图像中的对象进行检测，以得到第一检测结果；以及

6、根据第一检测结果、样本图像的真实标注结果以及第一引导点集，对第一检测模型进行训练，以得到第二检测模型。

7、根据本公开的第二方面，提供了一种图像检测方法，包括：

8、利用第二检测模型，对待检测图像中的对象进行检测，以得到第二检测结果；其中，第二检测模型根据本公开的第一方面提供的图像检测模型的训练方法训练得到。

9、根据本公开的第三方面，提供了一种图像标注方法，包括：

10、响应于检测操作或在待标注图像上实施的第五选取操作，根据本公开的第二方面提供的图像检测方法，对待标注图像中的目标对象进行检测，以得到目标对象的集合；以及

11、根据集合中的目标对象的位置信息，在待标注图像上生成目标对象的边界框和/或主体框；其中，主体框在边界框之内，主体框用于覆盖目标对象的主体部分。

12、根据本公开的第四方面，提供了一种图像检测模型的训练装置，包括：

13、第一确定模块，用于利用第一检测模型的交互分支，根据第一引导点集，确定第一位置特征；其中，第一引导点集包括根据在样本图像上实施的第一选取操作所确定的第一坐标点；

14、第二确定模块，用于利用第一检测模型的图像分支，根据样本图像，确定样本图像特征；

15、第一检测模块，用于根据第一位置特征和样本图像特征，对样本图像中的对象进行检测，以得到第一检测结果；

16、训练模块，用于根据第一检测结果、样本图像的真实标注结果以及第一引导点集，对第一检测模型进行训练，以得到第二检测模型。

17、根据本公开的第五方面，提供了一种图像检测装置，包括：

18、图像检测模块，用于利用第二检测模型，对待检测图像中的对象进行检测，以得到第二检测结果；其中，第二检测模型根据本公开的第四方面提供的图像检测模型的训练装置训练得到。

19、根据本公开的第六方面，提供了一种图像标注装置，包括：

20、交互模块，用于响应于检测操作或在待标注图像上实施的第五选取操作，利用本公开的第五方面提供的图像检测装置，对待标注图像中的目标对象进行检测，以得到目标对象的集合；以及

21、标注模块，用于根据集合中的目标对象的位置信息，在待标注图像上生成目标对象的边界框和/或主体框；其中，主体框在边界框之内，主体框用于覆盖目标对象的主体部分。

22、根据本公开的另一方面，提供了一种电子设备，包括：

23、至少一个处理器；以及

24、与该至少一个处理器通信连接的存储器；其中，

25、该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开实施例中任一的方法。

26、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，该计算机指令用于使该计算机执行根据本公开实施例中任一的方法。

27、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，该计算机程序在被处理器执行时实现根据本公开实施例中任一的方法。

28、本公开可以通过人工指导提供的先验信息，简化模型训练，提升模型训练、图像检测和图像标注的效率。

29、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。

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，根据所述第一检测结果、所述样本图像的真实标注结果以及所述第一引导点集，对所述第一检测模型进行训练，以得到第二检测模型，包括：

3.根据权利要求1所述的方法，其中，根据所述第一检测结果、所述样本图像的真实标注结果以及所述第一引导点集，对所述第一检测模型进行训练，以得到第二检测模型，包括：

4.根据权利要求3所述的方法，其中，在所述第一检测模型未收敛的情况下，更新所述第一引导点集，包括：

5.根据权利要求1至4中任一项所述的方法，其中，根据所述第一位置特征和所述样本图像特征，对所述样本图像中的对象进行检测，以得到第一检测结果，包括：

6.根据权利要求5所述的方法，其中，利用所述第一检测模型的注意力模块，根据所述样本图像特征和所述第一位置特征，确定第一融合特征，包括：

7.根据权利要求6所述的方法，其中，利用所述第一检测模型的注意力模块，根据所述第一合并特征，确定第一融合特征，包括：

8.根据权利要求5所述的方法，其中，利用所述第一检测模型的图像分支，根据所述样本图像，确定样本图像特征，包括：

9.根据权利要求8所述的方法，其中，将所述第一检测模型的图像分支在主干阶段生成的图像特征与所述交互分支在相应阶段生成的位置特征合并，以得到第一中间图像特征，包括：

