1.一种对象检测方法,其特征在于,包括:
利用针对第一域采用第一图像样本集训练完成的神经网络,对第二域的图像进行对象检测,得到检测结果,所述第一域和所述第二域是指所述神经网络的两个不同的应用范围;
将所述检测结果的可信度小于第一阈值的图像作为第二图像样本集中的图像样本,所述可信度表征所述检测结果与所述检测结果所对应的图像的图像真值的差异;
从所述第一图像样本集中选择至少一个图像样本,并从所述第二图像样本集中选择至少一个图像样本;
使用所述神经网络对选择的各个图像样本进行对象检测,输出预测结果;
根据输出的预测结果以及所述选择的各个图像样本的真值,对所述神经网络的网络参数进行调整。
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:
利用网络参数更新后的神经网络对第二域的图像进行对象检测。
3.根据权利要求1或2所述的方法,其特征在于,所述第二域为一个,所述第二图像样本集为一个,所述第一图像样本集中的图像样本的数量大于所述第二图像样本集中的图像样本的数量,从所述第一图像样本集中选择的图像样本的数量和从所述第二图像样本集中选择的图像样本的数量之间的比值在第一比例范围内。
4.根据权利要求1或2所述的方法,其特征在于,所述第二域为k个,所述第二图像样本集为k个,所述第一图像样本集中的图像样本的数量大于各个第二图像样本集中的图像样本的数量,从所述第一图像样本集中选择的图像样本的数量和从各个第二图像样本集中选择的图像样本的数量之间的比值在第二比例范围内,其中,k为大于1的整数。
5.根据权利要求1‑4任一所述的方法,其特征在于,在得到网络参数更新后的神经网络之后,所述方法还包括:将所述第二图像样本集合并到所述第一图像样本集中,得到新的第一图像样本集。
6.根据权利要求5所述的方法,其特征在于,在得到所述新的第一图像样本集之后,所述方法还包括:基于所述网络参数更新后的神经网络对所述新的第一图像样本集中的各个图像样本进行处理的处理结果,及所述新的第一图像样本集中的各个图像样本的真值,对所述新的第一图像样本集中的图像样本进行筛选。
7.根据权利要求6所述的方法,其特征在于,基于所述网络参数更新后的神经网络对所述新的第一图像样本集中的各个图像样本进行处理的处理结果,及所述新的第一图像样本集中的各个图像样本的真值,对所述新的第一图像样本集中的图像样本进行筛选,包括:将所述新的第一图像样本集中的图像样本输入到所述网络参数更新后的神经网络中,得到各个图像样本的处理结果;
基于各个图像样本的处理结果及其真值,确定所述网络参数更新后的神经网络在处理各个图像样本时的损失值;
将所述新的第一图像样本集中损失值小于第二阈值的图像样本丢弃。
8.根据权利要求1‑7任一所述的方法,其特征在于,确定检测结果的可信度,包括:将检测结果与所述检测结果所对应的图像的真值进行对比,得到所述检测结果的可信度。
9.一种对象检测装置,其特征在于,所述装置包括:
检测模块,用于利用针对第一域采用第一图像样本集训练完成的神经网络,对第二域的图像进行对象检测,得到检测结果,所述第一域和所述第二域是指所述神经网络的两个不同的应用范围;
样本收集模块,用于将所述检测结果的可信度小于第一阈值的图像作为第二图像样本集中的图像样本,所述可信度表征所述检测结果与所述检测结果所对应的图像的图像真值的差异;
样本选择模块,用于从所述第一图像样本集中选择至少一个图像样本,并从所述第二图像样本集中选择至少一个图像样本;
所述检测模块,还用于使用所述神经网络对选择的各个图像样本进行对象检测,输出预测结果;
参数调整模块,用于根据输出的预测结果以及所述选择的各个图像样本的真值,对所述神经网络的网络参数进行调整。
10.根据权利要求9所述的对象检测装置,其特征在于,所述检测模块,还用于利用网络参数更新后的神经网络对第二域的图像进行对象检测。
11.根据权利要求9或10所述的对象检测装置,其特征在于,所述第二域为一个,所述第二图像样本集为一个,所述第一图像样本集中的图像样本的数量大于所述第二图像样本集中的图像样本的数量,从所述第一图像样本集中选择的图像样本的数量和从所述第二图像样本集中选择的图像样本的数量之间的比值在第一比例范围内。
12.根据权利要求9或10所述的对象检测装置,其特征在于,所述第二域为k个,所述第二图像样本集为k个,所述第一图像样本集中的图像样本的数量大于各个第二图像样本集中的图像样本的数量,从所述第一图像样本集中选择的图像样本的数量和从各个第二图像样本集中选择的图像样本的数量之间的比值在第二比例范围内,其中,k为大于1的整数。
13.根据权利要求9‑12任一所述的对象检测装置,其特征在于,所述对象检测装置还包括:样本合并模块,用于在得到网络参数更新后的神经网络之后,将所述第二图像样本集合并到所述第一图像样本集中,得到新的第一图像样本集。
14.根据权利要求13所述的对象检测装置,其特征在于,所述对象检测装置还包括:筛选模块,用于在得到所述新的第一图像样本集之后,基于所述网络参数更新后的神经网络对所述新的第一图像样本集中的各个图像样本进行处理的处理结果,及所述新的第一图像样本集中的各个图像样本的真值,对所述新的第一图像样本集中的图像样本进行筛选。
15.根据权利要求14所述的对象检测装置,其特征在于,所述筛选模块包括:处理子模块,用于将所述新的第一图像样本集中的图像样本输入到所述网络参数更新后的神经网络中,得到各个图像样本的处理结果;
确定子模块,用于基于各个图像样本的处理结果及其真值,确定所述网络参数更新后的神经网络在处理各个图像样本时的损失值;
删除子模块,用于将所述新的第一图像样本集中损失值小于第二阈值的图像样本丢弃。
16.根据权利要求9‑15任一所述的对象检测装置,其特征在于,所述对象检测装置还包括:比对模块,用于将检测结果与所述检测结果所对应的图像的真值进行对比,得到所述检测结果的可信度。
17.一种对象检测设备,其特征在于,包括存储器和处理器,所述存储器上存储有计算机可执行指令,所述处理器运行所述存储器上的计算机可执行指令时实现权利要求1至8任一项所述的方法。
18.一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时,实现权利要求1至8任一项所述的方法。