一种目标检测方法、装置、计算设备和存储介质

技术领域

本发明涉及目标检测技术领域，具体涉及一种目标检测方法、装置、计算设备和存储介质。

背景技术

特定目标的检测识别是计算机视觉领域的重要研究方向，具有广泛的应用价值，例如在内容安全审核系统、自动驾驶系统、安防系统中，都需要对特定目标进行定位和识别。

现有的目标检测方法主要基于传统的计算机视觉技术，如滑动窗口和图像特征提取；这些方法在简单场景下表现良好，但在复杂场景中面临着精度和效率的限制；随着深度学习技术的兴起，特别是卷积神经网络(CNN)的发展，目标检测取得了显著的进展。目前，基于深度学习的方法已经成为目标检测的主流。

但是在实际应用场景会存在两个问题：一是训练完成后，如果要增加新类型的检测目标，需要增加一定量的训练样本，并进行重新训练；二是对于大规模的检测目标，比如万级别的，训练困难，并且其分类头的能力较弱，识别效果难以保证，综合来看，其扩展性和灵活性均有很大限制。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种目标检测方法、装置、计算设备和存储介质。

根据本发明的一个方面，提供了一种目标检测方法，包括：

计算待检测的目标图像与预先构建的比对样本库中的多个样本图像之间的相似度，依据相似度从多个样本图像中筛选得到第一预设数量的比对图像；比对样本库中包括多个样本图像以及每个样本图像的结果图像；

针对每个比对图像，根据目标图像、目标图像的随机初始化图像、该比对图像以及该比对图像的结果图像构建一个预测任务；

对第一预设数量的预测任务进行批量识别处理，得到目标图像对应的多个目标结果；

依据多个目标结果对目标图像添加对应的目标标签，得到最终检测结果。

根据本发明的另一方面，提供了一种目标检测装置，包括：

任务筛选模块，用于计算待检测的目标图像与预先构建的比对样本库中的多个样本图像之间的相似度，依据相似度从多个样本图像中筛选得到第一预设数量的比对图像；比对样本库中包括多个样本图像以及每个样本图像的结果图像；

基于比对的识别模块，用于针对每个比对图像，根据目标图像、目标图像的随机初始化图像、该比对图像以及该比对图像的结果图像构建一个预测任务；对第一预设数量的预测任务进行批量识别处理，得到目标图像对应的多个目标结果；

后处理模块，用于依据多个目标结果对目标图像添加对应的目标标签，得到最终检测结果。

根据本发明的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，处理器、存储器和通信接口通过通信总线完成相互间的通信；

存储器用于存放至少一可执行指令，可执行指令使处理器执行上述目标检测方法对应的操作。

根据本发明的再一方面，提供了一种计算机存储介质，存储介质中存储有至少一可执行指令，可执行指令使处理器执行如上述目标检测方法对应的操作。

根据本发明的一种目标检测方法、装置、计算设备和存储介质，通过获取待检测的目标图像，计算目标图像与预先构建的比对样本库中的多个样本图像之间的相似度，依据相似度从多个样本图像中筛选得到第一预设数量的比对图像；比对样本库中包括多个样本图像以及每个样本图像的结果图像；构建目标图像的随机初始化图像；针对每个比对图像，根据目标图像、随机初始化图像、该比对图像以及该比对图像的结果图像构建一个预测任务；对第一预设数量的预测任务进行批量识别处理，得到目标图像对应的多个目标结果；依据多个目标结果对目标图像添加对应的目标标签，得到最终检测结果。本发明将通用目标检测问题转化为参照样例分割类似目标的问题，通过特征搜索，筛选有效的第一预设数量的比对图像，解决了检测目标数量较大场景下的计算效率问题，并有效利用通用图像分割模型的视觉语义泛化能力，针对一个检测目标构建一个预测任务，对多个预测任务批量识别处理，减少目标检测响应时间，解决了现有技术中目标检测所面临的扩展性和灵活性问题。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例提供的一种目标检测方法流程图；

