[发明专利]图像检测方法、装置、电子设备及存储介质在审

专利信息
申请号: 202011645110.5 申请日: 2020-12-31
公开(公告)号: CN112767320A 公开(公告)日: 2021-05-07
发明(设计)人: 王健宗;瞿晓阳;李佳琳 申请(专利权)人: 平安科技(深圳)有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T5/00;G06K9/46;G06N3/04;G06N3/08;G06N5/02
代理公司: 深圳市沃德知识产权代理事务所(普通合伙) 44347 代理人: 高杰;于志光
地址: 518000 广东省深圳市福田区福*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 检测 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种图像检测方法,其特征在于,所述方法包括:

获取原始图像,对所述原始图像进行空间转换及数据增强处理,得到标准图像;

利用所述标准图像训练预构建的教师网络,得到标准教师模型;

根据所述标准教师模型和预构建的学生网络构建混合模块,并基于所述混合模块及所述学生网络得到混合网络;

利用所述标准图像训练所述混合网络,得到标准学生模型;

利用所述标准学生模型对待检测图像进行检测,得到图像检测结果。

2.如权利要求1所述的图像检测方法,其特征在于,所述获取原始图像,对所述原始图像进行空间转换及数据增强处理,得到标准图像,包括:

对所述原始图像进行平移、旋转处理,得到转换图像;

利用预设的随机函数生成高斯噪声,并将所述高斯噪声添加至所述转换图像中,得到标准图像。

3.如权利要求1所述的图像检测方法,其特征在于,所述利用所述标准图像训练预构建的教师网络,得到标准教师模型,包括:

利用所述教师网络中的图像特征提取模块及图像特征增强模块对所述标准图像进行特征提取及特征增强,得到特征图像;

利用所述教师网络中的检测模块得到所述特征图像的预测框,基于所述预测框及真实框,利用预设的教师损失函数计算得到损失值,直到所述损失值小于预设的阈值,得到所述标准教师模型。

4.如权利要求1所述的图像检测方法,其特征在于,所述根据所述标准教师模型和预构建的学生网络构建混合模块,包括:

将所述标准教师模型中的模块作为教师模块,及将所述预构建的学生网络中的模块作为学生模块;

将所述教师模块和对应的学生模块进行匹配,匹配成功后得到所述混合模块。

5.如权利要求4所述的图像检测方法,其特征在于,所述基于所述混合模块及所述学生网络得到混合网络,包括:

在所述混合模块中,以随机选择的方式设置教师模块替换学生模块的概率,得到标准混合模块;

利用所述标准混合模块替换所述学生网络中的学生模块,得到包含所述标准混合模块的混合网络。

6.如权利要求5所述的图像检测方法,其特征在于,所述利用所述标准图像训练所述混合网络,得到标准学生模型,包括:

初始化所述标准混合模块中学生模块的参数;

利用所述标准图像训练所述学生模块,并根据预设的损失函数调整所述学生模块的参数;

当所述预设的损失函数满足预设的损失阈值时,以此时更新的参数作为学生模块的参数,并删除所述混合模块中的教师模块,得到所述标准学生模型。

7.如权利要求1至6中任意一项所述的图像检测方法,其特征在于,所述利用所述标准学生模型对待检测图像进行检测,得到图像检测结果,包括:

利用所述标准学生模型对所述待检测图像进行框选及分类,得到检测图像;

对所述检测图像进行识别,得到识别框及标注,汇总所述识别框及标注得到所述图像检测结果。

8.一种图像检测装置,其特征在于,所述装置包括:

图像处理模块,用于获取原始图像,对所述原始图像进行空间转换及数据增强处理,得到标准图像;

教师模型构建模块,用于利用所述标准图像训练预构建的教师网络,得到标准教师模型;

混合网络构建模块,用于根据所述标准教师模型和预构建的学生网络构建混合模块,并基于所述混合模块及所述学生网络得到混合网络;

学生模型训练模块,用于利用所述标准图像训练所述混合网络,得到标准学生模型;

图像检测模块,用于利用所述标准学生模型对待检测图像进行检测,得到图像检测结果。

9.一种电子设备,其特征在于,所述电子设备包括:

至少一个处理器;以及,

与所述至少一个处理器通信连接的存储器;其中,

所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的图像检测方法。

10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的图像检测方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安科技(深圳)有限公司,未经平安科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011645110.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top