【技術實現步驟摘要】
本專利技術實施例涉及計算機，特別是涉及一種目標檢測方法、一種目標檢測裝置、一種電子設備以及一種計算機可讀存儲介質。
技術介紹
1、目標檢測的任務是找出圖像中所有感興趣的目標(物體)，確定目標的類別和位置，是計算機視覺領域的核心問題之一。隨著人工智能技術和硬件設備算力的迅速發展，目標檢測模型的速度和精度也得到了極大提升，已經成為許多自動化系統的核心技術。目標檢測模型幫助自動化設備準確識別并定位圖像或視頻中的物體，以便其執行相應的任務，不僅提高了生產效率，還增強了系統的智能化水平。
2、目前，自動化領域中目標檢測模型的訓練所需的數據通常在單一場景(環境)下(如實驗室場景或自動化產線的某一場景)采集得到，然而，單一場景的數據訓練的目標檢測模型在環境變化后性能會退化，當目標檢測模型有不同場景(如產線變更、不同應用場景環境差異大)的使用需求時，需要在目標場景中再次采集作為訓練圖像的數據并進行標注，再用于目標檢測模型微調以保證模型性能，但是這種方式耗時耗力，導致目標檢測模型的訓練效率不高，進而導致目標檢測模型的部署效率不高。
技術實現思路
1、本專利技術實施例是提供一種目標檢測方法、裝置、電子設備以及計算機可讀存儲介質，以解決導致目標檢測模型的訓練效率不高，進而導致目標檢測模型的部署效率不高的問題。
2、本專利技術實施例公開了一種目標檢測方法，所述方法包括：
3、獲取源場景對應的訓練圖像和背景圖像；其中，所述訓練圖像中包括標注數據和未標注數據，所述訓練圖像為
4、根據所述標注數據和所述背景圖像構建標注圖像訓練樣本對；
5、根據所述未標注數據和所述背景圖像構建未標注圖像訓練樣本對；
6、采用所述標注圖像訓練樣本對和所述未標注圖像訓練樣本對訓練待訓練的目標檢測模型，得到預訓練模型；
7、獲取目標場景的目標背景圖像，將所述目標區域遷移至所述目標背景圖像；
8、采用遷移所述目標區域的所述目標背景圖像對所述預訓練模型進行調整，將調整后的所述預訓練模型作為訓練完成的目標檢測模型，以根據調整后的所述目標檢測模型對目標場景中的目標進行檢測。
9、本專利技術實施例還公開了一種目標檢測模型訓練裝置，所述裝置包括：
10、第一獲取模塊，用于獲取源場景對應的訓練圖像和背景圖像；其中，所述訓練圖像中包括標注數據和未標注數據，所述訓練圖像為包括目標區域，所述背景圖像不包括目標區域；
11、第一構建模塊，用于根據所述標注數據和所述背景圖像構建標注圖像訓練樣本對；
12、第二構建模塊，用于根據所述未標注數據和所述背景圖像構建未標注圖像訓練樣本對；
13、預訓練模塊，用于采用所述標注圖像訓練樣本對和所述未標注圖像訓練樣本對訓練待訓練的目標檢測模型，得到預訓練模型；
14、第二獲取模塊，用于獲取目標場景的目標背景圖像，將所述目標區域遷移至所述目標背景圖像；
15、調整模塊，用于采用遷移所述目標區域的所述目標背景圖像對所述預訓練模型進行調整，將調整后的所述預訓練模型作為訓練完成的目標檢測模型，以根據調整后的所述目標檢測模型對目標場景中的目標進行檢測。
16、本專利技術實施例還公開了一種電子設備，包括處理器、通信接口、存儲器和通信總線，其中，所述處理器、所述通信接口以及所述存儲器通過所述通信總線完成相互間的通信；
17、所述存儲器，用于存放計算機程序；
18、所述處理器，用于執行存儲器上所存放的程序時，實現如本專利技術實施例所述的方法。
19、本專利技術實施例還公開了一種計算機程序產品，該程序產品被存儲在存儲介質中，該計算機程序產品被至少一個處理器執行以實現如本專利技術實施例所述的方法。
20、本專利技術實施例還公開了一種計算機可讀存儲介質，其上存儲有指令，當由一個或多個處理器執行時，使得所述處理器執行如本專利技術實施例所述的方法。
21、本專利技術實施例包括以下優點：
22、在本專利技術實施例中，獲取源場景對應的訓練圖像和背景圖像，根據標注數據和背景圖像構建標注圖像訓練樣本對，以及，根據未標注數據和背景圖像構建未標注圖像訓練樣本對，進而可以采用標注圖像訓練樣本對和未標注圖像訓練樣本對比訓練待訓練的目標檢測模型，得到預訓練模型，接著，獲取目標場景的目標背景圖像，將目標區域遷移至目標背景圖像，并采用目標背景圖像對預訓練模型進行調整得到訓練完成的目標檢測模型。本專利技術實施例可以基于源場景對應的訓練圖像(包括目標區域)和背景圖像訓練得到預訓練模型后，由于預訓練模型為初步訓練得到模型，進一步獲取目標場景的目標背景圖像與目標區域結合生成目標背景圖像來對預訓練模型進行訓練，無需從頭開始訓練模型，因此提高了針對目標場景的目標檢測模型的訓練效率，進而提高了目標檢測模型的部署效率。
本文檔來自技高網...【技術保護點】
1.一種目標檢測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述目標區域包括目標包圍框和類別，根據所述標注數據和所述背景圖像構建標注圖像訓練樣本對，包括：
3.根據權利要求2所述的方法，其特征在于，所述標注圖像訓練樣本對包括標注正樣本對和標注負樣本對；根據所述目標區域、所述第一背景圖像和所述第二背景圖像，構建標注圖像訓練樣本對，包括：
4.根據權利要求1所述的方法，其特征在于，根據所述未標注數據和所述背景圖像構建未標注圖像訓練樣本對，包括：
5.根據權利要求4所述的方法，其特征在于，根據所述背景區域確定所述分割區域是否為前景區域，包括：
6.根據權利要求4所述的方法，其特征在于，所述標注圖像訓練樣本對包括未標注正樣本對和未標注負樣本對；根據所述目標分割區域、所述第三背景圖像和所述第四背景圖像，構建未標注圖像訓練樣本對，包括：
7.根據權利要求1所述的方法，其特征在于，采用所述標注圖像訓練樣本對和所述未標注圖像訓練樣本對訓練待訓練的目標檢測模型，得到預訓練模型，包括：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。