CN111507958B - 目标检测方法、检测模型的训练方法及电子设备 - Google Patents

Abstract

本发明涉及图像处理技术领域，具体涉及目标检测方法、检测模型的训练方法及电子设备，其中检测方法包括获取待检测图像；将待检测图像输入检测模型中，以得到目标候选区域的位置信息；所述目标候选区域为检测模型输出的所有候选区域的尺寸小于预设值的候选区域；基于目标候选区域的位置信息，在待检测图像中提取预设尺寸的图像，得到待检测子图像；将待检测子图像输入检测模型中，以得到目标候选区域对应的目标的类别。该检测方法仅在待检测图像中提取候选区域的尺寸小于预设尺寸的候选区域进行再次的检测，能够减少数据处理量，提高目标检测的效率。

Description

目标检测方法、检测模型的训练方法及电子设备

技术领域

本发明涉及图像处理技术领域，具体涉及目标检测方法、检测模型的训练方法及电子设备。

背景技术

对于图像中目标的检测方法，可以通过人工方式进行检测，但是这种检测方法会受人工主观因素的影响，导致检测的准确性较低。基于此，现有技术中还提出了对图像进行自动检测的方法，以实现对图像中的目标进行自动检测。然而，当待检测图像中存在多尺寸的目标时，要想实现对小尺寸目标进行准确地检测，常采用的方法是将待检测图像分割成多个较小的子图片的方式对小尺寸目标进行检测。

以输电线路检测为例，输电线路巡检是运行与维护输电网的重要工作之一。目前我国输电线路巡视采用直升机巡检、无人机巡检、机器人巡检相结合的方式采集输电线路巡检图片，并使用人工智能方法识别采集的输电线路巡检图像以大大增加查看巡检照片的效率、减轻巡检工人的工作量。然而输电线路巡检图片中存在众多尺寸较小的目标，大部分现有技术直接将原始图片缩放至较大分辨率或将原始图片均匀地分割为多个较小的图片的方式来对尺寸较小的目标进行识别。虽然这些技术能够对小尺寸目标进行较为准确地识别，但是其使用较大分辨率图片或对原始图像直接切割再进行检测的方式需耗费更多的计算资源，导致目标检测的效率较低。

发明内容

有鉴于此，本发明实施例提供了一种目标检测方法、检测模型的训练方法及电子设备，以解决目标检测效率较低的问题。

根据第一方面，本发明实施例提供了一种目标检测方法，包括：

获取待检测图像；

将所述待检测图像输入检测模型中，以得到目标候选区域的位置信息；其中，所述目标候选区域为所述检测模型输出的所有候选区域的尺寸小于预设值的候选区域；

基于所述目标候选区域的位置信息，在所述待检测图像中提取预设尺寸的图像，得到待检测子图像；

将所述待检测子图像输入所述检测模型中，以得到所述目标候选区域对应的目标的类别。

本发明实施例提供的目标检测方法，在利用检测模型得到目标候选区域的位置信息之后，在待检测图像中提取预设尺寸的图像得到待检测子图像，并利用检测模型对待检测子图像进行再次的检测；即，仅在待检测图像中提取候选区域的尺寸小于预设尺寸的候选区域进行再次的检测，能够减少数据处理量，提高目标检测的效率。

结合第一方面，在第一方面第一实施方式中，所述将所述待检测图像输入检测模型中，以得到目标候选区域的位置信息，包括：

利用所述检测模型中的候选区域预测结构预测所述待检测图像中各个目标对应的候选区域；

利用所述检测模型中的区域判断结构判断所述候选区域的尺寸是否小于所述预设值；

当所述候选区域的尺寸小于所述预设值时，利用所述检测模型中的第一区域预测结构预测所述候选区域的第一位置信息，以得到所述目标候选区域的位置信息。

本发明实施例提供的目标检测方法，利用区域判断结构对候选区域的尺寸进行判断，在尺寸小于预设值时仅利用第一区域预设结构预测候选区域的第一位置信息，而不进行类别的预测，在保证检测准确性的前提下，可以提高目标检测的效率。