图2a示出了本实施例目标检测方法的原理图；

图2b示出了一种目标图像的目标结果的示意图；

图3示出了本发明实施例提供的一种目标检测装置的结构示意图；

图4示出了本发明实施例提供的计算设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

图1示出了本发明一种目标检测方法实施例的流程图，如图1所示，该方法包括以下步骤：

步骤S110：计算待检测的目标图像与预先构建的比对样本库中的多个样本图像之间的相似度，依据相似度从多个样本图像中筛选得到第一预设数量的比对图像。

在本领域中，针对一个待检测的目标图像，需要检测的目标可能有多个，例如：目标图像上的钱币、旗帜、身份证等；那么，在检测目标的数量较大场景下，比如千级别、万级别的检测目标，检测模型训练困难，并且其分类头的能力较弱，识别效果难以保证，综合来看，其扩展性和灵活性均有很大限制；例如，若要检测一个目标图像是否含1000个检测目标中的检测目标，可能需要将其与样本库中1000个不同标签的比对图像进行比对，而1000个是无法同时通过构建Batch批处理的，因此，在本实施例中，通过先筛选出跟目标图像相似的第一预设数量的比对图像，解决检测目标数量较大场景下的计算效率问题。

在一种可选的方式中，步骤S110进一步包括：对目标图像进行向量化处理，得到第一特征向量；从比对样本库对应的比对样本特征库中获取多个样本图像的第二特征向量；计算第一特征向量与每个第二特征向量之间的相似度；将相似度按照从高到低的顺序进行排序，得到第一排序结果，从第一排序结果中提取排列靠前的第一预设数量的样本图像作为比对图像。

图2a示出了本实施例目标检测方法的原理图，如图2a所示，通过任务筛选模块构建比对样本库，其中，比对样本库中包括多个样本图像以及每个样本图像的结果图像，在本步骤中，对目标图像进行特征提取提取第一特征向量，利用图像间的语义相似性计算目标图像和多个样本图像的相似度，从而在比对样本库中搜索最相近的多个样本图像，只针对搜索得到的最相近的第一预设数量(N)的样本图像构建预测数据Batch，通过一次计算得到目标检测结果，即目标结果，其中，第一预设数量N可以根据实际情况调整，比如按照硬件允许的Batch大小等。对目标图像进行特征提取可以采用多种方法，采用的特征表征能力越强，效果越好。例如，可以采用在大规模数据集上训练的VIT模型(vit_base_patch8_224)提取第一特征向量，通过第一特征向量可以为目标图像在比对样本库中搜索到合适的样本图像作为比对图像；需要特别说明的是，还包括对应的比对样本特征库，比对样本特征库中的第二特征向量可以预先进行对比对样本库中的样本图像进行特征提取得到，以便于与目标图像比对时使用。

以目标图像的检测目标为钱币为例，在比对样本库中搜索可以得到多个含有钱币标签的样本图像，通过计算与目标图像与这些样本图像的相似度可以得到多个相似的样本图像，实际应用中可以将相似度按照从高到低的顺序进行排序，得到第一排序结果，从第一排序结果中提取排列靠前的第一预设数量的样本图像作为比对图像，从而明确预期的预测任务。

步骤S120：针对每个比对图像，根据目标图像、目标图像的随机初始化图像、该比对图像以及该比对图像的结果图像构建一个预测任务。

具体地说，为了得到目标图像的目标结果，需要将第一预设数量的比对图像连同其结果图像，以及目标图像和目标图像的随机初始化图像放入预测模型中进行预测，而随机初始化图像即为目标图像的结果图像的原始图像，具体地，可以将目标图像的随机区域进行掩膜(mask)处理，将处理后的目标图像作为目标图像的随机初始化图像。

具体地说，一个比对图像可以用于构建一个预测任务，针对第一预设数量个的比对图像，可以构建第一预设数量的预测任务，每增加一个比对图像，通过叠加该比对图像及其结果图像构建Batch，对Batch进行同步计算即可同时完成多个预测任务。

步骤S130：对第一预设数量的预测任务进行批量识别处理，得到目标图像对应的多个目标结果。

在一种可选的方式中，步骤S130进一步包括：应用预测模型对第一预设数量的预测任务进行批量识别处理，对每个随机初始化图像中的掩膜区域进行更新，输出得到每个预测任务的目标图像对应的目标结果。

其中，预测模型是在分割样本数据集上应用卷积神经网络预先训练得到的基于图像提示的通用图像分割模型(SegGPT)。SegGPT通过将不同类型的分割数据转换为相同的图像格式，使得不同的分割任务统一到一个通用的上下文学习框架中。其可用于分割上下文中的所有事物，SegGPT的训练被制定为一个上下文着色问题，为每个数据样本随机分配颜色映射，目标是根据上下文完成不同的分割任务，而不是依赖于特定的颜色，SegGPT可以通过上下文推理执行图像中的任意分割任务。

