【技术实现步骤摘要】
本专利技术涉及目标检测，尤其涉及一种标签生成、目标检测模型训练、危险对象检测方法及装置。
技术介绍
1、目标检测的目的是在图像中自动定位和识别出感兴趣的目标物体。随着目标检测技术和深度学习技术的发展，人们开始尝试使用端到端的学习方法来进行目标检测，并取得了显著的效果。
2、相关技术中，目标检测模型通常采用正框检测的方式，来预测图像中目标物体的正框坐标以及对应的类别概率。然而，利用目标检测模型进行正框检测时的误检率较高，检测效果有待优化。
技术实现思路
1、本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的第一个目的在于提出一种标签生成方法，提高初始样本图像中目标物体对象的标签信息的精确度，并进一步有助于优化目标检测模型的检测效果。
2、本专利技术的第二个目的在于提出一种目标检测模型训练方法。
3、本专利技术的第三个目的在于提出一种危险对象检测方法。
4、本专利技术的第四个目的在于提出一种标签生成装置。
5、本专利技术的第五个目的在于提出一种目标检测模型训练装置。
6、本专利技术的第六个目的在于提出一种危险对象检测装置。
7、本专利技术的第七个目的在于提出一种计算机设备。
8、本专利技术的第八个目的在于提出一种芯片。
9、本专利技术的第九个目的在于提出一种计算机可读存储介质。
10、为达到上述目的，本专利技术第一方面实施方式提出了一种标签
11、根据本专利技术的一个实施方式，所述待分割样本图像中具有通过标注所述待标注对象得到的分割提示；所述对所述待分割样本图像进行分割，得到对应的掩码图像，包括：基于所述分割提示对所述待分割样本图像进行语义分割，得到所述掩码图像。
12、根据本专利技术的一个实施方式，所述获取待分割样本图像，包括：响应于针对所述初始样本图像中的待标注对象的正框标注操作，在所述初始样本图像中生成所述待标注对象的分割提示，得到待分割样本图像。
13、根据本专利技术的一个实施方式，所述待标注对象为危险对象；所述初始样本图像为通过对所述危险对象进行监控拍摄得到的图像。
14、根据本专利技术的一个实施方式，所述待标注对象为电动车；所述初始样本图像为通过对电梯内是否存在电动车进行监控拍摄得到的电梯内电动车图像。
15、根据本专利技术的一个实施方式，所述掩码图像是通过分割大模型sam对待分割样本图像进行分割得到的；所述目标检测模型采用yolov5检测模型。
16、为达到上述目的，本专利技术第二方面实施方式提出了一种目标检测模型训练方法，所述方法包括：获取图像样本集合；其中，所述图像样本集合中包括若干初始样本图像，所述初始样本图像的目标标签是通过前述任一项实施方式所述的标签生成方法而生成；将初始样本图像输入至初始检测模型中，得到初始样本图像对应的输出特征图；基于所述标注标签与所述输出特征图确定回归框损失数据和类别损失数据，以及基于所述额外标签与所述输出特征图确定修正损失数据；根据所述回归框损失数据、所述类别损失数据和所述修正损失数据对所述初始检测模型进行更新，以得到所述目标检测模型。
17、根据本专利技术的一个实施方式，所述基于所述额外标签与所述输出特征图确定修正损失数据，包括：基于所述额外标签与所述输出特征图确定二元交叉熵损失，作为所述修正损失数据。
18、根据本专利技术的一个实施方式，所述目标检测模型包括多个尺度分别对应的特征提取网络，所述输出特征图包括任一尺度对应的特征图；所述基于所述额外标签与所述输出特征图确定修正损失数据，包括：根据所述任一尺度对所述额外标签进行下采样，得到所述任一尺度对应的采样后标签；根据所述任一尺度对应的特征图和所述采样后标签进行损失计算，得到所述任一尺度对应的修正损失数据；其中，所述修正损失数据包括所述任一尺度对应的修正损失数据。
19、为达到上述目的，本专利技术第三方面实施方式提出了一种危险对象检测方法，所述方法包括：获取待检测图像；将所述待检测图像输入至根据前述任一项实施方式所述目标检测模型训练方法得到的目标检测模型进行目标检测，得到所述待检测图像的目标检测结果；根据所述目标检测结果确定所述待检测图像中是否存在所述危险对象。
20、根据本专利技术的一个实施方式，所述危险对象包括电梯内的电动车、电梯内的大容量蓄电池、消防通道上的障碍物、仓库内的易燃物、电箱内的裸露电线中的任一种。
21、为达到上述目的，本专利技术第四方面实施方式提出了一种标签生成装置，所述装置包括：样本图像获取模块，用于获取待分割样本图像；其中，所述待分割样本图像是通过在初始样本图像中标注出待标注对象得到的；额外标签获取模块，用于对所述待分割样本图像进行分割，得到对应的掩码图像，作为所述初始样本图像的额外标签；其中，所述额外标签用于指示所述待标注对象在所述初始样本图像中的分布区域；目标标签生成模块，用于基于所述初始样本图像的标注标签和所述额外标签生成所述初始样本图像的目标标签；其中，所述标注标签用于表明所述待标注对象在所述初始样本图像中的坐标数据以及类别数据；若利用所述初始样本图像训练目标检测模型，所述目标检测模型的损失数据包括基于所述额外标签与所述初始样本图像对应的输出特征图确定的修正损失数据。
22、根据本专利技术的一个实施方式，所述待分割样本图像中具有通过标注所述待标注对象得到的分割提示；所述额外标签获取模块，还用于基于所述分割提示对所述待分割样本图像进行语义分割，得到所述掩码图像。
23、为达到上述目的，本专利技术第五方面实施方式提出了一种目标检测模型训练装置，所述装置包括：样本集合获取模块，用于获取图像样本集合；其中，所述图像样本集合中包括若干初始样本图像，所述初始样本图像的目标标签是通过前述任一项实施方式所述的标签生成方法而生成；特征图获取模块，用于将初始样本图像输入至初始检测模型中，得到初始样本图像对应的输出特征图；损失数据确定模块，用于基于所述标注标签与所述输出特征图确定回归框损失数据和类别损失数据，以及基于所述额外标签与所述输出特征图确定修正损失数据；检测模型更新模块，用于根据所述回归框损失数据、所述类别损失数据和所述修正损失数据对所述初始检测模型进行更新，以得到所述目标检测模型。
24、根据本专利技术的一个实施方式，所述目标检测本文档来自技高网...
