【技术实现步骤摘要】
本专利技术涉及图像检测，尤其涉及一种用于降低目标检测误报率的方法、装置、设备及介质。
技术介绍
1、随着科学技术的发展，人工智能技术不断提高。
2、目标检测模型可以基于计算机视觉算法，检测出图像中的人、动物、植物或物体，并定位其位置。
3、相关技术在模型训练阶段，可以基于待应用的场景来构建训练数据集，基于该训练数据集训练得到目标检测模型。在部署应用阶段，可以通过对应场景中的监控摄像机采集图像，之后利用目标检测模型对采集到的图像进行检测。
4、但是，在某些情况下，比如将目标检测模型迁移到新的场景，目标检测模型的误报率较高。
技术实现思路
1、本专利技术提供一种用于降低目标检测误报率的方法、装置、设备及介质，用以解决相关技术中目标检测模型的误报率较高的缺陷，降低目标检测误报率。
2、第一方面，本专利技术提供用于降低目标检测误报率的方法，包括：
3、将待检测的第一图像输入至训练好的目标检测模型中进行目标检测，得到第一检测结果，所述第一检测结果中包括第一类别标识和第一边界框信息；
4、判断所述第一检测结果中的所述第一类别标识是否为正确标识；
5、确定所述第一类别标识为正确标识，则输出所述第一类别标识和所述第一边界框信息；
6、确定所述第一检测结果中的所述第一类别标识为错误标识，则禁止输出所述第一类别标识和所述第一边界框信息，并在所述第一图像中获取所述第一边界框信息对应的第一区域图像，在所述第一区
7、将待检测的第二图像输入至所述目标检测模型中进行目标检测，直至满足设定的错误特征采集终止条件为止，将当前的数据库确定为目标特征错误库；
8、将待检测图像输入至所述目标检测模型中进行目标检测，得到检测结果；
9、根据所述目标特征错误库存储的所述错误图像特征，确定所述检测结果为错误检测结果，则禁止输出所述检测结果，以降低目标检测误报率。
10、可选的，所述检测结果中包括对应的类别标识和边界框信息；
11、所述根据所述目标特征错误库存储的所述错误图像特征，确定所述检测结果为错误检测结果，包括：
12、在所述待检测图像中获取所述边界框信息对应的区域图像，并在所述区域图像中提取图像特征；
13、分别确定所述图像特征与所述目标特征错误库存储的每个所述错误图像特征之间的相似度；
14、确定至少一个所述相似度不小于预设相似度阈值，则确定检测出的所述类别标识为错误标识，并确定所述检测结果为错误检测结果。
15、可选的，在所述分别确定所述图像特征与所述目标特征错误库存储的每个所述错误图像特征之间的相似度之后，所述方法还包括：
16、确定每个所述相似度小于所述预设相似度阈值，则确定检测出的所述类别标识为正确标识，确定所述检测结果为正确结果，并输出所述检测结果。
17、可选的，所述错误特征采集终止条件为所述目标检测模型的图像检测数量不小于预设数量阈值，且所述目标检测模型的检测准确率不小于预设准确率阈值。
18、可选的，所述目标检测模型为根据扩充后训练数据集对待训练目标检测模型进行训练得到，所述扩充后训练数据集为对原始训练数据集进行数据扩充得到；
19、其中，所述原始训练数据集中包括n个样本图像，n为大于2的整数；对所述原始训练数据集进行数据扩充以得到所述扩充后训练数据集的过程，包括：
20、分别对每个所述样本图像进行小目标遮挡，得到每个所述样本图像对应的遮挡后图像；
21、对任意m个所述遮挡后图像进行拼接，得到拼接图像；其中，m为大于1且小于n的整数；
22、对每个所述拼接图像进行尺度缩小，得到缩小后图像；
23、将所有所述缩小后图像和所述n个样本图像整体作为所述扩充后训练数据集。
24、第二方面，本专利技术提供一种用于降低目标检测误报率的装置，包括：
25、第一检测单元，用于将待检测的第一图像输入至训练好的目标检测模型中进行目标检测，得到第一检测结果，所述第一检测结果中包括第一类别标识和第一边界框信息；
26、判断单元，用于判断所述第一检测结果中的所述第一类别标识是否为正确标识；
27、第一确定单元，用于确定所述第一类别标识为正确标识，则输出所述第一类别标识和所述第一边界框信息；
28、第二确定单元，用于确定所述第一检测结果中的所述第一类别标识为错误标识，则禁止输出所述第一类别标识和所述第一边界框信息；
29、获取单元，用于在所述第一图像中获取所述第一边界框信息对应的第一区域图像；