如图2a所示，该预测模型的输入为第一预设数量的预测任务，每个预测任务包括一张目标图像、目标图像的随机初始化图像、一张比对图像及比对图像的结果图像，共四张图像，每个预测任务输出一个目标图像的结果图像，也就是此预测模型完成的主要任务是参照比对图像及其结果图像，自动对目标图像施加合理的预测，得到目标结果。对于多个预测任务的情况，在每个预测任务的检测目标明确并且种类较少的情况下，通过本实施例提供的方法可以较高效率的处理。

步骤S140：依据多个目标结果对目标图像添加对应的目标标签，得到最终检测结果。

在一种可选的方式中，步骤S140进一步包括：针对每个目标结果，对目标结果进行二值化处理，计算目标结果中掩膜区域在目标结果中的面积占比；将多个目标结果的掩膜区域的面积占比按照从大到小的顺序进行排序，得到第二排序结果，根据第二排序结果对目标图像添加对应的目标标签，得到最终检测结果。

具体地说，本实施例利用SegGPT所呈现的视觉语义泛化能力，将SegGPT应用于少样本目标检测识别，在得到目标结果之后，需要对目标结果先进行二值化处理，以显现并定位掩膜区域(即mask区域)，通过计算目标结果中mask区域在目标结果中的面积占比，对多个目标结果根据mask面积占比进行排序，得到第二排序结果，根据第二排序结果对目标图像添加对应的目标标签，得到最终检测结果。

在一种可选的方式中，步骤S140进一步包括：从第二排序结果中选取排序靠前的第二预设数量的目标结果，获取第二预设数量的目标结果对应的比对图像的目标标签；为目标图像添加比对图像的目标标签。

具体地，第二预设数量也可根据实际场景确定，例如，将第二预设数量可以设置为1个，即获取最大面积占比的mask目标结果对应的比对图像的目标标签，为目标图像添加该比对图像的目标标签，例如，比对图像是带有钱币目标标签的，则给目标图像添加钱币标签；第二预设数量也可以为多个，若为多个，则可将这多个比对图像的目标标签都添加至目标图像，例如：前三个比对图像的目标标签分别为：证件、钱币、旗帜，则可为目标图像添加这三个比对图像的目标标签，完成该目标图像的检测目标。

在一种可选的方式中，也可设置一个面积占比阈值，对于mask面积占比超过该阈值的比对图像的目标标签，均添加给目标图像。

图2b示出了一种目标图像的目标结果的示意图，如图2b所示，将图中中的目标结果进行二值化后，并计算mask(白色区域)的面积占比为17.32％，在第二排序结果中排序第一，第二预设数量设置为1，则可将该目标结果对应的比对图像的目标标签；为目标图像添加比对图像的目标标签，画出mask区域的外接矩形，即可进行目标定位。

需要特别说明的是，在本实施例中，对于新增检测目标，不需要收集训练数据重新训练，只需要将单张或者少量与包括该新增检测目标标签的样本图像放入比对样本库，即可有效识别新增检测目标，极大减少训练投入。

采用本实施例的方法，通过将通用目标检测问题转化为参照样例分割类似目标的问题，通过特征搜索，筛选有效的第一预设数量的比对图像，解决了检测目标数量较大场景下的计算效率问题，并有效利用通用图像分割模型的视觉语义泛化能力，针对一个检测目标构建一个预测任务，对多个预测任务批量识别处理，减少目标检测响应时间，解决了现有技术中目标检测所面临的扩展性和灵活性问题；对于新增检测目标，不需要收集训练数据重新训练，只需要将单张或者少量与包括该新增检测目标标签的样本图像放入比对样本库，即可有效识别新增检测目标，极大减少训练投入。

图3示出了本发明一种目标检测装置实施例的结构示意图。如图3所示，该装置包括：任务筛选模块310、基于比对的识别模块320和后处理模块330。

任务筛选模块310，用于计算待检测的目标图像与预先构建的比对样本库中的多个样本图像之间的相似度，依据相似度从多个样本图像中筛选得到第一预设数量的比对图像；比对样本库中包括多个样本图像以及每个样本图像的结果图像。

