[发明专利]一种目标检测方法、电子设备及存储介质

说明书

本发明实施例涉及图像处理领域，公开了一种目标检测方法、电子设备及存储介质。本申请的部分实施例中，目标检测方法包括：获取待检测图像；调用目标检测模型对待检测图像进行检测，确定待检测图像中的目标物体的类别，目标检测模型根据第一图像数据和第一图像数据的类别标注文件训练得到，调用目标物体的类别对应的分类模型，识别目标物体的种类；分类模型根据第二图像数据和第二图像数据中的物体的种类信息训练得到，第二图像数据中包括分类模型对应的类别的物体的图像。该实现中，能够提高检测速度。

技术领域

本发明实施例涉及图像处理领域，特别涉及一种目标检测方法、电子设备及存储介质。

背景技术

深度学习是机器学习中一种基于对数据进行表征学习的方法。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。目前，智能货柜识别商品时，常常基于深度学习目标检测算法来检测识别货柜中的商品。使用深度学习目标检测算法比传统目标检测算法准确率高。

然而，发明人发现现有技术中至少存在如下问题：使用深度学习检测算法训练一个目标检测模型时，训练时间会随着训练数据量的增大而增大，这是相比较传统目标检测算法的一个明显缺点。因此，目标检测模型要能够检测新的物体，往往需要经过很长时间。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本发明实施方式的目的在于提供一种目标检测方法、电子设备及存储介质，使得能够提高检测速度。

为解决上述技术问题，本发明的实施方式提供了一种目标检测方法，包括：获取待检测图像；调用目标检测模型对待检测图像进行检测，确定待检测图像中的目标物体的类别，目标检测模型根据第一图像数据和第一图像数据的类别标注文件训练得到，类别标注文件包括第一图像数据中的物体的类别信息；调用目标物体的类别对应的分类模型，识别目标物体的种类；分类模型根据第二图像数据和第二图像数据中的物体的种类信息训练得到，第二图像数据中包括分类模型对应的类别的物体的图像。

本发明的实施方式还提供了一种目标检测装置，包括：获取模块和检测模块；获取模块用于获取待检测图像；检测模块用于调用目标检测模型对待检测图像进行检测，确定待检测图像中的目标物体的类别，目标检测模型根据第一图像数据和第一图像数据的类别标注文件训练得到，类别标注文件中的第一图像数据中的物体的类别信息；调用目标物体的类别对应的分类模型，识别目标物体的种类；分类模型根据第二图像数据和第二图像数据中的物体的种类信息训练得到，第二图像数据中包括分类模型对应的类别的物体的图像。

本发明的实施方式还提供了一种电子设备，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如上述实施方式提及的目标检测方法。

本发明的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时实现上述实施方式提及的目标检测方法。

本发明实施方式相对于现有技术而言，电子设备先调用目标检测模型识别目标物体的类别，再调用该目标物体的类别对应的分类模型识别目标物体的种类，在增加新增物体时，电子设备更新该新增物体对应的分类模型即可识别该新增物体，减少了电子设备的更新时间，提高了电子设备实现新增物体的检测的速度，也提高了电子设备的可扩展性。

另外，在获取待检测图像之前或之后，目标检测方法还包括：获取第三图像数据和第三图像数据中的物体的种类信息；其中，第三图像数据包括新增物体的图像；确定新增物体的类别；基于第三图像数据和第三图像数据中的物体的种类信息，更新新增物体的类别对应的分类模型。该实现中，能够减少电子设备的更新时间，提高电子设备的可扩展性