[发明专利]图像检测方法、装置、设备及存储介质

权利要求书

1.一种图像检测方法，其特征在于，包括：

获取待检测图像和模型训练数据集；

获取改进YOLO网络模型，其中，所述改进YOLO网络模型包含有锚框参数，所述锚框参数是基于聚类算法和遗传算法生成的；

根据所述模型训练数据集对所述改进YOLO网络模型进行训练，生成检测模型；

根据所述检测模型对所述待检测图像进行检测，生成检测结果。

2.根据权利要求1所述的方法，其特征在于，所述获取改进YOLO网络模型，包括：

获取公共数据集和锚框参数；

根据所述公共数据集对YOLO网络模型进行训练，得到预训练模型；

将所述锚框参数设置为所述预训练模型的输入参数，得到更新后的网络模型；

将所述更新后的网络模型确定为所述改进YOLO网络模型。

3.根据权利要求1或2所述的方法，其特征在于，获取所述锚框参数，包括：

根据所述聚类算法对所述模型训练数据集中的各数据进行初始聚类，得到K个簇，其中，所述各数据为实数对形式，K为大于0的整数；

根据所述遗传算法分别对所述K个簇中各数据进行变异，生成所述K个簇中各数据对应的数据变异结果；

在所述数据变异结果的评估值大于对应簇的评估值的情况下，将所述数据变异结果确定为所述对应簇中各个锚框的参数；

在所述数据变异结果的评估值小于或等于对应簇的评估值的情况下，将所述对应簇中各数据确定为所述对应簇中各个锚框的参数。

4.根据权利要求3所述的方法，其特征在，所述根据所述聚类算法对所述模型训练数据集中的各数据进行初始聚类，得到K个簇，包括：

在所述模型训练数据集中随机选取K个点作为K个初始聚类中心；

其中，所述K个点为实数对形式；

分别计算所述K个初始聚类中心与所述模型训练数据集中各数据之间的距离；

将所述模型训练数据集中各数据划分为与其距离最小的初始聚类中心所属的类别；

按照均值计算方法重新确定划分后的各类别的聚类中心，并将重新确定聚类中心的各类别分别确定为K个簇。

5.根据权利要求3所述的方法，其特征在于，获取所述数据变异结果的评估值和所述对应簇的评估值，包括：

根据anchor_fitness算法分别计算所述数据变异结果的适应度和对应簇的适应度；

将所述数据变异结果的适应度和对应簇的适应度分别确定为所述数据变异结果的评估值和所述对应簇的评估值。

6.根据权利要求1所述的方法，其特征在于，所述根据所述模型训练数据集对所述改进YOLO网络模型进行训练，生成检测模型，包括：

冻结所述改进YOLO网络模型中的第一类网络参数，所述第一类网络参数用于提取图像特征；

在前N个训练周期内，基于所述模型训练数据集训练所述改进YOLO网络模型的其他网络参数；

其中，所述其他网络参数为所述改进YOLO网络模型中除所述第一类网络参数之外的剩余所有网络参数；

解冻所述第一类网络参数；

在第N+1至M个训练周期内，基于所述模型训练数据集训练所述改进YOLO网络模型中的所有网络参数，将训练得到的网络模型确定为所述检测模型；

其中，N和M为大于0的整数，且M大于N。

7.一种图像检测装置，其特征在于，包括：

获取模块，用于获取待检测图像和模型训练数据集；

所述获取模块，还用于获取改进YOLO网络模型，其中，所述改进YOLO网络模型包含有锚框参数，所述锚框参数是基于聚类算法和遗传算法生成的；

训练模块，用于根据所述模型训练数据集对所述改进YOLO网络模型进行训练，生成检测模型；

检测模块，用于根据所述检测模型对所述待检测图像进行检测，生成检测结果。