【技术保护点】
1.一种标签生成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述待分割样本图像中具有通过标注所述待标注对象得到的分割提示；所述对所述待分割样本图像进行分割，得到对应的掩码图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述获取待分割样本图像，包括：
4.根据权利要求1至3任一项所述的方法，其特征在于，所述待标注对象为危险对象；
5.根据权利要求1至3任一项所述的方法，其特征在于，所述待标注对象为电动车；
6.根据权利要求1至3任一项所述的方法，其特征在于，所述掩码图像是通过分割大模型SAM对待分割样本图像进行分割得到的；
7.一种目标检测模型训练方法，其特征在于，所述方法包括：
8.根据权利要求7所述的方法，其特征在于，所述基于所述额外标签与所述输出特征图确定修正损失数据，包括：
9.根据权利要求7所述的方法，其特征在于，所述目标检测模型包括多个尺度分别对应的特征提取网络，所述输出特征图包括任一尺度对应的特征图；所述基于所述额外标签与所述输出特征
10.一种危险对象检测方法，其特征在于，所述方法包括：
11.根据权利要求10所述的方法，其特征在于，所述危险对象包括电梯内的电动车、电梯内的大容量蓄电池、消防通道上的障碍物、仓库内的易燃物、电箱内的裸露电线中的任一种。
12.一种标签生成装置，其特征在于，所述装置包括：
13.根据权利要求12所述的装置，其特征在于，所述待分割样本图像中具有通过标注所述待标注对象得到的分割提示；
14.一种目标检测模型训练装置，其特征在于，所述装置包括：
15.根据权利要求14所述的装置，其特征在于，所述目标检测模型包括多个尺度分别对应的特征提取网络，所述输出特征图包括任一尺度对应的特征图；
16.一种危险对象检测装置，其特征在于，所述装置包括：
17.根据权利要求16所述的装置，其特征在于，所述危险对象包括电梯内的电动车、电梯内的大容量蓄电池、消防通道上的障碍物、仓库内的易燃物、电箱内的裸露电线中的任一种。
18.一种计算机设备，包括存储器和处理器，所述存储器存储有第一计算机程序，其特征在于，所述处理器执行所述第一计算机程序时实现权利要求1至11中任一项所述的方法的步骤。
19.一种芯片，包括存储单元和处理单元，所述存储单元存储有第二计算机程序，其特征在于，所述处理单元执行所述第二计算机程序时实现权利要求1至11中任一项所述的方法的步骤。
20.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至11中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种标签生成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述待分割样本图像中具有通过标注所述待标注对象得到的分割提示；所述对所述待分割样本图像进行分割，得到对应的掩码图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述获取待分割样本图像，包括：
4.根据权利要求1至3任一项所述的方法，其特征在于，所述待标注对象为危险对象；
5.根据权利要求1至3任一项所述的方法，其特征在于，所述待标注对象为电动车；
6.根据权利要求1至3任一项所述的方法，其特征在于，所述掩码图像是通过分割大模型sam对待分割样本图像进行分割得到的；
7.一种目标检测模型训练方法，其特征在于，所述方法包括：
8.根据权利要求7所述的方法，其特征在于，所述基于所述额外标签与所述输出特征图确定修正损失数据，包括：
9.根据权利要求7所述的方法，其特征在于，所述目标检测模型包括多个尺度分别对应的特征提取网络，所述输出特征图包括任一尺度对应的特征图；所述基于所述额外标签与所述输出特征图确定修正损失数据，包括：
10.一种危险对象检测方法，其特征在于，所述方法包括：
11.根据权利要求10所述的方法，其特征在于，所述危险对象包括电梯内的电动车、电梯内的大容量蓄电池、消防通道上的障碍...
【专利技术属性】
技术研发人员：黄云涛，田志仲，龚向锋，李扬，孙天锋，于秀丽，田亮，汪天寿，臧其威，乔磊，
申请(专利权)人：北京智芯微电子科技有限公司，
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。