结合第一方面第一实施方式，在第一方面第二实施方式中，所述第一位置信息为所述目标候选区域的中心位置信息。

本发明实施例提供的目标检测方法，由于目标候选区域的其他位置信息均是由目标候选区域的中心位置信息计算得到的，因此选用目标候选区域的中心位置信息为第一位置信息，可以减少数据处理量，提高目标检测的效率。

结合第一方面第一实施方式，在第一方面第三实施方式中，所述将所述待检测图像输入检测模型中，以得到目标候选区域的位置信息，还包括：

当所述候选区域的尺寸大于或等于所述预设值时，利用所述检测模型中的第二区域预测结构预测所述候选区域对应的目标的类别及第二位置信息。

本发明实施例提供的目标检测方法，在候选区域的尺寸大于或等于预设值时，利用检测模型中的第二区域预测结构候选区域对应的目标的类别以及第二位置信息，该检测方法能够在保证大尺寸目标检测的准确性的基础上，还能够保证小尺寸目标检测的效率。

结合第一方面，或第一方面第一实施方式至第三实施方式中任一项，在第一方面第四实施方式中，所述将所述待检测图像输入检测模型中，以得到目标候选区域的位置信息，还包括：

将所述待检测图像缩放至预设分辨率的待检测图像；

将所述预设分辨率的待检测图像输入所述检测模型中，以得到目标候选区域的位置信息。

本发明实施例提供的目标检测方法，在对待检测图像进行检测之前，先将待检测图像缩放至预设分辨率的待检测图像，以提高检测的准确性。

结合第一方面第四实施方式，在第一方面第五实施方式中，所述将所述待检测子图像输入所述检测模型中，以得到所述目标候选区域对应的目标的类别，包括：

将所述待检测子图像缩放至所述预设分辨率的待检测子图像；

将所述预设分辨率的待检测子图像输入所述检测模型中，以得到所述目标候选区域对应的目标的类别。

结合第一方面，在第一方面第六实施方式中，所述待检测图像为输电线路图像。

本发明实施例提供的目标检测方法，由于输电线路图像中包括多尺寸的目标，对于输电线路图像采用该检测方法进行目标检测，仅对可能存在小尺寸目标的区域进行更细粒度的检测，并支持多个尺度缺陷的识别，解决了现有输电线路图像缺陷检测方法直接对大分辨率图像或分块后的图像进行检测所造成的计算量过大的问题，在保证检测精度不下降的情况下，大大降低了图片识别的计算量，提高了检测效率。

根据第二方面，本发明实施例还提供了一种检测模型的训练方法，包括：

获取带有标注信息的样本图像；其中，所述标注信息为所述样本图像中各个目标对应的类别及目标区域的位置信息，所述目标区域的尺寸小于预设值；

将所述样本图像输入初始检测模型中，以得到预测区域的位置信息；

基于所述样本图像中标注出的目标区域的位置信息与所述预测区域的位置信息，对所述初始检测模型中的参数进行更新，以得到所述检测模型。

本发明实施例提供的检测模型的训练方法，利用检测模型对小尺寸目标进行预测，能够保证小尺寸目标检测的准确性，为后续利用检测模型进行小尺寸目标检测提供了准确的保障。

根据第三方面，本发明实施例提供了一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面或者第一方面的任意一种实施方式中所述的目标检测方法，或执行第二方面中所述的检测模型的训练方法。

根据第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种实施方式中所述的目标检测方法，或执行第二方面中所述的检测模型的训练方法。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明实施例的目标检测方法的流程图；

图2是根据本发明实施例的目标检测方法的流程图；

图3是根据本发明实施例的目标检测方法的流程图；

图4a-4c是根据本发明实施例的目标检测方法的示意图；

图5是根据本发明实施例的检测模型的训练方法的流程图；

图6是根据本发明实施例的目标检测装置的结构框图；

图7是根据本发明实施例的检测模型的训练装置的结构框图；

图8是本发明实施例提供的电子设备的硬件结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，本发明实施例中所述的目标检测方法可以用于各种场景下，例如：输电线路、视频场景等等，在此对具体的应用场景并不做任何限制。其中，所述的目标可以是对待检测图像中的物体，或待检测图像中物体的缺陷等等。

