[发明专利]一种基于非极大值抑制与微服务的目标检测对象扩展方法

说明书

本发明涉及一种基于非极大值抑制与微服务的目标检测对象扩展方法，属于人工智能领域。本发明将训练好的算法模型以微服务的形式在IceGrid中部署，针对未知目标检测时，调用多个微服务，在后处理部分添加非极大值抑制算法进行优化，融合不同目标识别算法识别结果，可得到理想的目标检测结果。该方法用于解决在原有算法模型的基础上添加新的目标检测种类时，需要对深度学习算法的重复训练的问题，极大地提升了目标检测算法的可扩展性和开发效率。

技术领域

本发明属于人工智能领域，具体涉及一种基于非极大值抑制与微服务的目标检测对象扩展方法。

背景技术

目标检测算法为了满足不同场景的实际需求，一般需要进行多次的参数调整、模型训练和数据测试等，从而得到相对理想的检测结果。当需要功能扩充时，比如增加目标识别种类，就需要重新的模型训练和参数调整，其过程繁琐、时间成本高。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是如何提供一种基于非极大值抑制与微服务的目标检测对象扩展方法，以解决在原有算法模型的基础上添加新的目标检测种类时，需要对深度学习算法的重复训练的问题。

(二)技术方案

为了解决上述技术问题，本发明提出一种基于非极大值抑制与微服务的目标检测对象扩展方法，该方法包括如下步骤：

步骤S1：客户端请求服务

S11、客户端定义数据结构和服务接口；

S12、读取图像数据，并将图像输入尺寸作为参数传给服务接口；

S13、客户端访问注册中心，查询获得服务IP地址和端口信息；

S14、客户端根据服务IP地址和端口信息将参数传输给服务端以调用服务；

步骤S2：服务端处理请求

S21、服务端定义算法模型服务的参数；

S22、向注册中心注册服务信息并监听客户端请求；

S23、接收客户端发送的请求参数，并将请求参数传输给算法模型服务进行推理计算；

S24、推理结束后服务端将推理结果返回给客户端；

步骤S3：客户端输出结果

S31、客户端接收所有服务的推理结果后合并推理结果；

S32、对于同类检测目标使用NMS算法处理；

S33、不同类检测目标直接合并，然后给出最终结果。

进一步地，该方法的部署过程包括：

将训练好的目标识别算法模型以服务的形式在IceGrid中部署，并向注册中心进行服务注册，注册中心存储服务的IP地址和端口号，并监听客户端请求；

当客户端向注册中心发送服务请求时，注册中心会将服务的IP地址和端口号返回给客户端；

客户端根据服务的IP地址和端口对不同服务进行调用，遍历所有的算法模型后通过调用NMS算法获得同类目标中可信度最大的目标，合并不同目标，得到最终的理想结果。

进一步地，当需要添加识别其他目标种类的功能，以微服务的形式部署识别该目标的算法模型。

进一步地，所述步骤S11中，数据结构的参数包括：目标名称、左顶坐标、右底坐标和目标置信度。

进一步地，所述步骤S11中，服务接口的参数包括：算法名称、算法类型、目标种类和图像输入尺寸。