[发明专利]一种目标检测方法、装置及存储介质

权利要求书

1.一种目标检测方法，其特征在于，所述方法包括：

获取待检测图像；

基于目标检测模型对所述待检测图像进行目标检测，得到第一目标检测结果；

基于误检筛查模型对所述第一目标检测结果进行误检筛查，得到第二目标检测结果；

其中，所述误检筛查模型是对所述目标检测模型测试得到的误检结果进行聚类处理后训练得到的，且所述误检筛查模型包括一个或多个级联的误检筛查子模型。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取样本验证集；

基于所述目标检测模型对所述样本验证集进行目标检测，确定第一误检结果；

对所述第一误检结果进行聚类处理，得到误检筛查负样本；

基于所述误检筛查负样本对第一神经网络模型进行误检筛查训练，在误检筛查的训练中调整所述第一神经网络模型的模型参数至所述第一神经网络模型的第一损失函数满足第一收敛条件；

将当前的第一神经网络模型作为所述误检筛查模型。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

在对所述第一误检结果进行聚类处理之后，基于预设配置信息和/或所述第一误检结果中各类别的平均置信度进行权重配置，将权重配置后的所述第一误检结果作为所述误检筛查负样本。

4.根据权利要求2所述的方法，其特征在于，所述方法还包括：

在对所述第一误检结果进行聚类处理之后，确定第一聚类误检结果；

获取样本训练集；

基于所述目标检测模型对所述样本训练集进行目标检测，确定补充样本误检结果；

对所述第一聚类误检结果及所述补充样本误检结果进行聚类处理，得到补充聚类样本；

将所述补充聚类样本作为所述误检筛查负样本。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取样本待检测图像及对应的目标标注结果；

基于所述样本待检测图像及对应的目标标注结果对第二神经网络模型进行目标检测的训练，在目标检测的训练中调整所述第二神经网络模型的模型参数至所述第二神经网络模型的第二损失函数满足第二收敛条件；

将当前的第二神经网络模型作为所述目标检测模型。

6.一种目标检测方法，其特征在于，所述方法包括：

获取待检测图像；

基于目标检测模型对所述待检测图像进行目标检测，得到第一目标检测结果；

基于误检筛查模型对所述待检测图像进行目标检测，得到第三目标检测结果；

确定所述第一目标检测结果与所述第三目标检测结果的交集；

将所述第一目标检测结果与所述第三目标检测结果的交集作为误检筛查后的目标检测结果；

其中，所述误检筛查模型是对所述目标检测模型测试得到的误检结果进行聚类处理后训练得到的。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

在确定所述第一目标检测结果与所述第三目标检测结果的交集之后，确定所述第三目标检测结果中置信度大于预设阈值的对象；

将所述第三目标检测结果中置信度大于预设阈值的对象和所述第一目标检测结果与所述第三目标检测结果的交集作为误检筛查后的目标检测结果。

8.一种目标检测装置，其特征在于，所述装置包括：

第一图像获取模块，用于获取待检测图像；

第一目标检测模块，用于基于目标检测模型对所述待检测图像进行目标检测，得到第一目标检测结果；

第一误检筛查模块，用于基于误检筛查模型对所述第一目标检测结果进行误检筛查，得到第二目标检测结果，其中，所述误检筛查模型是对所述目标检测模型测试得到的误检结果进行聚类处理后训练得到的，且所述误检筛查模型包括一个或多个级联的误检筛查子模型。