[发明专利]一种用于小目标检测的模型训练方法、检测方法及装置

说明书

本发明提供了一种用于小目标检测的模型训练方法、检测方法、装置、可读存储介质及电子设备，该模型训练方法包括：基于获取的第一训练输入图像和训练标注图像，训练出符合预设精度的图像分割模型；基于训练输入图像和图像分割模型，获取预测掩码图像；基于预测掩码图像对训练输入图像进行分割，获取至少一个目标分割图像；基于预设规则对至少一个目标分割图像进行再分割，确定至少一个目标分割图像分别对应的至少一组分割子图像；基于获取的至少一组分割子图像分别对应的第一训练数据集和第二训练数据集，训练出符合预设精度的至少一个检测模型。本发明提供的技术方案通过图像分割模型和检测模型可以有效提高小目标检测的准确度。

技术领域

本发明涉及目标检测技术领域，且更具体地，涉及一种用于小目标检测的模型训练方法、检测方法及装置。

背景技术

随着神经网络和深度学习技术的发展，目标检测技术的准确率和实时性均有很大程度的提高。然而对于小目标检测而言，仍存在较大的挑战。目前，为了提高数学模型在小目标检测的准确率，常常会通过增加小目标样本数量和种类的方式，但是因小目标在样本图像中比例较少，且大多数在工业环境中拍摄的真实图像背景复杂、场景多样，如此使得即使增加小目标样本数量也难以获取到较为准确的数学模型。

发明内容

本发明提供了一种用于小目标检测的模型训练方法、检测方法、装置、可读存储介质及电子设备，以解决现有技术中难以获取到较为准确的用于小目标检测的数学模型的技术问题。

根据本发明的第一方面，提供了一种用于小目标检测的模型训练方法，包括：

基于获取的第一训练输入图像和训练标注图像，训练出符合预设精度的图像分割模型；

基于获取的第二训练输入图像和所述图像分割模型，获取预测掩码图像；

基于所述预测掩码图像对所述第二训练输入图像进行分割，获取至少一个目标分割图像；

基于预设规则对所述至少一个目标分割图像进行再分割，确定所述至少一个目标分割图像分别对应的至少一组分割子图像；

基于获取的至少一组分割子图像分别对应的第一训练数据集和第二训练数据集，训练出符合预设精度的至少一个检测模型。

根据本发明的第二方面，提供了一种小目标检测方法，包括：

将获取的待检测图像输入已训练的图像分割模型，确定所述待检测图像对应的预测掩码图像；

基于所述待检测图像和所述预测掩码图像，获取至少一个目标分割图像；

基于预设规则对所述至少一个目标分割图像进行再分割，确定所述至少一个目标分割图像分别对应的至少一组分割子图像；

基于所述至少一组分割子图像和所述至少一个检测模型，确定所述待检测图像对应的检测结果。

根据本发明的第三方面，提供了一种用于小目标检测的模型训练装置，包括：

第一训练模块，用于基于获取的第一训练输入图像和训练标注图像，训练出符合预设精度的图像分割模型；

图像预测模块，用于基于获取的第二训练输入图像和所述图像分割模型，获取预测掩码图像；

第一分割模块，用于基于所述预测掩码图像对所述第二训练输入图像进行分割，获取至少一个目标分割图像；

第二分割模块，用于基于预设规则对所述至少一个目标分割图像进行再分割，确定所述至少一个目标分割图像分别对应的至少一组分割子图像；

第二训练模块，用于基于获取的至少一组分割子图像分别对应的第一训练数据集和第二训练数据集，训练出符合预设精度的至少一个检测模型。

根据本发明的第四方面，提供了一种小目标检测装置，包括：