当所述的目标检测方法应用于输电线路中时，由于输电线路图像中包括多尺寸的目标，对于输电线路图像采用该检测方法进行目标检测，仅对可能存在小尺寸目标的区域进行更细粒度的检测，并支持多个尺度缺陷的识别，解决了现有输电线路图像缺陷检测方法直接对大分辨率图像或分块后的图像进行检测所造成的计算量过大的问题，在保证检测精度不下降的情况下，大大降低了图片识别的计算量，提高了检测效率。

根据本发明实施例，提供了一种目标检测方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

在本实施例中提供了一种目标检测方法，可用于电子设备，如手机、平板电脑、电脑等，图1是根据本发明实施例的目标检测方法的流程图，如图1所示，该流程包括如下步骤：

S11，获取待检测图像。

所述的待检测图像可以是实现存储在电子设备中，也可以是电子设备从外界获取到的等等，例如，当目标检测方法应用于输电线路中时，该待检测图像可以为无人机、直升机、机器人等巡检设备搭载的照相机拍摄的原始图像。

S12，将待检测图像输入检测模型中，以得到目标候选区域的位置信息。

其中，所述目标候选区域为所述检测模型输出的所有候选区域的尺寸小于预设值的候选区域。

电子设备在获取到待检测模型之后，可以将待检测图像直接输入至检测模型中，也可以是先对待检测图像进行预处理之后，再输入至检测模型中等等。

所述的检测模型可以是基于Faster R-CNN的模型，也可以是基于SSD的模型，或者也可以为其他分类检测模型等等，在此对检测模型的具体形式并不做任何限制。

电子设备将待检测图像输入检测模型中，检测模型对待检测图像进行自动处理后得到目标候选区域的位置信息。所述的目标候选区域为对应于小尺寸目标的候选区域，其中，所述的小尺寸目标是通过各个目标对应的候选区域的尺寸确定的。

对于候选区域的尺寸的判断，可以是利用候选区域各个边长对应的像素点的个数，或候选区域的面积进行判断，具体可以根据实际情况进行相应的设置，在此并不做任何限制。

S13，基于目标候选区域的位置信息，在待检测图像中提取预设尺寸的图像，得到待检测子图像。

电子设备在S12中得到目标候选区域的位置信息之后，可以将该位置信息对应至待检测图像中，在待检测图像中提取预设尺寸的图像，得到待检测子图像。

例如，输入至检测模型中的待检测图像为原始图像，那么电子设备在得到目标区域的位置信息之后，可以直接在待检测图像中进行预设尺寸的图像的提取；若输入值检测模型中的待检测图像为经过缩放处理后的图像，那么电子设备在缩放处理后的图像中得到目标区域的位置信息之后，需要将位置信息进行处理后才能够得到对应于待检测图像中的位置信息，利用对应的位置信息方可在待检测图像中提取出待检测子图像。

S14，将待检测子图像输入检测模型中，以得到目标候选区域对应的目标的类别。

电子设备在S13中得到待检测子图像之后，将待检测子图像输入至检测模型中，对待检测子图像进行二次检测。其中，若电子设备S12中，输入至检测模型中的待检测图像是经过缩放处理后的图像，那么在将待检测子图像输入检测模型之前，也需要对待检测子图像进行相应的处理。

例如，若在将待检测图像输入检测模型之前，先将待检测图像缩放至512*512像素，那么电子设备从待检测图像中提取出待检测子图像之后，同样地，也需要将待检测子图像缩放至512*512像素，再输入检测模型中。

需要说明的是，若待检测子图像输入检测模型中，仍能够输出目标候选区域的位置信息，那么就需要执行S13-S14直至检测出待检测图像中的所有目标为止。即，电子设备循环执行S12-S14，直至检测出待检测图像中的所有目标。

