[发明专利]图像检测方法、装置、设备及存储介质

说明书

本申请公开了一种图像检测方法、装置、设备及存储介质，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，改进YOLO网络模型包含有锚框参数，该锚框参数是基于聚类算法和遗传算法生成的；根据模型训练数据集对改进YOLO网络模型进行训练，生成检测模型；根据检测模型对待检测图像进行检测，生成检测结果。由于在YOLO网络模型中引入了锚框参数，那么基于根据YOLO网络模型训练生成的检测模型进行图像检测时，可以更加准确、高效地识别出场景下，采集到的图像中的目标对象。

技术领域

本申请实施例涉及图像识别领域，尤其涉及一种图像检测方法、装置、设备及存储介质。

背景技术

在工业场景下，工人违规吸烟导致的火灾会严重威胁工人自身的人身安全，并给工厂带来经济损失。但由于香烟体积小，不易被发现，给工厂的安全工作带来了较大的困难。目前，通常采用人工智能的方式进行目标检测，但是由于现有的目标检测算法在准确率和实时性上无法满足工业生产需求，并且因为缺少吸烟公共数据，导致现有目标检测算法无法应用于工业吸烟检测场景下。

发明内容

本申请实施例提供了一种图像检测方法、装置、设备及存储介质，能够更加准确、高效地识别出相关场景下，采集到的待检测图像中的目标检测对象。

第一方面，本申请实施例还提供了一种图像检测方法，该方法包括：

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

根据模型训练数据集对改进YOLO网络模型进行训练，生成检测模型；

根据检测模型对待检测图像进行检测，生成检测结果。

第二方面，本申请实施例还提供了一种图像检测装置，该装置包括：

获取模块，用于获取待检测图像和模型训练数据集；

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

训练模块，用于根据模型训练数据集对改进YOLO网络模型进行训练，生成检测模型；

检测模块，用于根据检测模型对待检测图像进行检测，生成检测结果。

第三方面，本申请实施例还提供了一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，当处理器执行计算机程序时，实现如本申请任意实施例提供的图像检测方法。

第四方面，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现如本申请任意实施例提供的图像检测方法。

本申请实施例提供了一种图像检测方法、装置、设备及存储介质，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，改进YOLO网络模型包含有锚框参数，该锚框参数是基于聚类算法和遗传算法生成的；根据模型训练数据集对改进YOLO网络模型进行训练，生成检测模型；根据检测模型对待检测图像进行检测，生成检测结果。由于在YOLO网络模型中引入了锚框参数，那么基于根据YOLO网络模型训练生成的检测模型进行图像检测时，可以更加准确、高效地识别出相关场景下，采集到的待检测图像中的目标检测对象。

附图说明

图1为本申请实施例中的一种图像检测方法的流程图；

图2是本申请实施例中的一种获取改进YOLO网络模型的方法流程图；

图3是本申请实施例中的一种生成检测模型的方法流程图；

图4是本申请实施例中的一种图像检测装置的结构示意图；