一種目標檢測方法、裝置、設備及存儲介質制造方法及圖紙

本發明專利技術公開了一種目標檢測方法、裝置、設備及存儲介質，屬于計算機視覺技術領域。該方法包括：采用目標檢測網絡的特征提取網絡，對待檢測圖像進行特征提取，得到至少一個輸出層輸出的初始特征；根據輸出層輸出的初始特征，分別對至少一個輸出層輸出的初始特征進行特征尺寸歸一化，得到輸出層對應的至少一個輸出層的歸一化特征；根據輸出層的初始特征、以及輸出層對應的至少一個輸出層的歸一化特征，確定輸出層對應的通道融合特征，并確定輸出層對應的空間融合特征；根據通道融合特征和空間融合特征，確定輸出層對應的最終特征；采用目標檢測網絡的預測網絡，對至少一個輸出層對應的最終特征進行預測，得到待檢測圖像的預測結果。果。果。

【技術實現步驟摘要】
一種目標檢測方法、裝置、設備及存儲介質


[0001]本專利技術涉及計算機視覺
，尤其涉及一種目標檢測方法、裝置、設備及存儲介質。

技術介紹

[0002]目標檢測用于對圖片中對感興趣的目標進行定位和識別。隨著近些年硬件計算能力的提高、深度學習的發展和高質量數據集的公開，使得目標檢測在近些年有了較大發展。目標檢測函數大致可以分為一階段目標檢測和二階段目標檢測兩類，一階段目標檢測以retinanet和YOLO(You Only Look Once)系列為代表，二階段目標檢測以Faster R
?
CNN(Faster Region
?
CNN，快速區域卷積神經網絡)和Cascade R
?
CNN(Cascade Region
?
CNN，級聯的區域卷積神經網絡)為代表。
[0003]大多數目標檢測網絡都可以分為骨干網絡，瓶頸層網絡和預測頭幾個主要部分。其中較為重要的部分就是瓶頸層網絡部分，經過了骨干網絡的特征提取之后，一般就會得到不同層的不同分辨率大小的尺寸的特征。特征圖不同層次特征的表達能力不同，淺層特征主要反映明暗和邊緣等細節，深層特征則反映更全面的整體結構。瓶頸層網絡部分大部分檢測都是采用特征金字塔網絡進行多層次特征的融合。但是，融合過程中僅僅對最底層的特征進行上采樣和單一卷積，并與該底層特征進行簡單融合，得到高分辨率的特征，使得針對高分辨率特征學習的提升有限，從而影響目標檢測的檢測精度。因此，亟需改進。

