违禁品检测模型训练方法、检测方法、装置及计算机设备制造方法及图纸

本申请提供一种违禁品检测模型训练方法、检测方法、装置及计算机设备，训练方法包括：获取待标注的原始违禁品图片；获取已检测的预设类别的分类违禁品图片；对所述原始违禁品图片进行标注得到标注图片；根据所述标注图片和所述分类违禁品图片，确定样本数据集；根据所述样本数据集对预设初始模型进行训练，得到违禁品检测模型。采用本方法，可减少需要标注的违禁品图片的数量，降低标注量，提高实际业务场景中的分类效率。景中的分类效率。景中的分类效率。

【技术实现步骤摘要】
违禁品检测模型训练方法、检测方法、装置及计算机设备


[0001]本申请涉及人工智能
，具体涉及一种违禁品检测模型训练方法、检测方法、装置及计算机设备。

技术介绍

[0002]X光违禁品检测是指通过安检机摄像头拍摄X光学图片，利用算法来检测图片上是否包含违禁物品，在机场、地铁、火车站等需要安检的地方有着广泛的应用。
[0003]目前基于深度学习的X光违禁品检测方法，通常是线下获取安检机拍摄的图片，然后标注后进行模型的训练。因为X光违禁品类别众多，训练所需的数据量大，线下数据管理麻烦，用户每次进行数据筛选和训练要花费较多的时间，且容易出错。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种违禁品检测模型训练方法、检测方法、装置及计算机设备，用以提高违禁品检测模型的训练效率。
[0005]第一方面，本申请提供一种违禁品检测模型训练方法，包括：
[0006]获取待标注的原始违禁品图片；
[0007]获取已检测的预设类别的分类违禁品图片；
[0008]对原始违禁品图片进行标注得到标注图片；
[0009]根据标注图片和分类违禁品图片，确定样本数据集；
[0010]根据样本数据集对预设初始模型进行训练，得到违禁品检测模型。
[0011]在本申请一些实施例中，所述分类违禁品图片包括第一分类违禁品图片，获取已检测的预设类别的分类违禁品图片，包括：
[0012]接收安检设备发送的已检测的预设类别的第一分类违禁品图片，第一分类违禁品图片为安检设备对采集的待识别图片进行违禁品检测后、回传的包含有预设类别的违禁品的图片。
[0013]在本申请一些实施例中，所述分类违禁品图片包括第二分类违禁品图片，获取已检测的预设类别的分类违禁品图片，包括：
[0014]获取待检测图片；
[0015]对待检测图片进行检测，识别出包含违禁品的违禁品图片以及包含的违禁品的违禁品类别；
[0016]根据违禁品类别，从违禁品图片中获取预设类别的第二分类违禁品图片。
[0017]在本申请一些实施例中，获取待检测图片，包括：
[0018]获取原始待检测图片；
[0019]按照预设格式对原始待检测图片进行重命名；
[0020]对重命名之后的原始待检测图片进行去白边操作，得到有效待检测图片；
[0021]选取预设尺寸的有效待检测图片得到待检测图片。
[0022]在本申请一些实施例中，对待检测图片进行检测，识别出包含违禁品的违禁品图片以及包含的违禁品的违禁品类别，包括：
[0023]对待检测图片进行检测，得到违禁品类别以及类别置信度；
[0024]当类别置信度大于等于预设的置信度阈值时，确定类别置信度对应的待检测图片为包含违禁品的违禁品图片。
[0025]在本申请一些实施例中，对原始违禁品图片进行标注得到标注图片，包括：
[0026]对原始违禁品图片进行标注，得到正常样本和异常样本；
[0027]对正常样本进行标注，得到标注图片，标注图片包括正样本和负样本，正样本的图片包含违禁品，负样本的图片不包含违禁品。
[0028]在本申请一些实施例中，获取已检测的预设类别的分类违禁品图片之后，方法还包括：
[0029]基于分类违禁品图片，对原始违禁品图片进行预处理去重操作，得到预处理图片；
[0030]对原始违禁品图片进行标注得到标注图片，包括：
[0031]对预处理图片进行标注得到标注图片。
[0032]第二方面，本申请提供一种违禁品检测方法，包括：
[0033]获取待检测的原始图片；
[0034]根据预设的违禁品检测模型对原始图片进行检测，得到违禁品检测数据，违禁品检测模型为应用上述的违禁品检测模型训练方法得到的检测模型。
[0035]第三方面，本申请提供一种违禁品检测模型训练装置，包括：
[0036]图片获取模块，用于获取原始违禁品图片和已检测的预设类别的分类违禁品图片；
[0037]样本标注模块，与图片获取模块通讯连接，用于对原始违禁品图片进行标注得到标注图片；
