本申请公开了一种基于小样本学习的目标检测方法、装置及存储介质。涉及图像处理技术领域。该方法具体包括：电子设备采用神经网络对支持图像集和待检测图像进行特征提取，获得支持图像集的多个第一特征信息和待检测图像的第二特征信息。然后，电子设备基于多个第一特征信息对第二特征信息进行特征提取，获得待检测特征图。电子设备根据多个第一特征信息各自的特征向量生成第三特征信息，特征向量用于指示多个样本图像间的相关关系。然后，电子设备基于待检测特征图及第三特征信息确定待检测图像中的待检测目标。该方法用于解决现有小样本学习目标检测算法的识别精确度较低的问题。题。题。
【技术实现步骤摘要】
一种基于小样本学习的目标检测方法、装置及存储介质
[0001]本专利技术涉及图像处理
，尤其涉及一种基于小样本学习的目标检测方法、装置及存储介质。
技术介绍
[0002]基于深度学习的图像目标检测算法通常采用大量的数据集作为训练集，以确保神经网络模型在随机场景下识别待检测目标的准确性。大量的数据集作为训练集，训练模型用时较长，模型训练效率较低。为此，提出基于小样本学习的目标检测算法，即使用少量样本数据集就可完成模型训练，从而提高模型训练效率。
[0003]目前小样本学习的目标检测算法识别待检测目标时存在严重的过拟合现象，目标检测的精确度较低。
技术实现思路
[0004]本申请提供了一种基于小样本学习的目标检测方法、装置及存储介质。用以解决现有小样本学习目标检测算法的识别精确度较低的问题。
[0005]第一方面，本申请提供了一种基于小样本学习的目标检测方法。该方法可应用于具有处理能力的电子设备，该方法具体包括：电子设备采用预设的神经网络对支持图像集和待检测图像进行特征提取，获得支持图像集的多个第一特征信息和待检测图像的第二特征信息。其中，待检测图像中包括待检测目标，支持图像集包括多个样本图样，每个样本图像中的目标的类型与待检测目标的类型相同，一个样本图像与一个第一特征信息对应，不同样本图像对应的第一特征信息不同。然后，电子设备基于多个第一特征信息对第二特征信息进行特征提取，获得待检测特征图。电子设备根据多个第一特征信息各自的特征向量生成第三特征信息，特征向量用于指示多个样本图像间的相关关系。然后，电子设备基于待检测特征图及第三特征信息确定待检测图像中的待检测目标。
[0006]在本申请实施例中，多个第一特征信息各自的特征向量生成第三特征信息包含了多个样本图像间的相关关系，即提取特征时，考虑了多个样本图像间的相关关系，从而利用样本图像间更多的信息进行目标识别，可以提高待检测目标识别的精确度。
[0007]可选的，第一特征信息包括三个维度上的特征信息，根据多个第一特征信息各自的特征向量生成第三特征信息，包括：对多个第一特征信息进行降维处理，得到多个第一特征向量，多个第一特征信息与多个第一特征向量一一对应。然后，对多个第一特征向量进行编码，获得多个第二特征向量。然后，根据多个第二特征向量生成第三特征向量，第三特征向量包括多个第二特征向量加权求和得到的特征信息。对第三特征向量进行升维处理，获得第三特征信息。
[0008]本申请实施例中的第一特征信息中包括多个维度的特征信息，电子设备将多个第一特征信息进行降维处理，以更加准确地提取多个第一特征信息间的相关关系。得到的多个第二特征向量又通过加权求和得到第三特征向量，使得多个第一特征信息中的相关关系
能够结合在一起，得到的相关关系的信息更加准确。然后将根据相关关系得到的第三特征向量进行升维处理，使得第三特征向量用于后续的目标检测。多个第二特征向量通过加权求和得到第三特征向量时，为每个第二特征向量设置可学习的权重系数，在模型训练过程中，通过每次训练结果不断调整该权重系数，可以使得最终训练好的模型在实际用于目标检测时的准确度较高。
[0009]可选的，对多个第一特征向量进行编码，获得多个第二特征向量，包括：根据编码确定多个第一特征向量之间的关联信息，根据该关联信息与多个第一特征向量确定多个第二特征向量。
[0010]可选的，基于多个第一特征信息对第二特征信息进行特征提取，获得待检测特征图，包括：以多个第一特征信息为卷积核对第二特征信息进行特征提取，获得多个第四特征信息,多个第四特征信息与多个第一特征信息一一对应。然后，将多个第四特征信息输入预设的区域生成网络RPN，获得初始待检测特征图。对初始待检测特征图进行特征提取，生成待检测特征图。
[0011]可选的，待检测特征图及第三特征信息包括通道维度的信息，基于待检测特征图及第三特征图确定待检测图像的目标，包括：对待检测特征图及第三特征信息分别进行池化处理，将池化处理后的待检测特征图及第三特征信息在通道维度进行拼接，对拼接后的特征图进行全连接操作，获得第一分类结果及第一回归结果。以第三特征信息为卷积核对待检测特征图进行特征提取，对特征提取的结果进行全连接操作，获得第二分类结果及第二回归结果。对待检测特征图及第三特征信息在通道维度进行拼接，对拼接后的特征图进行特征提取，获得第三分类结果及第三回归结果。根据该第一分类结果、第二分类结果、第三分类结果及第一回归结果、第二回归结果及第三回归结果确定待检测图像的目标。
