本申请属于计算机视觉和模式识别领域，尤其涉及一种目标图像检测方法、装置、设备、计算机存储介质及计算机程序产品。
背景技术：
1、
2、当前安防领域的智能判图方法基本都是基于深度学习的目标图像检测算法，需要长时间的训练，才能够得到准确度较高的目标图像检测模型。而模型一旦部署，如果想要对模型进行优化，例如提高判图能力，扩展判图类别等，就需要收集大量的新数据，重新进行模型训练和模型部署。这不仅需要耗费大量的人力成本和物力成本来收集新数据，而且需要耗费大量的时间成本来进行模型训练和模型部署。
技术实现思路
1、本申请实施例提供一种目标图像检测方法、装置、设备、计算机存储介质及计算机程序产品，能够降低目标图像检测的优化成本、提升目标图像检测的准确度。
2、第一方面，本申请实施例提供一种目标图像检测方法，包括：
3、获取误报图像和/或漏检图像；
4、将误报图像和/或漏检图像输入至训练好的目标图像检测模型中，通过目标图像检测模型对误报图像和/或漏检图像进行特征提取，得到误报图像特征和/或漏检图像特征；
5、分别将误报图像特征和/或漏检图像特征存储至误报特征库和/或漏检特征库，以用于根据误报图像特征和/或漏检图像特征进行目标图像检测。
6、在一种可选的实施方式中，方法还包括：
7、获取待检测图像；
8、对待检测图像进行特征提取，得到多个目标特征；
9、对目标特征进行检测，得到与目标特征对应的检测结果，检测结果用于表征目标特征是否包括目标图像特征；
10、在检测结果用于表征目标特征包括目标图像特征的情况下，将目标特征与误报特征库中的多个误报图像特征进行比对；
11、在误报特征库中不包括与目标特征匹配的误报图像特征的情况下，确定待检测图像中包括目标图像。
12、在一种可选的实施方式中，将目标特征与误报特征库中的多个误报图像特征进行比对之后，方法还包括：
13、在误报特征库中包括与目标特征匹配的误报图像特征的情况下，确定待检测图像中不包括目标图像。
14、在一种可选的实施方式中，将目标特征与误报特征库中的多个误报图像特征进行比对，包括：
15、分别计算目标特征与误报特征库的多个误报图像特征中，每一误报图像特征的第一相似度损失；
16、在第一相似度损失小于或等于预设的第一阈值的情况下，确定误报特征库中包括与目标特征匹配的误报图像特征。
17、在一种可选的实施方式中，对目标特征进行检测，得到与目标特征对应的检测结果之后，方法还包括：
18、在检测结果用于表征目标特征不包括目标图像特征的情况下，将目标特征与漏检特征库中的多个漏检图像特征进行比对；
19、在漏检特征库中包括与目标特征匹配的漏检图像特征的情况下，确定待检测图像中包括目标图像。
20、在一种可选的实施方式中，将目标特征与漏检特征库中的多个漏检图像特征进行比对之后，方法还包括：
21、在漏检特征库中不包括与目标特征匹配的漏检图像特征的情况下，确定待检测图像中不包括目标图像。
22、在一种可选的实施方式中，将目标特征与漏检特征库中的多个漏检图像特征进行比对，包括：
23、分别计算目标特征与漏检特征库的多个漏检图像特征中，每一漏检图像特征的第二相似度损失；
24、在第二相似度损失小于或等于预设的第二阈值的情况下，确定漏检特征库中包括与目标特征匹配的漏检图像特征。
25、第二方面，本申请实施例提供一种目标图像检测装置，包括：
26、获取模块，用于获取误报图像和/或漏检图像；
27、输入模块，用于将所述误报图像和/或漏检图像输入至训练好的目标图像检测模型中，通过所述目标图像检测模型对所述误报图像和/或漏检图像进行特征提取，得到误报图像特征和/或漏检图像特征；
28、存储模块，用于分别将所述误报图像特征和/或漏检图像特征存储至误报特征库和/或漏检特征库，以用于根据所述误报图像特征和/或漏检图像特征进行目标图像检测。
29、第三方面，本申请实施例提供一种电子设备，设备包括：处理器以及存储有计算机程序指令的存储器；
30、处理器执行计算机程序指令时实现如本申请第一方面任一可选实施方式的目标图像检测方法。
31、第四方面，本申请实施例提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现如本申请第一方面任一可选实施方式的目标图像检测方法。
32、第五方面，本申请实施例提供一种计算机程序产品，计算机程序产品中的指令由电子设备的处理器执行时，使得电子设备执行如本申请第一方面任一可选实施方式的目标图像检测方法。
33、本申请实施例的目标图像检测方法、装置、设备、计算机存储介质及计算机程序产品，能够获取误报图像和/或漏检图像，并将误报图像和/或漏检图像输入至训练好的目标图像检测模型，通过目标图像检测模型对误报图像和/或漏检图像进行特征提取，得到误报图像特征和/或漏检图像特征。如此，能够在模型部署完成后、需要优化时，通过已部署的模型提取之前识别准确度较低的特征。然后，再分别将误报图像特征和/或漏检图像特征存储至误报特征库和/或漏检特征库，以用于根据误报图像特征和/或漏检图像特征进行目标图像检测。这样，在模型部署完成后、需要优化时，只需要利用误报图像特征和/或漏检图像特征，对之前识别准确度较低特征的识别过程进行优化即可，无需再次进行模型训练。如此，能够降低目标图像检测的优化成本、提升目标图像检测的准确度。
1.一种目标图像检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述目标特征与所述误报特征库中的多个所述误报图像特征进行比对之后，所述方法还包括：
4.根据权利要求2或3所述的方法，其特征在于，所述将所述目标特征与所述误报特征库中的多个所述误报图像特征进行比对，包括：
5.根据权利要求2所述的方法，其特征在于，所述对所述目标特征进行检测，得到与所述目标特征对应的检测结果之后，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述将所述目标特征与所述漏检特征库中的多个所述漏检图像特征进行比对之后，所述方法还包括：
7.根据权利要求5或6所述的方法，其特征在于，所述将所述目标特征与所述漏检特征库中的多个所述漏检图像特征进行比对，包括：
8.一种目标图像检测装置，其特征在于，包括：
9.一种电子设备，其特征在于，所述设备包括：处理器以及存储有计算机程序指令的存储器；
10.一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上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-7中任意一项所述的目标图像检测方法。
11.一种计算机程序产品，其特征在于，所述计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备执行如权利要求1-7中任意一项所述的目标图像检测方法。