本实施例提供的目标检测方法，在利用检测模型得到目标候选区域的位置信息之后，在待检测图像中提取预设尺寸的图像得到待检测子图像，并利用检测模型对待检测子图像进行再次的检测；即，仅在待检测图像中提取候选区域的尺寸小于预设尺寸的候选区域进行再次的检测，能够减少数据处理量，提高目标检测的效率。

在本实施例中提供了一种目标检测方法，可用于电子设备，如手机、平板电脑、电脑等，图2是根据本发明实施例的目标检测方法的流程图，如图2所示，该流程包括如下步骤：

S21，获取待检测图像。

详细请参见图1所示实施例的S11，在此并不做任何限制。

S22，将待检测图像输入检测模型中，以得到目标候选区域的位置信息。

其中，所述目标候选区域为所述检测模型输出的所有候选区域的尺寸小于预设值的候选区域。

所述的检测模型包括候选区域预测结构、区域判断结构以及第一区域预测结构。其中，区域判断结构的输入与候选区域预测结构的输出连接，区域判断结构的输出与第一区域预测结构的输入连接。

以检测模型基于Faster R-CNN为例，本实施例所述的检测模型是在Faster R-CNN的基础上实现小尺寸目标的检测，其本质上是：在Faster R-CNN骨干ResNet网络的stage 5后连接出另一个与RPN(区域建议网络)相似的head用于预测stage 5输出的特征图中的每个像素为中心的候选区域中是否有小尺寸目标。

所述的候选区域预测结构用于预测待检测图像中各个目标的候选区域；区域判断结构用于判断各个目标的候选区域的尺寸是否小于预设值，以确定目标候选区域；第一区域预测结构用于确定目标候选区域的位置信息。

具体地，上述S22包括如下步骤：

S221，利用检测模型中的候选区域预测结构预测待检测图像中各个目标对应的候选区域。

可选地，以待检测图像为输电线路图像为例，电子设备将输电线路图像输入检测模型中，检测模型中的候选区域预测结构检测出输电线路图像中的各个目标的候选区域，例如，对应于绝缘字串的候选区域、对应于绝缘子自爆的候选区域、对应于鸟巢的候选区域等等。

S222，利用检测模型中的区域判断结构判断候选区域的尺寸是否小于预设值。

电子设备在得到待检测图像中各个目标对应的候选区域之后，将各个目标对应的候选区域的尺寸与预设值进行比较。这是由于，当目标的尺寸较大时，其对应的候选区域的尺寸也就较大；当目标的尺寸较小时，其对应的候选区域的尺寸也就较小。因此，利用候选区域的尺寸就可以反映出目标尺寸的大小，即，当候选区域的尺寸小于预设值时，表示该候选区域对应的目标为小尺寸目标，需要对其进行二次检测。

当候选区域的尺寸小于预设值时，执行S223；否则，执行S224。

电子设备对候选区域的尺寸的比较，可以利用候选区域的至少一边边长的像素点数量进行比较，也可以利用候选区域的面积大小进行比较等等。当预设值为像素点的数量时，电子设备将候选区域各个边的边长的像素点数量与预设值进行比较；例如，预设值为50像素，那么当候选区域的至少一边边长小于50像素时，执行S223；否则，执行S224。即，当候选区域的至少一边边长小于50像素时，表示该候选区域对应的目标为小尺寸目标；否则，该候选区域对应的目标为大尺寸目标。

S223，利用检测模型中的第一区域预测结构预测候选区域的第一位置信息，以得到目标候选区域的位置信息。

电子设备在S222中确定目出候选区域的尺寸小于预设值时，该候选区域即为目标候选区域，那么电子设备利用第一区域预测结构预测该候选区域的第一位置信息，即可得到目标候选区域的第一位置信息。所述第一位置信息可以为目标候选区域的中心位置信息，也可以为目标候选区域的左上角坐标及右下角坐标等等。