[0012]在本申请实施例中，电子设备通过三种不同的分支对待检测特征图及第三特征图进行处理，能更充分地对待检测特征图及第三特征图进行识别，最终通过三种不同的分支的分类结果及回归结果确定待检测目标的分类结果及回归结果，使得待检测目标的识别更加准确。
[0013]可选的，根据第一分类结果、第二分类结果、第三分类结果及第一回归结果、第二回归结果及第三回归结果确定待检测图像的目标，包括：通过第一分类结果、第二分类结果、第三分类结果加权求和得到待检测目标的分类结果。通过第一回归结果、第二回归结果及第三回归结果加权求和得到待检测目标的回归结果。
[0014]在本申请实施例中，电子设备为每一个分支设置权重系数，可在模型训练的时候不断根据训练结果调整每个分支的权重，使得训练好的模型在实际用于检测目标时的精确度更高。
[0015]可选的，根据初始待检测框图生成待检测框图，包括：将初始待检测框图通过残差块进行特征提取，对特征提取的结果进行兴趣区域对齐操作，获得待检测框图。
[0016]第二方面，本申请提供了一种目标检测装置。该装置包括提取单元、编码单元及识别单元。其中，提取单元用于采用预设的神经网络对支持图像集和待检测图像进行特征提取，获得支持图像集的多个第一特征信息和待检测图像的第二特征信息。其中，待检测图像中包括待检测目标，支持图像集包括多个样本图样，每个样本图像中的目标的类型与待检测目标的类型相同，一个样本图像与一个第一特征信息对应，不同样本图像对应的第一特
征信息不同。提取单元还用于基于多个第一特征信息对第二特征信息进行特征提取，获得待检测特征图。编码单元用于根据多个第一特征信息各自的特征向量生成第三特征信息，特征向量用于指示多个样本图像间的相关关系。识别单元用于基于待检测特征图及第三特征信息确定待检测图像中的待检测目标。
[0017]可选的，编码单元具体用于：对多个第一特征信息进行降维处理，得到多个第一特征向量，多个第一特征信息与多个第一特征向量一一对应。然后，对多个第一特征向量进行编码，获得多个第二特征向量。然后，根据多个第二特征向量生成第三特征向量，第三特征向量包括多个第二特征向量加权求和得到的特征信息。对第三特征向量进行升维处理，获得第三特征信息。
[0018]可选的，编码单元具体用于：根据编码确定多个第一特征向量之间的关联信息，根据该关联信息与多个第一特征向量确定多个第二特征向量。
[0019]可选的，提取单元具本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于小样本学习的目标检测方法，其特征在于，包括：采用神经网络对支持图像集和待检测图像进行特征提取，获得所述支持图像集的多个第一特征信息和所述待检测图像的第二特征信息，其中，所述待检测图像中包括待检测目标，所述支持图像集包括多个样本图样，每个所述样本图像中的目标的类型与所述待检测目标的类型相同，一个所述样本图像与一个所述第一特征信息对应，不同所述样本图像对应的所述第一特征信息不同；基于所述多个第一特征信息对所述第二特征信息进行特征提取，获得待检测特征图；根据所述多个第一特征信息各自的特征向量生成第三特征信息，所述特征向量用于指示所述多个样本图像间的相关关系；基于所述待检测特征图及所述第三特征信息确定所述待检测图像中的所述待检测目标。2.如权利要求1所述的方法，其特征在于，所述第一特征信息包括三个维度上的特征信息，根据所述多个第一特征信息各自的特征向量生成第三特征信息，包括：对所述多个第一特征信息进行降维处理，得到多个第一特征向量，所述多个第一特征信息与所述多个第一特征向量一一对应；对所述多个第一特征向量进行编码，获得多个第二特征向量；根据所述多个第二特征向量生成第三特征向量，所述第三特征向量包括所述多个第二特征向量加权求和得到的特征信息；对所述第三特征向量进行升维处理，获得所述第三特征信息。3.如权利要求2所述的方法，其特征在于，对所述多个第一特征向量进行编码，获得多个第二特征向量，包括：根据编码确定所述多个第一特征向量之间的关联信息；根据所述关联信息与所述多个第一特征向量确定所述多个第二特征向量。4.如权利要求1所述的方法，其特征在于，基于所述多个第一特征信息对所述第二特征信息进行特征提取，获得待检测特征图，包括：以所述多个第一特征信息为卷积核对所述第二特征信息进行特征提取，获得多个第四特征信息,所述多个第四特征信息与所述多个第一特征信息一一对应；将所述多个第四特征信息输入预设的区域生成网络RPN，获得初始待检测特征图；对所述初始待检测特征图进行特征提取，生成所述待检测特征图。5.如权利要求1所述的方法，其特征在于，所述待检测特征图及所述第三特征信息包括通道维度的信息，基于所述待检测特征图及所述第三特征图确定所述待检测图像的目标，包括：对所述待检测特征图及所述第三特征信息分别进行池化处理，将池化处理后的所述待检测特征图及所述第三特征信息在所述通道维度进行拼接，对拼接后的特征图进行全...
【专利技术属性】
技术研发人员：熊涛，孙鹤，潘华东，殷俊，
申请(专利权)人：浙江大华技术股份有限公司，
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。