在一种可选的方式中，任务筛选模块310进一步用于：对目标图像进行向量化处理，得到第一特征向量；从比对样本库对应的比对样本特征库中获取多个样本图像的第二特征向量；计算第一特征向量与每个第二特征向量之间的相似度；将相似度按照从高到低的顺序进行排序，得到第一排序结果，从第一排序结果中提取排列靠前的第一预设数量的样本图像作为比对图像。

基于比对的识别模块320，用于针对每个比对图像，根据目标图像、目标图像的随机初始化图像、该比对图像以及该比对图像的结果图像构建一个预测任务；对第一预设数量的预测任务进行批量识别处理，得到目标图像对应的多个目标结果。

在一种可选的方式中，基于比对的识别模块320进一步用于：将目标图像的随机区域进行掩膜处理，将处理后的目标图像作为目标图像的随机初始化图像。

在一种可选的方式中，基于比对的识别模块320进一步用于：应用预测模型对第一预设数量的预测任务进行批量识别处理，对每个随机初始化图像中的掩膜区域进行更新，输出得到每个预测任务的目标图像对应的目标结果。

在一种可选的方式中，预测模型是在分割样本数据集上应用卷积神经网络预先训练得到的基于图像提示的通用图像分割模型。

后处理模块330，用于依据多个目标结果对目标图像添加对应的目标标签，得到最终检测结果。

在一种可选的方式中，后处理模块330进一步用于：针对每个目标结果，对目标结果进行二值化处理，计算目标结果中掩膜区域在目标结果中的面积占比；将多个目标结果的掩膜区域的面积占比按照从大到小的顺序进行排序，得到第二排序结果，根据第二排序结果对目标图像添加对应的目标标签，得到最终检测结果。

在一种可选的方式中，后处理模块330进一步用于：从第二排序结果中选取排序靠前的第二预设数量的目标结果，获取第二预设数量的目标结果对应的比对图像的目标标签；为目标图像添加比对图像的目标标签。

采用本实施例的装置，通过将通用目标检测问题转化为参照样例分割类似目标的问题，通过特征搜索，筛选有效的第一预设数量的比对图像，解决了检测目标数量较大场景下的计算效率问题，并有效利用通用图像分割模型的视觉语义泛化能力，针对一个检测目标构建一个预测任务，对多个预测任务批量识别处理，减少目标检测响应时间，解决了现有技术中目标检测所面临的扩展性和灵活性问题。

本发明实施例提供了一种非易失性计算机存储介质，计算机存储介质存储有至少一可执行指令，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。

可执行指令具体可以用于使得处理器执行以下操作：

计算待检测的目标图像与预先构建的比对样本库中的多个样本图像之间的相似度，依据相似度从多个样本图像中筛选得到第一预设数量的比对图像；比对样本库中包括多个样本图像以及每个样本图像的结果图像；

针对每个比对图像，根据目标图像、目标图像的随机初始化图像、该比对图像以及该比对图像的结果图像构建一个预测任务；

对第一预设数量的预测任务进行批量识别处理，得到目标图像对应的多个目标结果；

依据多个目标结果对目标图像添加对应的目标标签，得到最终检测结果。

图4示出了本发明计算设备实施例的结构示意图，本发明具体实施例并不对计算设备的具体实现做限定。

如图4所示，该计算设备可以包括：

处理器(processor)、通信接口(Communications Interface)、存储器(memory)、以及通信总线。

其中：处理器、通信接口、以及存储器通过通信总线完成相互间的通信。通信接口，用于与其它设备比如客户端或其它服务器等的网元通信。处理器，用于执行程序，具体可以执行上述目标检测方法实施例中的相关步骤。

具体地，程序可以包括程序代码，该程序代码包括计算机操作指令。

处理器可能是中央处理器CPU，或者是特定集成电路ASIC(Application SpecificIntegrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。服务器包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。

存储器，用于存放程序。存储器可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。

程序具体可以用于使得处理器执行以下操作：

获取待检测的目标图像，计算待检测的目标图像与预先构建的比对样本库中的多个样本图像之间的相似度，依据相似度从多个样本图像中筛选得到第一预设数量的比对图像；比对样本库中包括多个样本图像以及每个样本图像的结果图像；

针对每个比对图像，根据目标图像、目标图像的随机初始化图像、该比对图像以及该比对图像的结果图像构建一个预测任务；

对第一预设数量的预测任务进行批量识别处理，得到目标图像对应的多个目标结果；

依据多个目标结果对目标图像添加对应的目标标签，得到最终检测结果。

在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。