目标检测及目标检测网络的训练方法、装置及设备制造方法及图纸

公开了一种目标检测及目标检测网络的训练方法、装置及设备。该目标检测方法包括：获得输入图像的特征数据；根据所述特征数据，确定所述输入图像的多个候选边界框；根据所述特征数据，获得所述输入图像的前景分割结果，其中，前景分割结果包含指示所述输入图像的多个像素中每个像素是否属于前景的指示信息；根据所述多个候选边界框与所述前景分割结果，得到所述输入图像的目标检测结果。

Training Method, Device and Equipment of Target Detection and Target Detection Network

【技术实现步骤摘要】
目标检测及目标检测网络的训练方法、装置及设备
本公开涉及图像处理
，尤其涉及一种目标检测及目标检测网络的训练方法、装置及设备。
技术介绍
目标检测是计算机视觉领域的重要问题，尤其对于飞机、舰船等军事目标的检测，由于其具有影像尺寸大、目标尺寸小的特点，检测难度大。而且，对于具有密集排列状态的舰船等目标，目前的目标检测方法的检测精度还有待进一步提升。
技术实现思路
本公开实施例提供了一种目标检测及目标检测网络的训练方法、装置及设备。第一方面，提供一种目标检测方法，包括：获得输入图像的特征数据；根据所述特征数据，确定所述输入图像的多个候选边界框；根据所述特征数据，获得所述输入图像的前景分割结果，其中，前景分割结果包含指示所述输入图像的多个像素中每个像素是否属于前景的指示信息；根据所述多个候选边界框与所述前景分割结果，得到所述输入图像的目标检测结果。结合本公开提供的任一实施方式，所述根据所述多个候选边界框与所述前景分割结果，得到所述输入图像的目标检测结果，包括：根据所述多个候选边界框中每个候选边界框与所述前景分割结果对应的前景图像区域之间的重叠区域，从多个候选边界框中选取至少一个目标边界框；基于所述至少一个目标边界框，得到所述输入图像的目标检测结果。结合本公开提供的任一实施方式，所述根据所述多个候选边界框中每个候选边界框与所述前景分割结果对应的前景图像区域之间的重叠区域，从多个候选边界框中选取至少一个目标边界框，包括：将所述多个候选边界框中与所述前景图像区域之间的重叠区域在整个候选边界框中所占的比例大于第一阈值的候选边界框作为所述目标边界框。结合本公开提供的任一实施方式，所述至少一个目标边界框包括第一边界框和第二边界框，所述基于所述至少一个目标边界框，得到所述输入图像的目标检测结果，包括：基于所述第一边界框和所述第二边界框之间的夹角，确定所述第一边界框和所述第二边界框的重叠参数；基于所述第一边界框和所述第二边界框的重叠参数，确定所述第一边界框和所述第二边界框所对应的目标对象位置。结合本公开提供的任一实施方式，所述基于所述第一边界框和所述第二边界框之间的夹角，确定所述第一边界框和所述第二边界框的重叠参数，包括：根据所述第一边界框和所述第二边界框之间的夹角，获得角度因子；根据所述第一边界框和所述第二边界框之间的交并比和所述角度因子，获得所述重叠参数。结合本公开提供的任一实施方式，所述重叠参数为所述交并比与所述角度因子的乘积，其中，所述角度因子随着所述第一边界框和所述第二边界框之间的角度的增大而增大。结合本公开提供的任一实施方式，在所述交并比保持一定的条件下，所述重叠参数随着所述第一边界框和所述第二边界框之间的角度的增大而增大。结合本公开提供的任一实施方式，在所述重叠参数大于第二阈值的情况下，将所述第一边界框和所述边界框中的其中一个边界框作为目标对象位置。结合本公开提供的任一实施方式，所述将所述第一边界框和所述边界框中的其中一个边界框作为目标对象位置，包括：确定所述第一边界框与所述前景分割结果对应的前景图像区域之间的重叠参数和所述第二边界框与所述前景图像区域之间的重叠参数；将所述第一边界框和所述第二边界框中重叠参数较大的边界框作为目标对象位置。结合本公开提供的任一实施方式，在所述重叠参数小于或等于第二阈值的情况下，将所述第一边界框和第二边界框均作为目标对象位置。结合本公开提供的任一实施方式，待检测的目标对象的长宽比大于特定数值。第二方面，提供一种目标检测网络的训练方法，所述目标检测网络包括特征提取网络、目标预测网络和前景分割网络，所述方法包括：通过所述特征提取网络对样本图像进行特征提取处理，获得所述样本图像的特征数据；根据所述特征数据，通过所述目标预测网络获得多个样本候选边界框；根据所述特征数据，通过所述前景分割网络获得所述样本图像的样本前景分割结果，其中，所述样本前景分割结果包含指示所述样本图像的多个像素点中每个像素点是否属于前景的指示信息；根据所述多个样本候选边界框和所述样本前景分割结果以及所述样本图像的标注信息，确定网络损失值；基于所述网络损失值，对所述目标检测网络的网络参数进行调整。结合本公开提供的任一实施方式，所述标注信息包括所述样本图像包含的至少一个目标对象的真实边界框，所述根据所述多个样本候选边界框和所述样本前景图像区域以及所述样本图像的标注信息，确定网络损失值，包括：基于所述多个候选边界框与所述样本图像标注的至少一个真实目标边界框之间的交并比，确定第一网络损失值。结合本公开提供的任一实施方式，所述候选边界框和所述真实目标边界框之间的交并比是基于包含所述候选边界框与所述真实目标边界框的外接圆得到的。结合本公开提供的任一实施方式，在确定所述网络损失值的过程中，所述候选边界框的宽度所对应的权重高于所述候选边界框的长度所对应的权重。结合本公开提供的任一实施方式，根据所述特征数据获得所述样本图像中的前景图像，包括：对所述特征数据进行上采样处理，以使得处理后的所述特征数据的大小与样本图像的大小相同；基于所述处理后的所述特征数据进行像素分割，获得所述样本图像的样本前景分割结果。结合本公开提供的任一实施方式，所述样本图像包含的目标对象的长宽比高于设定值。第三方面，提供一种目标检测装置，包括：特征提取单元，用于获得输入图像的特征数据；目标预测单元，用于根据所述特征数据，确定所述输入图像的多个候选边界框；前景分割单元，用于根据所述特征数据，获得所述输入图像的前景分割结果，其中，前景分割结果包含指示所述输入图像的多个像素中每个像素是否属于前景的指示信息；目标确定单元，用于根据所述多个候选边界框与所述前景分割结果，得到所述输入图像的目标检测结果。结合本公开提供的任一实施方式，所述目标确定单元具体用于：根据所述多个候选边界框中每个候选边界框与所述前景分割结果对应的前景图像区域之间的重叠区域，从多个候选边界框中选取至少一个目标边界框；基于所述至少一个目标边界框，得到所述输入图像的目标检测结果。结合本公开提供的任一实施方式，所述目标确定单元在用于所述根据所述多个候选边界框中每个候选边界框与所述前景分割结果对应的前景图像区域之间的重叠区域，从多个候选边界框中选取至少一个目标边界框时，具体用于：将所述多个候选边界框中与所述前景图像区域之间的重叠区域在整个候选边界框中所占的比例大于第一阈值的候选边界框作为所述目标边界框。结合本公开提供的任一实施方式，所述至少一个目标边界框包括第一边界框和第二边界框，所述目标确定单元在用于基于所述至少一个目标边界框，得到所述输入图像的目标检测结果时，具体用于：基于所述第一边界框和所述第二边界框之间的夹角，确定所述第一边界框和所述第二边界框的重叠参数；基于所述第一边界框和所述第二边界框的重叠参数，确定所述第一边界框和所述第二边界框所对应的目标对象位置。结合本公开提供的任一实施方式，所述检则单元在用于基于所述第一边界框和所述第二边界框之间的夹角，确定所述第一边界框和所述第二边界框的重叠参数时，具体用于：根据所述第一边界框和所述第二边界框之间的夹角，获得角度因子；根据所述第一边界框和所述第二边界框之间的交并比和所述角度因子，获得所述重叠参数。结合本公开提供的任一实施方式，所述重叠参数为所述交并本文档来自技高网...