其中，在本实施例中，以第一位置信息为目标候选区域的中心位置信息为例。由于目标候选区域的其他位置信息均是由目标候选区域的中心位置信息计算得到的，因此选用目标候选区域的中心位置信息为第一位置信息，可以减少数据处理量，提高目标检测的效率。

S224，利用检测模型中的第二区域预测结构预测候选区域对应的目标的类别及第二位置信息。

当电子设备确定候选框的尺寸大于或等于预设值时，表示该候选区域对应的目标为大尺寸目标，那么电子设备就直接利用检测模型中的第二区域预测结构预测该候选区域对应的目标的类别及第二位置信息。

其中，第二区域预测结构的输入与区域判断结构的输出连接。所述第二位置信息可以为该候选区域的中心点坐标，也可以为该候选区域的左上角坐标以及右下角坐标。

S23，基于目标候选区域的位置信息，在待检测图像中提取预设尺寸的图像，得到待检测子图像。

详细请参见图1所示实施例的S13，在此不再赘述。

S24，将待检测子图像输入检测模型中，以得到目标候选区域对应的目标的类别。

详细请参见图1所示实施例的S14，在此不再赘述。

本实施例提供的目标检测方法，利用区域判断结构对候选区域的尺寸进行判断，在尺寸小于预设值时仅利用第一区域预设结构预测候选区域的第一位置信息，而不进行类别的预测，在保证检测准确性的前提下，可以提高目标检测的效率。

在本实施例中提供了一种目标检测方法，可用于电子设备，如手机、平板电脑、电脑等，图3是根据本发明实施例的目标检测方法的流程图，如图3所示，该流程包括如下步骤：

S31，获取待检测图像。

详细请参见图2所示实施例的S21，在此不再赘述。

S32，将待检测图像输入检测模型中，以得到目标候选区域的位置信息。

其中，所述目标候选区域为所述检测模型输出的所有候选区域的尺寸小于预设值的候选区域。

具体地，上述S32包括如下步骤：

S321，将待检测图像缩放至预设分辨率的待检测图像。

电子设备在获取到待检测图像之后，将待检测图像缩放至预设分辨率的待检测图像。其中预设分辨率可以根据实际情况进行具体设置，例如，可以将待检测图像缩放至512*512分辨率的待检测图像。

以待检测图像为输电线路图像为例，请参见图4a，图4a示出了待检测图像的一个具体的示意图。该输电线路图像中的目标为均压环、绝缘字串、鸟巢以及防震锤。

S322，将预设分辨率的待检测图像输入检测模型中，以得到目标候选区域的位置信息。

电子设备将图4a所示的待检测图像输入检测模型中，得到如图4b所示的目标候选区域的位置信息。其中，如图4a为典型输电线路图像示意图，图中包含均压环、绝缘子串、鸟巢及防振锤4类共7个目标。电子设备将图4a中所示待检测图像缩放至512*512像素后并输入本实施例所述检测模型中后，所述检测模型将检测并输出图4b中边框加粗所示的两个绝缘子串目标的类别编号和左上角、右下角坐标。由于图4b中的均压环、鸟巢、防振锤对应的候选区域的边长在缩放后的图片中均小于50像素，所述检测模型将识别并输出图4b中箭头所指3个包含小尺寸目标的候选区域的中心坐标，如图4b中虚线所示。

图4b中箭头所指的候选区域为所述的目标候选区域。

其余详细请参见图2所示实施例的S22，在此不再赘述。

S33，基于目标候选区域的位置信息，在待检测图像中提取预设尺寸的图像，得到待检测子图像。

电子设备在S32中得到目标候选区域的位置信息之后，在待检测图像中提取预设尺寸的图像。具体地，如上文所述，目标候选区域为小尺寸目标对应的候选区域。请参见图4c，待检测图像中的小尺寸目标为均压环、鸟巢以及防震锤，那么，目标候选区域为均压环、鸟巢以及防震锤对应的候选区域。

