[发明专利]一种目标检测方法、装置、存储介质及设备

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：

预先训练预设的机器学习模型，得到目标检测模型；

获取待进行目标检测的图片；

将所述图片输入目标检测模型得到所述图片的目标检测结果；

其中，所述预先训练预设的机器学习模型，得到目标检测模型，包括：

获取带有残缺标注的第一数据集；所述残缺标注为无法通过映射的方式覆盖目标检测的全部类别的标注；

将第一数据集中的各个图片依次输入机器学习模型，得到每个图片对应的目标检测结果；

根据所述目标检测结果、所述图片的真值标注和目标检测的类别生成所述图片对应的伪真值标注；

将所述图片及其对应的标注作为第二数据集的元素，得到第二数据集；所述第二数据集的图片包括真值标注和伪真值标注，所述真值标注中的类别和伪真值标注中的类别的并集覆盖了所述目标检测的全部类别；

将所述第一数据集和所述第二数据集作为训练集，训练所述机器学习模型，得到目标检测模型。

2.根据权利要求1所述的方法，其特征在于，所述获取带有残缺标注的第一数据集，包括：

获取至少一个子数据集，各个子数据集均包括图片和所述图片对应的原始标注，所述原始标注中的至少一个类别能够被映射到目标检测对应的类别；并且，各个子数据集中至少一个为残缺子数据集，所述残缺子数据集中的原始标注中的类别无法覆盖目标检测对应的全部类别；

根据各个子数据集的原始标注中的类别与目标检测对应的类别的映射关系，得到第一数据集，所述第一数据集包括图片和图片对应的真值标注，所述图片来源于所述各个子数据集，所述真值标注根据原始标注和所述映射关系而得到。

3.根据权利要求1所述的方法，其特征在于，所述目标检测结果包括检测框，对应于所述检测框的预测置信度和类别置信度：

在将第一数据集中的各个图片依次输入机器学习模型，得到每个图片对应的目标检测结果之后，还包括对所述目标检测结果进行类别过滤的步骤；所述对所述目标检测结果进行类别过滤，包括：对于所述目标结果中每一个检测框，将类别置信度最高的类别作为所述检测框中物体对应的类别；

所述根据所述目标检测结果、所述图片的真值标注和目标检测的类别生成所述图片对应的伪真值标注，包括；

对于所述目标检测结果中的各个检测框，若所述检测框中的物体对应的类别并未被所述图片的真值标注命中，并且属于所述目标检测的类别，则为所述检测框中的物体进行伪真值标注。

4.根据权利要求1所述的方法，其特征在于，所述将所述第一数据集和第二数据集作为训练集，训练所述机器学习模型，得到目标检测模型，包括：

根据所述第一数据集输入所述机器学习模型得到的目标检测结果确定正样本；

根据所述第二数据集输入所述机器学习模型得到的目标检测结果确定负样本；

根据所述正样本和所述负样本对所述机器学习模型进行训练，得到目标检测模型。

5.根据权利要求4所述的方法，其特征在于：

所述根据所述第一数据集输入所述机器学习模型得到的目标检测结果确定正样本，包括：

对于第一数据集中的图片产生的目标检测结果，若检测框与真值标注中的检测框的交并比大于预设第一阈值，则所述检测框被确定为正样本；

所述根据所述第二数据集输入所述机器学习模型得到的目标检测结果确定负样本，包括：

若检测框与伪真值标注的结果的类别不同，则所述检测框被确定为负样本；若所述检测框与标注结果的类别相同，但是与标注结果中的检测框的交并比小于预设第二阈值，则所述检测框被确定为负样本；所述标注结果包括真值标注和伪真值标注。