[发明专利]一种目标检测方法、装置、存储介质及设备

说明书

本发明公开了一种目标检测方法、装置、存储介质及设备，所述方法包括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，所述目标检测模型通过预设的训练方法训练预设的机器学习模型而得到，所述预设的训练方法用于基于带有残缺标注的第一数据集和所述机器学习模型生成带有全标注的第二数据集，根据所述第一数据集和所述第二数据集训练所述机器学习模型，得到所述目标检测模型。本发明通过对残缺标注场景中的机器学习模型进行训练，得到的目标检测模型的精准度依然保持在较高水平，在确保目标检测精准的同时显著扩展了基于人工智能进行目标检测的可实施场景，也减低了人力成本。

技术领域

本说明书涉及目标检测领域，尤其涉及一种目标检测方法、装置、存储介质及设备。

背景技术

随着计算机技术的发展，通过依托于人工智能的机器学习手段进行目标检测的技术的准确度和速度大为提升，已经日渐成为了一种主流的目标检测的研究方向。传统的通过机器学习手段进行目标检测的方法可以通过构建数据集，依托所述数据集对机器进行训练得到目标检测机器，依托目标检测机器自动进行目标检测。然而，这种方法对于数据集的要求较高，数据集中需要标注有目标检测中的全部类别，标注动作对于人工依赖性强，对人力资源耗费明显。

当然，现有技术也陆续提出了一些可以降低对于标注的依赖性的方法，比如过滤缺少标注的数据，但是这使得数据集的数据量减小影响了训练精度；再比如依托于无监督学习或者部分监督学习方法训练机器，但是这需要对机器的框架进行较大改动。

发明内容

为了降低目标检测场景中，训练过程对于数据集的标注的依赖程度，使得残缺标注对应的图片在训练过程中能够更好地发挥作用，本说明书实施例提供一种目标检测方法、装置、存储介质及设备。

一方面，本说明书提供了一种目标检测方法，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；

通过将所述第一数据集输入所述机器学习模型得到第二数据集；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。

另一方面，本说明书提供一种目标检测装置，所述装置包括：

目标检测模型训练模块，用于预先训练预设的机器学习模型，得到目标检测模型；

图片获取模块，用于获取待进行目标检测的图片；

目标检测结果输出模块，用于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，所述目标检测模型训练模块包括：

第一数据集获取单元，用于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；

第二数据集获取单元，用于通过将所述第一数据集输入所述机器学习模型得到第二数据集；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；

训练单元，用于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。