本公开提供了一种检测方法、装置、计算机设备和存储介质，其中，该方法包括：获取第一目标图像；第一目标图像包括待测对象；利用训练好的目标神经网络，提取第一目标图像的目标图像特征；基于目标图像特征和目标类别对应的特征分布信息，确定待测对象与目标类别之间的匹配程度；基于匹配程度，确定待测对象是否为目标类别的对象。本公开实施例将利用训练好的目标神经网络提取的目标图像特征，与特征分布信息进行比对，能够准确地计算出目标图像特征服从目标类别的对象对应的特征分布的概率，基于此概率，能够较为准确地确定待测对象与目标类别之间的匹配程度，进而能够较为准确地确定出待测对象是否为目标类别的对象，有效提高了检测精度。测精度。测精度。
【技术实现步骤摘要】
一种检测方法、装置、计算机设备和存储介质
[0001]本公开涉及神经网络
，具体而言，涉及一种检测方法、装置、计算机设备和存储介质。
技术介绍
[0002]矿井中用于传输煤矿的方式一般为皮带传输，由于自然因素或者人为因素的影响，会导致传送带上偶尔存在非煤矿的异物，比如铁杆和矿泉水瓶等，这些传送带上的异物会降低煤矿传输的效率，损害加工仪器，甚至会导致皮带被撕裂，威胁到矿井人员安全等，因此，如何准确的检测出皮带上的非煤矿的异物，是本领域技术人员亟待解决的问题。
技术实现思路
[0003]本公开实施例至少提供一种检测方法、装置、计算机设备和存储介质。
[0004]第一方面，本公开实施例提供了一种检测方法，包括：
[0005]获取第一目标图像；所述第一目标图像包括待测对象；
[0006]利用训练好的目标神经网络，提取所述第一目标图像的目标图像特征；
[0007]基于所述目标图像特征和目标类别对应的特征分布信息，确定所述待测对象与所述目标类别之间的匹配程度；
[0008]基于所述匹配程度，确定所述待测对象是否为所述目标类别的对象。
[0009]这里，目标类别对应的特征分布信息可以是经过训练好的神经网络对包括目标类别的对象的图像提取得到的，例如，可以是上述训练好的目标神经网络提取得到的，其能够准确地反映目标类别的对象对应的图像特征的分布状况。将利用训练好的目标神经网络提取第一目标图像的目标图像特征，与上述特征分布信息进行比对，能够准确地计算出目标图像特征服从目标类别的对象对应的特征分布的概率，基于此概率，能够较为准确地确定待测对象与目标类别之间的匹配程度，进而能够较为准确地确定出待测对象是否为目标类别的对象，有效提高了检测精度。
[0010]一种可选的实施方式中，所述特征分布信息包括预设概率分布；
[0011]所述基于所述目标图像特征和目标类别对应的特征分布信息，确定所述待测对象与所述目标类别之间的匹配程度，包括：
[0012]确定所述目标图像特征与所述预设概率分布的匹配程度，并将确定的匹配程度作为所述待测对象与所述目标类别之间的匹配程度。
[0013]该实施方式中，由于预设概率分布能够准确地反映目标类别的对象的图像特征的分布，因此，通过计算目标图像特征服从预设概率分布的分布概率，能够较为准确地确定目标图像特征与预设概率分布的匹配程度，进而能够较为准确地确定该目标图像特征对应的待测对象与目标类别之间的匹配程度。
[0014]一种可选的实施方式中，所述基于所述目标图像特征和目标类别对应的特征分布信息，确定所述待测对象与所述目标类别之间的匹配程度，包括：
[0015]基于所述目标图像特征，生成第二目标图像；所述第二目标图像与所述第一目标图像的规格相同；
[0016]确定所述第一目标图像与所述第二目标图像之间的图像相似度；
[0017]基于所述目标图像特征、所述目标类别对应的特征分布信息和所述图像相似度，确定所述待测对象与所述目标类别之间的匹配程度。
[0018]该实施方式中，第二目标图像是在第一目标图像中提取的目标图像特征基础上生成的，可以认为是第一目标图像对应的还原图像，进行图像还原所用的神经网络可以是利用包括目标类别的对象的样本图像训练得到的，该神经网络对目标类别的对象所对应的图像的还原精度较高，其他类别的对象所对应的图像的还原精度较低，因此，上述还原图像与第一目标图像之间的图像相似度能够表征提取的目标图像特征与目标类别对应的特征分布信息的匹配程度，在此基础之上，再结合目标图像特征、目标类别对应的特征分布信息，能够有效提高确定的上述匹配程度的准确性。
[0019]一种可选的实施方式中，所述基于所述目标图像特征、所述目标类别对应的特征分布信息和所述图像相似度，确定所述待测对象与所述目标类别之间的匹配程度，包括：
[0020]基于所述目标图像特征与预设概率分布的匹配程度，确定第一匹配子程度；
[0021]基于所述图像相似度，确定第二匹配子程度；
[0022]基于所述第一匹配子程度和所述第二匹配子程度，确定所述待测对象与所述目标类别之间的匹配程度。
[0023]该实施方式，由于图像相似度能够表征提取的目标图像特征与目标类别对应的特征分布信息的匹配程度，在此基础之上，再结合目标图像特征、目标类别对应的特征分布信息，能够有效提高确定的上述匹配程度的准确性。
[0024]一种可选的实施方式中，其特征在于，所述基于所述匹配程度，确定所述待测对象是否为所述目标类别的对象，包括：
