The embodiment of the invention discloses an object detection method based on depth learning, a network training method, a device and a computer storage medium. The detection method includes: obtaining a second image data based on a first image data and a region estimation network, the second image data including an estimated region of an object to be detected in the first image data, and inputting the first image data and the second image data into an object detection network to enable the object detection. The network detects the first image data based on the estimated region, and obtains the actual region of the object to be detected in the first image data.
【技术实现步骤摘要】
物体检测方法、网络训练方法、装置和计算机存储介质
本专利技术涉及图像处理
,具体涉及一种基于深度学习的物体检测方法、网络训练方法、装置和计算机存储介质。
技术介绍
物体检测是计算机视觉领域的重要问题之一,在多种任务诸如自动驾驶、场景分析、人脸分析中有着重要的应用。随着目前深度学习技术的大规模落地,检测算法的运行平台有可能是性能比较低的手机或者嵌入式平台,过慢的检测速度或者过差的检测效果必然会降低用户体验。
技术实现思路
为解决现有存在的技术问题,本专利技术实施例提供一种基于深度学习的物体检测方法、网络训练方法、装置和计算机存储介质。本专利技术实施例的技术方案是这样实现的:本专利技术实施例提供了一种基于深度学习的物体检测方法,所述方法包括:基于第一图像数据和区域估计网络,获得第二图像数据,所述第二图像数据包括所述第一图像数据中待检测物体的估计区域;将所述第一图像数据和所述第二图像数据输入物体检测网络,以使所述物体检测网络基于所述估计区域对所述第一图像数据进行检测,获得所述第一图像数据中所述待检测物体的检测区域。上述方案中,所述方法还包括:获得用于网络训练的第四图像数据,以及所述第四图像数据中包括的标注区域对应的标注信息;所述标注区域表征所述第四图像数据中物体所在区域;采用包含有向卷积层的卷积神经网络对携带有标注区域的所述第四图像数据、所述标注区域对应的标注信息进行训练,获得物体检测网络,所述卷积神经网络用于在训练过程中对所述第四图像数据的标注区域进行计算处理。上述方案中,所述采用包含有向卷积层的卷积神经网络对携带有标注区域的所述第四图像数据、所述标注区域对 ...
【技术保护点】
1.一种基于深度学习的物体检测方法,其特征在于,所述方法包括:基于第一图像数据和区域估计网络,获得第二图像数据,所述第二图像数据包括所述第一图像数据中待检测物体的估计区域;将所述第一图像数据和所述第二图像数据输入物体检测网络,以使所述物体检测网络基于所述估计区域对所述第一图像数据进行检测,获得所述第一图像数据中所述待检测物体的检测区域。
【技术特征摘要】
1.一种基于深度学习的物体检测方法,其特征在于,所述方法包括:基于第一图像数据和区域估计网络,获得第二图像数据,所述第二图像数据包括所述第一图像数据中待检测物体的估计区域;将所述第一图像数据和所述第二图像数据输入物体检测网络,以使所述物体检测网络基于所述估计区域对所述第一图像数据进行检测,获得所述第一图像数据中所述待检测物体的检测区域。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:获得用于网络训练的第四图像数据,以及所述第四图像数据中包括的标注区域对应的标注信息;所述标注区域表征所述第四图像数据中物体所在区域;采用包含有向卷积层的卷积神经网络对携带有标注区域的所述第四图像数据、所述标注区域对应的标注信息进行训练,获得物体检测网络,所述卷积神经网络用于在训练过程中对所述第四图像数据的标注区域进行计算处理。3.根据权利要求1所述的方法,其特征在于,所述基于第一图像数据和区域估计网络,获得第二图像数据,包括:对所述第一图像数据进行卷积处理,获得所述第一图像数据对应的第一特征图;将所述特征图输入至少一个池化层,获得与所述特征图的尺度不同的至少一个第二特征图;对具有不同尺度的所述第一特征图、所述至少一个第二特征图分别进行卷积处理,对卷积处理后的所述第一特征图、所述至少一个第二特征图进行融合,输出携带有标识待检测物体的估计区域的第二图像数据。4.一种网络训练方法,其特征在于,所述方法包括:获得用于网络训练的第四图像数据,以及所述第四图像数据中标注区域对应的标注信息;所述标注区域表征所述第四图像数据中检测物体所在区域;采用包含有向卷积层的卷积神经网络对携带有标注区域的所述第四图像数据、所述标注区域对应的标注信息进行训练,获得物体检测网络,所述卷积神经网络用于在训练过程中对所述第四图像数据的标注区域进行计算处理。5.一种基于深度学习的物体检测装置,其特征在于,所述检测装置包括:第一获取单元和检测单元;其中,所述第一获取单元,用于...
【专利技术属性】
技术研发人员:岳晓宇,旷章辉,张兆阳,陈振方,张伟,
申请(专利权)人:深圳市商汤科技有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。