[0038]数据集获取模块，与图片获取模块和样本标注模块通讯连接，用于根据标注图片和分类违禁品图片，确定样本数据集；
[0039]模型训练模块，与数据集获取模块通讯连接，用于根据样本数据集对预设初始模型进行训练，得到违禁品检测模型。
[0040]在本申请一些实施例中，图片获取模块还用于接收安检设备发送的已检测的预设类别的第一分类违禁品图片，第一分类违禁品图片为安检设备对采集的待识别图片进行违禁品检测后、回传的包含有预设类别的违禁品的图片，分类违禁品图片包括第一分类违禁品图片。
[0041]在本申请一些实施例中，图片获取模块还用于获取待检测图片；对待检测图片进行检测，识别出包含违禁品的违禁品图片以及包含的违禁品的违禁品类别；根据违禁品类别，从违禁品图片中获取预设类别的第二分类违禁品图片，分类违禁品图片包括第二分类违禁品图片。
[0042]在本申请一些实施例中，图片获取模块还用于获取原始待检测图片；按照预设格式对原始待检测图片进行重命名；对重命名之后的原始待检测图片进行去白边操作，得到有效待检测图片；选取预设尺寸的有效待检测图片得到待检测图片。
[0043]在本申请一些实施例中，图片获取模块还用于对待检测图片进行检测，得到违禁
品类别以及类别置信度；当类别置信度大于等于预设的置信度阈值时，确定类别置信度对应的待检测图片为包含违禁品的违禁品图片。
[0044]在本申请一些实施例中，样本标注模块还用于对原始违禁品图片进行标注，得到正常样本和异常样本；对正常样本进行标注，得到标注图片，标注图片包括正样本和负样本，正样本的图片包含违禁品，负样本的图片不包含违禁品。
[0045]在本申请一些实施例中，样本标注模块还用于基于分类违禁品图片，对原始违禁品图片进行预处理去重操作，得到预处理图片；对预处理图片进行标注得到标注图片。
[0046]第四方面，本申请还提供一种服务器，服务器包括：
[0047]一个或多个处理器；
[0048]存储器；以及
[0049]一个或多个应用程序，其中一个或多个应用程序被存储于存储器中，并配置为由处理器执行以实现的违禁品检测模型训练方法。
[0050]第五方面，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器进行加载，以执行的违禁品检测模型训练方法中的步骤。
[0051]第六方面，本申请实施例提供一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述第一方面提供的方法。
[0052]上述违禁品检测模型训练方法、检测方法、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种违禁品检测模型训练方法，其特征在于，包括：获取待标注的原始违禁品图片；获取已检测的预设类别的分类违禁品图片；对所述原始违禁品图片进行标注得到标注图片；根据所述标注图片和所述分类违禁品图片，确定样本数据集；根据所述样本数据集对预设初始模型进行训练，得到违禁品检测模型。2.如权利要求1所述的违禁品检测模型训练方法，其特征在于，所述分类违禁品图片包括第一分类违禁品图片，所述获取已检测的预设类别的分类违禁品图片，包括：接收安检设备发送的已检测的预设类别的第一分类违禁品图片，所述第一分类违禁品图片为所述安检设备对采集的待识别图片进行违禁品检测后、回传的包含有预设类别的违禁品的图片。3.如权利要求1所述的违禁品检测模型训练方法，其特征在于，所述分类违禁品图片包括第二分类违禁品图片，所述获取已检测的预设类别的分类违禁品图片，包括：获取待检测图片；对所述待检测图片进行检测，识别出包含违禁品的违禁品图片以及包含的违禁品的违禁品类别；根据所述违禁品类别，从所述违禁品图片中获取预设类别的第二分类违禁品图片。4.如权利要求3所述的违禁品检测模型训练方法，其特征在于，所述获取待检测图片，包括：获取原始待检测图片；按照预设格式对所述原始待检测图片进行重命名；对重命名之后的原始待检测图片进行去白边操作，得到有效待检测图片；选取预设尺寸的所述有效待检测图片得到所述待检测图片。5.如权利要求3所述的违禁品检测模型训练方法，其特征在于，所述对所述待检测图片进行检测，识别出包含违禁品的违禁品图片以及包含的违禁品的违禁品类别，包括：对所述待检测图片进行检测，得到违禁品类别以及类别置信度；当所述类别置信度大于等于预设的置信度阈值时，确定所述类别置信度对应的待检测图片为包含违禁品的违禁品图片。6.如权利要求...

【专利技术属性】
技术研发人员：陈奇华，杨小平，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：