电子设备在S32中所得到的目标候选区域的位置信息为该目标候选区域在缩放后的待检测图像中的位置信息。那么，电子设备将该位置信息对应到原始待检测图像中，提取大小为128×128像素的图像，得到如图4c所示的待检测子图像。

S34，将待检测子图像输入检测模型中，以得到目标候选区域对应的目标的类别。

具体地，上述S34包括如下步骤：

S341，将待检测子图像缩放至预设分辨率的待检测子图像。

电子设备在S33中得到待检测子图像之后，将待检测子图像缩放至上述S321中的预设分辨率，得到预设分辨率的待检测子图像。

S342，将预设分辨率的待检测子图像输入检测模型中，以得到目标候选区域对应的目标的类别。

电子设备将预设分辨率的待检测子图像输入检测模型中，对待检测子图像中目标对应的候选区域进行预测，以得到目标后续区域对应的目标的类别。

如上文所述，待检测子图像的尺寸128*128像素，将其缩放至512*512像素，并将其输入检测模型中，得到缩放后的待检测图像中目标候选区域的位置，得到该目标候选区域对应的目标在待检测图像中的相对位置，并根据每个位置信息在待检测图像中提取出待检测子图像，将待检测子图像作为输电线路图像重复步骤S32-S34(即将每个待检测子图像缩放为512*512像素并输入至检测模型)直至所有层级的待检测图像均完成检测。

具体地，电子设备将图4b中所示三个目标候选区域在图4a所示的待检测图像中对应区域图像的裁剪为待检测子图像，并将待检测子图像缩放至512*512像素并依次输入至本实施例所述检测模型中，所述检测模型将识别并输出图4c中边框加粗所示的第一个子图片中两个均压环及第三个子图片中两个防振锤的类别编号和左上角、右下角坐标。第二个子图片中的鸟巢对应的目标候选区域在其所缩放后的待检测子图像中小于50像素，所述检测模型将在该待检测子图像中识别并输出中虚线所示的区块的中心坐标。

将图4c中所示区块在待检测图像中对应区域裁剪为待检测子图像，缩放至512*512像素并输入至本实施例所述的检测模型中，将能够识别该待检测子图像中的鸟巢。

其余详细请参见图1所实施例的S14，在此不再赘述。

本实施例提供的目标检测方法，在对待检测图像进行检测之前，先将待检测图像缩放至预设分辨率的待检测图像，以提高检测的准确性。

在图4a所示的示例中，本实施例所述方法处理图像的总像素数量仅为4*512*512像素(共1048576像素)，然而其对小尺寸目标的识别效果近似等同于将原始图像缩放为8192*8192像素(共67108864像素)并进行识别的效果。因此本实施例所述方法在保证了识别精度的同时大大降低了输电线路部件及缺陷检测的计算量，提升了检测效率。

根据本发明实施例，提供了一种检测模型的训练方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

在本实施例中提供了一种检测模型的训练方法，可用于电子设备，如手机、平板电脑、电脑等，图5是根据本发明实施例的目标检测方法的流程图，如图5所示，该流程包括如下步骤：

S41，获取带有标注信息的样本图像。

其中，所述标注信息为所述样本图像中各个目标对应的类别及目标区域的位置信息，所述目标区域的尺寸小于预设值。

对样本图像的标注可以是人工标注的，也可以是利用标注工具自动进行标注的。即，在样本图像中标注有各个目标对应的类别及目标区域的位置信息，所述的目标区域与图1-图3所示实施例中的目标候选区域对应，均与小尺寸目标对应。

