[发明专利]基于多专家模型的目标检测方法、装置、存储介质及设备

说明书

本申请公开了一种基于多专家模型的目标检测方法、装置、存储介质及设备，属于图像处理技术领域。所述方法用于神经网络模型中，所述神经网络模型中包括快速区域卷积神经网络和多专家模型，包括：获取待识别的图像，所述图像中包括至少一个目标对象；通过快速区域卷积神经网络对所述图像进行处理，得到多个候选特征图；在所述多专家模型中确定与每个专家模型相匹配的候选特征图；通过每个专家模型对相匹配的候选特征图进行处理，得到每个目标对象的类别和位置。本申请可以利用不同的专家模型对不同的候选特征图进行处理，使得不同的候选特征图能够被擅长处理该数据区域的专家模型进行处理，从而提高了目标检测的识别率。

技术领域

本申请实施例涉及图像处理技术领域，特别涉及一种基于多专家模型的目标检测方法、装置、存储介质及设备。

背景技术

目标检测是指从图像中检测出感兴趣的物体，包括物体的定位和分类。近几年来，目标检测算法取得了很大的突破。

现在比较流行的一种算法包括两个阶段(two-stage)，即，神经网络模型可以先从图像中提出多个目标候选区域，然后再对多个目标候选区域做分类与回归，从而得到图像中不同目标对象的类别与位置。

随着数据集规模的增大，单一的神经网络模型往往只善于处理一部分数据，即，单一的神经网络无法准确地处理多个目标候选区域，从而影响目标检测的识别率。

发明内容

本申请实施例提供了一种基于多专家模型的目标检测方法、装置、存储介质及设备，用于解决单一的神经网络无法准确地处理多个目标候选区域，从而影响目标检测的识别率的问题。所述技术方案如下：

一方面，提供了一种基于多专家模型的目标检测方法，用于神经网络模型中，所述神经网络模型中包括快速区域卷积神经网络和多专家模型，所述方法包括：

获取待识别的图像，所述图像中包括至少一个目标对象；

通过快速区域卷积神经网络对所述图像进行处理，得到多个候选特征图；

在所述多专家模型中确定与每个专家模型相匹配的候选特征图；

通过每个专家模型对相匹配的候选特征图进行处理，得到每个目标对象的类别和位置。

在一种可能的实现方式中，所述在所述多专家模型中确定与每个专家模型相匹配的候选特征图，包括：

对于每个专家模型，获取所述专家模型的权重系数和多个候选特征图；

对于每个候选特征图，将所述候选特征图和所述权重系数输入预定函数中，得到所述候选特征图与所述专家模型相匹配的概率；

将最大概率对应的候选特征图确定为与所述专家模型相匹配的。

在一种可能的实现方式中，所述获取所述专家模型的权重系数和多个候选特征图，包括：

获取多个候选特征图、每个专家模型的权重和专家标记向量；

对于每个专家模型，将所述专家模型的权重和所述候选特征图输入所述预定函数中，得到第一计算结果；

将所述专家模型的专家标记向量和所述第一计算结果输入所述专家模型的第一损失函数中，得到第二计算结果；

根据所述第二计算结果确定所述专家模型的权重系数。

在一种可能的实现方式中，所述通过每个专家模型对相匹配的候选特征图进行处理，得到每个目标对象的类别和位置，包括：

对于每个专家模型，通过所述专家模型的第二损失函数对相匹配的候选特征图进行处理，得到所述目标对象的类别；

通过所述专家模型的第三损失函数对相匹配的候选特征图进行处理，得到所述目标对象的位置偏移量，根据所述位置偏移量确定所述目标对象的位置。