10.一种图像检测方法，包括：

11.根据权利要求10所述的方法，其中，利用第二检测模型，对待检测图像中的对象进行检测，以得到第二检测结果，包括：

12.根据权利要求10或11所述的方法，还包括：

13.根据权利要求12所述的方法，其中，根据所述第二检测结果中的对象，确定第六坐标点，包括：

14.根据权利要求11所述的方法，其中，利用所述第二检测模型，根据所述第二引导点集，对所述待检测图像中的对象进行检测，以得到第二检测结果，包括：

15.根据权利要求14所述的方法，其中，利用所述第二检测模型的注意力模块，根据所述待测图像特征和所述第二位置特征，确定第二融合特征，包括：

16.根据权利要求15所述的方法，其中，利用所述第二检测模型的注意力模块，根据所述第二合并特征，确定第二融合特征，包括：

17.根据权利要求14所述的方法，其中，利用所述第二检测模型的图像分支，根据所述待检测图像，确定待测图像特征，包括：

18.根据权利要求17所述的方法，其中，将所述第二检测模型的图像分支在主干阶段生成的图像特征与所述交互分支在相应阶段生成的位置特征合并，以得到第二中间图像特征，包括：

19.一种图像标注方法，包括：

20.一种图像检测模型的训练装置，包括：

21.根据权利要求20所述的装置，其中，所述训练模块用于：

22.根据权利要求20所述的装置，其中，所述训练模块包括：

23.根据权利要求22所述的装置，其中，所述更新子模块用于：

24.根据权利要求20至23中任一项所述的装置，其中，所述第一检测模块用于：

25.根据权利要求24所述的装置，其中，所述第一检测模块包括：

26.根据权利要求25所述的装置，其中，所述第一确定子模块用于：

27.根据权利要求24所述的装置，其中，所述第二确定模块，包括：

28.根据权利要求27所述的装置，其中，所述早期注入子模块用于：

29.一种图像检测装置，包括：

30.根据权利要求29所述的装置，其中，所述图像检测模块还用于：

31.根据权利要求29或30所述的装置，还包括：

32.根据权利要求31所述的装置，其中，所述点集确定模块还用于：

33.根据权利要求30所述的装置，其中，所述图像检测模块，包括：

34.根据权利要求33所述的装置，其中，所述融合子模块用于：

35.根据权利要求34所述的装置，其中，所述融合子模块还用于：

36.根据权利要求33所述的装置，其中，所述图像子模块还用于：

37.根据权利要求36所述的装置，其中，所述图像子模块还用于：

38.一种图像标注装置，包括：

39.一种电子设备，包括：

40.一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权利要求1-19中任一项所述的方法。

41.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-19中任一项所述的方法。

技术总结
本公开提供了一种图像检测模型的训练方法、图像检测方法和图像标注方法，涉及图像处理技术领域，尤其涉及计算机视觉、深度学习技术领域。具体实现方案为：利用第一检测模型的交互分支，根据第一引导点集，确定第一位置特征；利用第一检测模型的图像分支，根据样本图像，确定样本图像特征；根据第一位置特征和样本图像特征，对样本图像中的对象进行检测，以得到第一检测结果；以及根据第一检测结果、样本图像的真实标注结果以及第一引导点集，对第一检测模型进行训练，以得到第二检测模型。本公开可以通过人工指导提供的先验信息，简化模型训练，提升模型训练、图像检测和图像标注的效率。

技术研发人员：郝钰莹,彭军才,汤诗雨,林漫晖,刘毅
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：
技术公布日：2024/1/13