[发明专利]图像检测方法、终端及其计算机可读存储介质

权利要求书

1.一种图像检测方法，其特征在于，所述图像检测方法包括：

对待检测图像中包含的目标对象进行基础识别，确定所述目标对象的基础类别；

从所述待检测图像中提取包含所述目标对象的局部图像，所述局部图像为所述待检测图像的子图像；

对所述局部图像中的所述目标对象进行进一步识别，确定所述目标对象的目标类别；其中，所述目标类别为所述基础类别的子类别。

2.根据权利要求1所述的图像检测方法，其特征在于，所述待检测图像包括基于X光成像技术采集的X光图像，

所述对待检测图像中包含的目标对象进行基础识别，确定所述目标对象的基础类别的步骤之前，还包括：

采用目标检测网络模型对采集的所述X光图像进行检测，确定所述待检测图像中包含的至少一个所述目标对象以及所述目标对象的位置和角度；

所述从所述待检测图像中提取包含所述目标对象的局部图像的步骤包括：

根据每个所述目标对象的位置，从所述待检测图像中分别提取包含一个所述目标对象的子图像；

根据所述目标对象的角度，将包含所述目标对象的子图像旋转至预设角度，得到所述一个目标对象的局部图像。

3.根据权利要求2所述的图像检测方法，其特征在于，

所述对所述局部图像中的所述目标对象进行进一步识别，确定所述目标对象的目标类别的步骤包括：

通过目标检索网络模型对包含所述目标对象的局部图像进行特征提取得到特征图；

将所述特征图与预设特征图进行比对；

将与所述特征图匹配的所述预设特征图对应的预设目标类别作为所述目标对象的所述目标类别。

4.根据权利要求3所述的图像检测方法，其特征在于，

所述采用目标检测网络模型对采集的所述X光图像进行检测的步骤之前包括：

对包含一个所述目标对象的局部图像进行拉伸补边处理。

5.根据权利要求3所述的图像检测方法，其特征在于，

所述采用目标检测网络模型对采集的所述X光图像进行检测的步骤之前还包括：

对初始目标检测网络模型进行训练得到所述目标检测网络模型；其中，所述初始目标检测网络模型基于注意力模块和检测神经网络模型构建；

对初始目标检索网络模型进行训练得到所述目标检索网络模型。

6.根据权利要求5所述的图像检测方法，其特征在于，

所述对初始目标检测网络模型进行训练得到所述目标检测网络模型的步骤包括：

获取第一训练样本集，所述第一训练样本集包括多个第一图像样本，所述第一图像样本为标记有检测目标的第一真实位姿信息和第一真实类别的图像；

将所述第一图像样本输入到所述初始目标检测网络模型得到第一特征图；

对所述第一特征图进行检测得到所述检测目标的第一预测位姿和第一预测类别；

通过所述第一预测位姿信息与所述第一真实位姿信息、所述第一预测类别和所述第一真实类别构建第一损失函数；

利用所述第一损失函数对所述初始目标检测网络模型进行迭代训练得到所述目标检测网络模型。

7.根据权利要求6所述的图像检测方法，其特征在于，所述注意力模型包括依次连接的第一全连接层、激活层、第二全连接层；所述第一特证图为三维图；

所述对所述第一特征图进行检测得到所述检测目标的第一预测位姿和第一预测类别的步骤包括：

将所述第一特征图进行空间特征融合得到第二特征图；所述第二特征图为一维图；

所述第一特征图依次经过所述第一全连接层、所述激活层和所述第二全连接层，对不同位置的特征进行加权得到第三特征图；所述第三特征图为一维图；

将所述第三特征图进行转换，并对所述第三特征图进行重新加权、响应所述第一特征图的空间特征以得到第四特征图；所述第四特征图为三维图；

对所述第四特征图进行检测得到所述检测目标的第一预测位姿和第一预测类别。