技術實現思路

[0004]本專利技術提供了一種目標檢測方法、裝置、設備及存儲介質，以提高目標檢測的檢測精度。
[0005]根據本專利技術的一方面，提供了一種目標檢測方法，包括：
[0006]采用目標檢測網絡的特征提取網絡，對待檢測圖像進行特征提取，得到至少一個輸出層輸出的初始特征；
[0007]根據輸出層輸出的初始特征，分別對至少一個輸出層輸出的初始特征進行特征尺寸歸一化，得到輸出層對應的至少一個輸出層的歸一化特征；
[0008]根據輸出層的初始特征、以及輸出層對應的至少一個輸出層的歸一化特征，確定輸出層對應的通道融合特征，并確定輸出層對應的空間融合特征；
[0009]根據通道融合特征和空間融合特征，確定輸出層對應的最終特征；
[0010]采用目標檢測網絡的預測網絡，對至少一個輸出層對應的最終特征進行預測，得到待檢測圖像的預測結果。
[0011]根據本專利技術的另一方面，提供了一種目標檢測裝置，包括：
[0012]初始特征確定模塊，用于采用目標檢測網絡的特征提取網絡，對待檢測圖像進行特征提取，得到至少一個輸出層輸出的初始特征；
[0013]歸一化特征確定模塊，用于根據輸出層輸出的初始特征，分別對至少一個輸出層
輸出的初始特征進行特征尺寸歸一化，得到輸出層對應的至少一個輸出層的歸一化特征；
[0014]融合特征確定模塊，用于根據輸出層的初始特征、以及輸出層對應的至少一個輸出層的歸一化特征，確定輸出層對應的通道融合特征，并確定輸出層對應的空間融合特征；
[0015]最終特征確定模塊，用于根據通道融合特征和空間融合特征，確定輸出層對應的最終特征；
[0016]預測結果確定模塊，用于采用目標檢測網絡的預測網絡，對至少一個輸出層對應的最終特征進行預測，得到待檢測圖像的預測結果。
[0017]根據本專利技術的另一方面，提供了一種電子設備，所述電子設備包括：
[0018]至少一個處理器；以及
[0019]與至少一個處理器通信連接的存儲器；其中，
[0020]存儲器存儲有可被至少一個處理器執行的計算機程序，計算機程序被至少一個處理器執行，以使至少一個處理器能夠執行本專利技術任一實施例的目標檢測方法。
[0021]根據本專利技術的另一方面，提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機指令，計算機指令用于使處理器執行時實現本專利技術任一實施例的目標檢測方法。
[0022]本專利技術實施例的技術方案，通過采用目標檢測網絡的特征提取網絡，對待檢測圖像進行特征提取，得到至少一個輸出層輸出的初始特征；根據輸出層輸出的初始特征，分別對至少一個輸出層輸出的初始特征進行特征尺寸歸一化，得到輸出層對應的至少一個輸出層的歸一化特征；根據輸出層的初始特征、以及輸出層對應的至少一個輸出層的歸一化特征，確定輸出層對應的通道融合特征，并確定輸出層對應的空間融合特征；根據通道融合特征和空間融合特征，確定輸出層對應的最終特征；采用目標檢測網絡的預測網絡，對至少一個輸出層對應的最終特征進行預測，得到待檢測圖像的預測結果。上述技術方案，引入通道融合特征，可以更好地表征不同通道之間的特性，引入空間融合特征，可以更好地表征不同輸出層次之間的相關性，使得基于通道融合特征和空間融合特征得到的最終特征擁有更好的表達能力，從而使得根據最終特征得到的預測結果更準確，提高了目標檢測的檢測精度。
[0023]應當理解，本部分所描述的內容并非旨在標識本專利技術的實施例的關鍵或重要特征，也不用于限制本專利技術的范圍。本專利技術的其它特征將通過以下的說明書而變得容易理解。
附圖說明
[0024]為了更清楚地說明本專利技術實施例中的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本專利技術的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。
[0025]圖1A是根據本專利技術實施例一提供的一種目標檢測方法的流程圖；
[0026]圖1B是根據本專利技術實施例一提供的一種目標檢測過程的示意圖；
[0027]圖2A是根據本專利技術實施例二提供的一種目標檢測方法的流程圖；
[0028]圖2B是根據本專利技術實施例二提供的一種通道融合特征的確定過程示意圖；
[0029]圖3A是根據本專利技術實施例三提供的一種目標檢測方法的流程圖；
[0030]圖3B是根據本專利技術實施例三提供的一種空間融合特征的確定過程示意圖；
[0031]圖4是根據本專利技術實施例四提供的一種目標檢測裝置的結構示意圖；
[0032]圖5是實現本專利技術實施例的目標檢測方法的電子設備的結構示意圖。
具體實施方式
[0033]為了使本
的人員更好地理解本專利技術方案，下面將結合本專利技術實施例中的附圖，對本專利技術實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本專利技術一部分的實施例，而不是全部的實施例。基于本專利技術中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都應當屬于本專利技術保護的范圍。
[0034]需要說明的是，本專利技術的說明書和權利要求書及上述附圖中的術語“目標”、“初始”和“最終”等是用于區別類似的對象，而不必用于描述特定的順序或先后次序。應該理解這樣使用的數據在適當情況下可以互換，以便這里描述的本專利技術的實施例能夠以除了在這里圖示或描述的本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種目標檢測方法，其特征在于，包括：采用目標檢測網絡的特征提取網絡，對待檢測圖像進行特征提取，得到至少一個輸出層輸出的初始特征；根據所述輸出層輸出的初始特征，分別對至少一個輸出層輸出的初始特征進行特征尺寸歸一化，得到所述輸出層對應的至少一個輸出層的歸一化特征；根據所述輸出層的初始特征、以及所述輸出層對應的至少一個輸出層的歸一化特征，確定所述輸出層對應的通道融合特征，并確定所述輸出層對應的空間融合特征；根據所述通道融合特征和所述空間融合特征，確定所述輸出層對應的最終特征；采用所述目標檢測網絡的預測網絡，對至少一個輸出層對應的最終特征進行預測，得到所述待檢測圖像的預測結果。2.根據權利要求1所述的方法，其特征在于，根據所述輸出層的初始特征、以及所述輸出層對應的至少一個輸出層的歸一化特征，確定所述輸出層對應的通道融合特征，包括：根據所述至少一個輸出層的歸一化特征，確定所述輸出層的至少一個通道的通道分值權重；根據所述輸出層的初始特征、以及所述輸出層的至少一個通道的通道分值權重，確定所述輸出層對應的通道融合特征。3.根據權利要求2所述的方法，其特征在于，所述根據至少一個輸出層的歸一化特征，確定所述輸出層的至少一個通道的通道分值權重，包括：對至少一個輸出層的歸一化特征進行相加，得到所述輸出層對應的加和特征；計算所述加和特征的協方差，得到所述輸出層對應的層次相關特征；對所述層次相關特征進行正交分解，得到所述層次相關特征對應的至少一個通道的通道特征；對所述通道特征進行至少兩次卷積操作，得到所述通道對應的通道分值權重。4.根據權利要求2所述的方法，其特征在于，根據所述輸出層的初始特征、以及所述輸出層的至少一個通道的通道分值權重，確定所述輸出層對應的通道融合特征，包括：分別將所述輸出層的初始特征與對應的至少一個通道的通道分值權重相乘，得到所述輸出層對應的通道融合特征。5.根據權利要求1所述的方法，其特征在于，根據所述輸出層的初始特征、以及所述輸出層對應的至少一個輸出層的歸一化特征，確定所述輸出層對應的空間融合特征，包括：根據所述至少一個輸出層的歸一化特征，確定所述輸出層對應的空間層次特征；根據所述輸出層的初始特征、以及所述輸出層對應的空間層...

【專利技術屬性】
技術研發人員：張騰飛，李林超，王威，周凱，
申請(專利權)人：浙江啄云智能科技有限公司，
類型：發明
國別省市：