[0025]在所述匹配程度大于或等于预设阈值的情况下，确定所述待测对象为所述目标类别的对象。
[0026]该实施方式中，匹配程度能够表征待测对象为目标类别的对象的概率，预设阈值为基于经验值确定的最优阈值，因此，利用预设阈值与匹配程度之间的大小关系，能够准确的判断出待测对象是否为目标类别的对象，即，如果匹配程度大于或等于预设阈值，则可以认为待测对象为目标类别的对象；否则，可以认为待测对象不为目标类别的对象。
[0027]一种可选的实施方式中，在所述确定所述待测对象与所述目标类别之间的匹配程度之前，还包括：
[0028]获取多张第一样本图像；所述第一样本图像包括所述目标类别的对象；
[0029]针对所述多张第一样本图像中的每张，利用训练好的目标神经网络提取所述第一样本图像的样本图像特征，并基于所述样本图像特征，确定所述第一样本图像对应的预设分布参数；
[0030]基于得到的所述多张第一样本图像中每张第一样本图像对应的预设分布参数，确定所述特征分布信息。
[0031]该实施方式，由于提取样本图像特征和目标图像特征的神经网络为同一神经网络，即目标神经网络，因此，目标图像特征和样本图像特征不会由于特征提取网络的不同造
成匹配误差，进而影响后续确定的匹配程度的准确性，即利用同一个目标神经网络来确定上述特征分布信息和与特征分布信息进行匹配的目标图像特征，有利于提高确定上述匹配程度的准确性。
[0032]一种可选的实施方式中，所述预设分布参数包括多个分布子参数；
[0033]所述基于得到的所述多张第一样本图像中每张第一样本图像对应的预设分布参数，确定所述特征分布信息，包括：
[0034]基于得到的所述多张第一样本图像中每张第一样本图像对应的多个分布子参数，确定所述目标类别的目标优化值；
[0035]基于所述目标优化值，确定所述特征分布信息。
[0036]该实施方式，由于目标优化值是能够反映出多张第一样本图像对应的分布子参数的分布特征，因此，通过目标优化值能够较为准确地确定上述特征分布信息。
[0037]一种可选的实施方式中，在所述利用训练好的目标神经网络，提取所述第一目标图像的目标图像特征之前，还包括：
[0038]基于当前次迭代对应的多张第二样本图像，确定当前次迭代对应的特征分布信息；
[0039]基于本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种检测方法，其特征在于，包括：获取第一目标图像；所述第一目标图像包括待测对象；利用训练好的目标神经网络，提取所述第一目标图像的目标图像特征；基于所述目标图像特征和目标类别对应的特征分布信息，确定所述待测对象与所述目标类别之间的匹配程度；基于所述匹配程度，确定所述待测对象是否为所述目标类别的对象。2.根据权利要求1所述的方法，其特征在于，所述特征分布信息包括预设概率分布；所述基于所述目标图像特征和目标类别对应的特征分布信息，确定所述待测对象与所述目标类别之间的匹配程度，包括：确定所述目标图像特征与所述预设概率分布的匹配程度，并将确定的匹配程度作为所述待测对象与所述目标类别之间的匹配程度。3.根据权利要求1或2所述的方法，其特征在于，所述基于所述目标图像特征和目标类别对应的特征分布信息，确定所述待测对象与所述目标类别之间的匹配程度，包括：基于所述目标图像特征，生成第二目标图像；所述第二目标图像与所述第一目标图像的规格相同；确定所述第一目标图像与所述第二目标图像之间的图像相似度；基于所述目标图像特征、所述目标类别对应的特征分布信息和所述图像相似度，确定所述待测对象与所述目标类别之间的匹配程度。4.根据权利要求3所述的方法，其特征在于，所述基于所述目标图像特征、所述目标类别对应的特征分布信息和所述图像相似度，确定所述待测对象与所述目标类别之间的匹配程度，包括：基于所述目标图像特征与预设概率分布的匹配程度，确定第一匹配子程度；基于所述图像相似度，确定第二匹配子程度；基于所述第一匹配子程度和所述第二匹配子程度，确定所述待测对象与所述目标类别之间的匹配程度。5.根据权利要求1至4任一项所述的方法，其特征在于，所述基于所述匹配程度，确定所述待测对象是否为所述目标类别的对象，包括：在所述匹配程度大于或等于预设阈值的情况下，确定所述待测对象为所述目标类别的对象。6.根据权利要求1至5任一项所述的方法，其特征在于，在所述确定所述待测对象与所述目标类别之间的匹配程度之前，还包括：获取多张第一样本图像；所述第一样本图像包括所述目标类别的对象；针对所述多张第一样本图像中的每张，利用训练好的目标神经网络提取所述第一样本图像的样本图像特征，并基于所述样本图像特征，确定所述第一样本图像对应的预设分布参数；基于得到的所述多张第一样本图像中每张第一样本图像对应的预设分布参数，确定所述特征分布信息。7.根据权利要求6所述的方法，其特征在于，所述预设分布参数包括多个分布...
【专利技术属性】
技术研发人员：吴俊德，邓尧，
申请(专利权)人：北京市商汤科技开发有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。