30、提取单元，用于在所述第一区域图像中提取第一图像特征；
31、作为单元，用于将所述第一图像特征作为错误图像特征保存至数据库中；
32、第二检测单元，用于将待检测的第二图像输入至所述目标检测模型中进行目标检测，直至满足设定的错误特征采集终止条件为止；
33、第三确定单元，用于将当前的数据库确定为目标特征错误库；
34、第三检测单元，用于将待检测图像输入至所述目标检测模型中进行目标检测，得到检测结果；
35、第四确定单元，用于根据所述目标特征错误库存储的所述错误图像特征，确定所述检测结果为错误检测结果，则禁止输出所述检测结果，以降低目标检测误报率。
36、可选的，所述检测结果中包括对应的类别标识和边界框信息；
37、所述第四确定单元，还用于：
38、在所述待检测图像中获取所述边界框信息对应的区域图像，并在所述区域图像中提取图像特征；
39、分别确定所述图像特征与所述目标特征错误库存储的每个所述错误图像特征之间的相似度；
40、确定至少一个所述相似度不小于预设相似度阈值，则确定检测出的所述类别标识为错误标识，并确定所述检测结果为错误检测结果。
41、可选的，所述装置还包括：
42、第五确定单元，用于在所述分别确定所述图像特征与所述目标特征错误库存储的每个所述错误图像特征之间的相似度之后，确定每个所述相似度小于所述预设相似度阈值，则确定检测出的所述类别标识为正确标识，确定所述检测结果为正确结果，并输出所述检测结果。
43、可选的，所述错误特征采集终止条件为所述目标检测模型的图像检测数量不小于预设数量阈值，且所述目标检测模型的检测准确率不小于预设准确率阈值。
44、可选的，所述目标检测模型为根据扩充后训练数据集对待训练目标检测模型进行训练得到，所述扩充后训练数据集为对原始训练数据集进行数据扩充得到；
45、其中，所述原始训练数据集中包括n个样本图像，n为大于2的整数；对所述原始训练数据集进行数据扩充以得到所述扩充后训练数据集的过程，包括：
46、分本文档来自技高网...
【技术保护点】
1.一种用于降低目标检测误报率的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述检测结果中包括对应的类别标识和边界框信息；
3.根据权利要求2所述的方法，其特征在于，在所述分别确定所述图像特征与所述目标特征错误库存储的每个所述错误图像特征之间的相似度之后，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述错误特征采集终止条件为所述目标检测模型的图像检测数量不小于预设数量阈值，且所述目标检测模型的检测准确率不小于预设准确率阈值。
5.根据权利要求1所述的方法，其特征在于，所述目标检测模型为根据扩充后训练数据集对待训练目标检测模型进行训练得到，所述扩充后训练数据集为对原始训练数据集进行数据扩充得到；
6.一种用于降低目标检测误报率的装置，其特征在于，包括：
7.根据权利要求6所述的装置，其特征在于，所述检测结果中包括对应的类别标识和边界框信息；
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
9.一种计算机设备，其特征在于，包括：
<...【技术特征摘要】
1.一种用于降低目标检测误报率的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述检测结果中包括对应的类别标识和边界框信息；
3.根据权利要求2所述的方法，其特征在于，在所述分别确定所述图像特征与所述目标特征错误库存储的每个所述错误图像特征之间的相似度之后，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述错误特征采集终止条件为所述目标检测模型的图像检测数量不小于预设数量阈值，且所述目标检测模型的检测准确率不小于预设准确率阈值。
5.根据权利要求1所述的方法，其特征在于，所述目标检测模型为根据扩充...
【专利技术属性】
技术研发人员：罗静，雷庆庆，王晓，敦建征，周昌锋，毛少将，郭宇鹏，任峰，李沛然，张丽，
申请(专利权)人：通号通信信息集团有限公司，
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。