S42，将样本图像输入初始检测模型中，以得到预测区域的位置信息。

电子设备将带有标注信息的样本图像输入至初始检测模型中，得到预测区域的位置信息，此处的预测区域为对应于小尺寸目标的预测区域。

S43，基于样本图像中标注出的目标区域的位置信息与预测区域的位置信息，对初始检测模型中的参数进行更新，以得到检测模型。

电子设备利用S42中得到的预测区域的位置信息与S41中标注出的目标区域的位置信息，进行损失函数的计算，并对初始检测模型中的参数进行更新，得到检测模型。

本实施例提供的检测模型的训练方法，利用检测模型对小尺寸目标进行预测，能够保证小尺寸目标检测的准确性，为后续利用检测模型进行小尺寸目标检测提供了准确的保障。

在本实施例中还提供了一种目标检测装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

本实施例提供一种目标检测装置，如图6所示，包括：

第一获取模块51，用于获取待检测图像；

检测模块52，用于将所述待检测图像输入检测模型中，以得到目标候选区域的位置信息；其中，所述目标候选区域为所述检测模型输出的所有候选区域的尺寸小于预设值的候选区域；

提取模块53，用于基于所述目标候选区域的位置信息，在所述待检测图像中提取预设尺寸的图像，得到待检测子图像；

第一输入模块54，用于将所述待检测子图像输入所述检测模型中，以得到所述目标候选区域对应的目标的类别。

本实施例提供的目标检测装置，在利用检测模型得到目标候选区域的位置信息之后，在待检测图像中提取预设尺寸的图像得到待检测子图像，并利用检测模型对待检测子图像进行再次的检测；即，仅在待检测图像中提取候选区域的尺寸小于预设尺寸的候选区域进行再次的检测，能够减少数据处理量，提高目标检测的效率。

本实施例还提供一种检测模型的训练装置，如图7所示，包括：

第二获取模块61，用于获取带有标注信息的样本图像；其中，所述标注信息为所述样本图像中各个目标对应的类别及目标区域的位置信息，所述目标区域的尺寸小于预设值；

第二输入模块62，用于将所述样本图像输入初始检测模型中，以得到预测区域的位置信息；

更新模块63，用于基于所述样本图像中标注出的目标区域的位置信息与所述预测区域的位置信息，对所述初始检测模型中的参数进行更新，以得到所述检测模型。

本实施例提供的检测模型的训练装置，利用检测模型对小尺寸目标进行预测，能够保证小尺寸目标检测的准确性，为后续利用检测模型进行小尺寸目标检测提供了准确的保障。

本实施例中的目标检测装置，或检测模型的训练装置是以功能单元的形式来呈现，这里的单元是指ASIC电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。

上述各个模块的更进一步的功能描述与上述对应实施例相同，在此不再赘述。

本发明实施例还提供一种电子设备，具有上述图6所示的目标检测装置，或图7所示的检测模型的训练装置。

请参阅图8，图8是本发明可选实施例提供的一种电子设备的结构示意图，如图8所示，该电子设备可以包括：至少一个处理器71，例如CPU(Central Processing Unit，中央处理器)，至少一个通信接口73，存储器74，至少一个通信总线72。其中，通信总线72用于实现这些组件之间的连接通信。其中，通信接口73可以包括显示屏(Display)、键盘(Keyboard)，可选通信接口73还可以包括标准的有线接口、无线接口。存储器74可以是高速RAM存储器(Random Access Memory，易挥发性随机存取存储器)，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器74可选的还可以是至少一个位于远离前述处理器71的存储装置。其中处理器71可以结合图6或图7所描述的装置，存储器74中存储应用程序，且处理器71调用存储器74中存储的程序代码，以用于执行上述任一方法步骤。

其中，通信总线72可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。通信总线72可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

其中，存储器74可以包括易失性存储器(英文：volatile memory)，例如随机存取存储器(英文：random-access memory，缩写：RAM)；存储器也可以包括非易失性存储器(英文：non-volatile memory)，例如快闪存储器(英文：flash memory)，硬盘(英文：hard diskdrive，缩写：HDD)或固态硬盘(英文：solid-state drive，缩写：SSD)；存储器74还可以包括上述种类的存储器的组合。

其中，处理器71可以是中央处理器(英文：central processing unit，缩写：CPU)，网络处理器(英文：network processor，缩写：NP)或者CPU和NP的组合。

