【技术实现步骤摘要】
本专利技术实施例涉及计算机，特别是涉及一种目标检测方法、一种目标检测装置、一种电子设备以及一种计算机可读存储介质。
技术介绍
1、目标检测的任务是找出图像中所有感兴趣的目标(物体)，确定目标的类别和位置，是计算机视觉领域的核心问题之一。随着人工智能技术和硬件设备算力的迅速发展，目标检测模型的速度和精度也得到了极大提升，已经成为许多自动化系统的核心技术。目标检测模型帮助自动化设备准确识别并定位图像或视频中的物体，以便其执行相应的任务，不仅提高了生产效率，还增强了系统的智能化水平。
2、目前，自动化领域中目标检测模型的训练所需的数据通常在单一场景(环境)下(如实验室场景或自动化产线的某一场景)采集得到，然而，单一场景的数据训练的目标检测模型在环境变化后性能会退化，当目标检测模型有不同场景(如产线变更、不同应用场景环境差异大)的使用需求时，需要在目标场景中再次采集作为训练图像的数据并进行标注，再用于目标检测模型微调以保证模型性能，但是这种方式耗时耗力，导致目标检测模型的训练效率不高，进而导致目标检测模型的部署效率不高。
技术实现思路
1、本专利技术实施例是提供一种目标检测方法、装置、电子设备以及计算机可读存储介质，以解决导致目标检测模型的训练效率不高，进而导致目标检测模型的部署效率不高的问题。
2、本专利技术实施例公开了一种目标检测方法，所述方法包括：
3、获取源场景对应的训练图像和背景图像；其中，所述训练图像中包括标注数据和未标注数据，所述训练图像为
4、根据所述标注数据和所述背景图像构建标注图像训练样本对；
5、根据所述未标注数据和所述背景图像构建未标注图像训练样本对；
6、采用所述标注图像训练样本对和所述未标注图像训练样本对训练待训练的目标检测模型，得到预训练模型；
7、获取目标场景的目标背景图像，将所述目标区域迁移至所述目标背景图像；
8、采用迁移所述目标区域的所述目标背景图像对所述预训练模型进行调整，将调整后的所述预训练模型作为训练完成的目标检测模型，以根据调整后的所述目标检测模型对目标场景中的目标进行检测。
9、本专利技术实施例还公开了一种目标检测模型训练装置，所述装置包括：
10、第一获取模块，用于获取源场景对应的训练图像和背景图像；其中，所述训练图像中包括标注数据和未标注数据，所述训练图像为包括目标区域，所述背景图像不包括目标区域；
11、第一构建模块，用于根据所述标注数据和所述背景图像构建标注图像训练样本对；
12、第二构建模块，用于根据所述未标注数据和所述背景图像构建未标注图像训练样本对；
13、预训练模块，用于采用所述标注图像训练样本对和所述未标注图像训练样本对训练待训练的目标检测模型，得到预训练模型；
14、第二获取模块，用于获取目标场景的目标背景图像，将所述目标区域迁移至所述目标背景图像；
15、调整模块，用于采用迁移所述目标区域的所述目标背景图像对所述预训练模型进行调整，将调整后的所述预训练模型作为训练完成的目标检测模型，以根据调整后的所述目标检测模型对目标场景中的目标进行检测。
16、本专利技术实施例还公开了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口以及所述存储器通过所述通信总线完成相互间的通信；
17、所述存储器，用于存放计算机程序；
18、所述处理器，用于执行存储器上所存放的程序时，实现如本专利技术实施例所述的方法。
19、本专利技术实施例还公开了一种计算机程序产品，该程序产品被存储在存储介质中，该计算机程序产品被至少一个处理器执行以实现如本专利技术实施例所述的方法。
20、本专利技术实施例还公开了一种计算机可读存储介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如本专利技术实施例所述的方法。
21、本专利技术实施例包括以下优点：
22、在本专利技术实施例中，获取源场景对应的训练图像和背景图像，根据标注数据和背景图像构建标注图像训练样本对，以及，根据未标注数据和背景图像构建未标注图像训练样本对，进而可以采用标注图像训练样本对和未标注图像训练样本对比训练待训练的目标检测模型，得到预训练模型，接着，获取目标场景的目标背景图像，将目标区域迁移至目标背景图像，并采用目标背景图像对预训练模型进行调整得到训练完成的目标检测模型。本专利技术实施例可以基于源场景对应的训练图像(包括目标区域)和背景图像训练得到预训练模型后，由于预训练模型为初步训练得到模型，进一步获取目标场景的目标背景图像与目标区域结合生成目标背景图像来对预训练模型进行训练，无需从头开始训练模型，因此提高了针对目标场景的目标检测模型的训练效率，进而提高了目标检测模型的部署效率。
本文档来自技高网...【技术保护点】
1.一种目标检测方法，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，所述目标区域包括目标包围框和类别，根据所述标注数据和所述背景图像构建标注图像训练样本对，包括：
3.根据权利要求2所述的方法，其特征在于，所述标注图像训练样本对包括标注正样本对和标注负样本对；根据所述目标区域、所述第一背景图像和所述第二背景图像，构建标注图像训练样本对，包括：
4.根据权利要求1所述的方法，其特征在于，根据所述未标注数据和所述背景图像构建未标注图像训练样本对，包括：
5.根据权利要求4所述的方法，其特征在于，根据所述背景区域确定所述分割区域是否为前景区域，包括：
6.根据权利要求4所述的方法，其特征在于，所述标注图像训练样本对包括未标注正样本对和未标注负样本对；根据所述目标分割区域、所述第三背景图像和所述第四背景图像，构建未标注图像训练样本对，包括：
7.根据权利要求1所述的方法，其特征在于，采用所述标注图像训练样本对和所述未标注图像训练样本对训练待训练的目标检测模型，得到预训练模型，包括：
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。