其中，处理器71还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文：application-specific integrated circuit，缩写：ASIC)，可编程逻辑器件(英文：programmable logic device，缩写：PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文：complex programmable logic device，缩写：CPLD)，现场可编程逻辑门阵列(英文：field-programmable gate array，缩写：FPGA)，通用阵列逻辑(英文：generic arraylogic,缩写：GAL)或其任意组合。

可选地，存储器74还用于存储程序指令。处理器71可以调用程序指令，实现如本申请图1至3实施例中所示的目标检测方法，或图5实施例中所示的检测模型的训练方法。

本发明实施例还提供了一种非暂态计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的目标检测方法，或检测模型的训练方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(FlashMemory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。

虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (8)

1.一种目标检测方法，其特征在于，包括：

获取待检测图像；

将所述待检测图像输入检测模型中，以得到目标候选区域的位置信息；其中，所述目标候选区域为所述检测模型输出的所有候选区域的尺寸小于预设值的候选区域；

基于所述目标候选区域的位置信息，在所述待检测图像中提取预设尺寸的图像，得到待检测子图像；

将所述待检测子图像输入所述检测模型中，以得到所述目标候选区域对应的目标的类别；

其中，所述将所述待检测图像输入检测模型中，以得到目标候选区域的位置信息，包括：

利用所述检测模型中的候选区域预测结构预测所述待检测图像中各个目标对应的候选区域；

利用所述检测模型中的区域判断结构判断所述候选区域的尺寸是否小于所述预设值；

当所述候选区域的尺寸小于所述预设值时，利用所述检测模型中的第一区域预测结构预测所述候选区域的第一位置信息，以得到所述目标候选区域的位置信息；

当所述候选区域的尺寸大于或等于所述预设值时，利用所述检测模型中的第二区域预测结构预测所述候选区域对应的目标的类别及第二位置信息。

2.根据权利要求1所述的方法，其特征在于，所述第一位置信息为所述目标候选区域的中心位置信息。

3.根据权利要求1或2所述的方法，其特征在于，所述将所述待检测图像输入检测模型中，以得到目标候选区域的位置信息，还包括：

将所述待检测图像缩放至预设分辨率的待检测图像；

将所述预设分辨率的待检测图像输入所述检测模型中，以得到目标候选区域的位置信息。

4.根据权利要求3所述的方法，其特征在于，所述将所述待检测子图像输入所述检测模型中，以得到所述目标候选区域对应的目标的类别，包括：

将所述待检测子图像缩放至所述预设分辨率的待检测子图像；

将所述预设分辨率的待检测子图像输入所述检测模型中，以得到所述目标候选区域对应的目标的类别。

5.根据权利要求1所述的方法，其特征在于，所述待检测图像为输电线路图像。

6.一种检测模型的训练方法，其特征在于，包括：

获取带有标注信息的样本图像；其中，所述标注信息为所述样本图像中各个目标对应的类别及目标区域的位置信息，所述目标区域的尺寸小于预设值；

将所述样本图像输入初始检测模型中，以得到预测区域的位置信息；

基于所述样本图像中标注出的目标区域的位置信息与所述预测区域的位置信息，对所述初始检测模型中的参数进行更新，以得到所述检测模型；

其中，所述检测模型包括候选区域预测结构、区域判断结构以及第一区域预测结构，所述候选区域预测结构用于预测待检测图像中各个目标的候选区域，所述区域判断结构用于判断所述各个目标的候选区域的尺寸是否小于预设值以确定目标候选区域，所述第一区域预测结构用于确定所述目标候选区域的位置信息；当所述候选区域的尺寸小于所述预设值时，利用所述检测模型中的第一区域预测结构预测所述候选区域的第一位置信息，以得到所述目标候选区域的位置信息；当所述候选区域的尺寸大于或等于所述预设值时，利用所述检测模型中的第二区域预测结构预测所述候选区域对应的目标的类别及第二位置信息。

7.一种电子设备，其特征在于，包括：

存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-5中任一项所述的目标检测方法，或权利要求6所述的检测模型的训练方法。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的目标检测方法，或权利要求6所述的检测模型的训练方法。

Images