【技术保护点】
1.一种目标检测方法，其特征在于，所述方法包括：获得输入图像的特征数据；根据所述特征数据，确定所述输入图像的多个候选边界框；根据所述特征数据，获得所述输入图像的前景分割结果，其中，前景分割结果包含指示所述输入图像的多个像素中每个像素是否属于前景的指示信息；根据所述多个候选边界框与所述前景分割结果，得到所述输入图像的目标检测结果。

【技术特征摘要】
1.一种目标检测方法，其特征在于，所述方法包括：获得输入图像的特征数据；根据所述特征数据，确定所述输入图像的多个候选边界框；根据所述特征数据，获得所述输入图像的前景分割结果，其中，前景分割结果包含指示所述输入图像的多个像素中每个像素是否属于前景的指示信息；根据所述多个候选边界框与所述前景分割结果，得到所述输入图像的目标检测结果。2.根据权利要求1所述的方法，其特征在于，所述根据所述多个候选边界框与所述前景分割结果，得到所述输入图像的目标检测结果，包括：根据所述多个候选边界框中每个候选边界框与所述前景分割结果对应的前景图像区域之间的重叠区域，从多个候选边界框中选取至少一个目标边界框；基于所述至少一个目标边界框，得到所述输入图像的目标检测结果。3.根据权利要求2所述的方法，其特征在于，所述根据所述多个候选边界框中每个候选边界框与所述前景分割结果对应的前景图像区域之间的重叠区域，从多个候选边界框中选取至少一个目标边界框，包括：将所述多个候选边界框中与所述前景图像区域之间的重叠区域在整个候选边界框中所占的比例大于第一阈值的候选边界框作为所述目标边界框。4.根据权利要求2或3所述的方法，其特征在于，所述至少一个目标边界框包括第一边界框和第二边界框，所述基于所述至少一个目标边界框，得到所述输入图像的目标检测结果，包括：基于所述第一边界框和所述第二边界框之间的夹角，确定所述第一边界框和所述第二边界框的重叠参数；基于所述第一边界框和所述第二边界框的重叠参数，确定所述第一边界框和所述第二边界框所对应的目标对象位置。5.一种目标检测网络的训练方法，其特征在于，所述目标检测网络包括特征提取网络、目标预测网络和前景分割网络，所述方法包括：通过所述特征提取网络对样本图像进行特征提取处理，获得所述样本图像的特征数据；根据所述特征数据，通过所述目标预测网络获得多个样本候选边界框；根据所述特征数据，通过所述前景分割网络获得所述样本图像的样本前景分割结果，其中，所述样本前景分割结果包含指示所述样本图像的多个像素点中每个像素点是否属于前景的指...

【专利技术属性】
技术研发人员：李聪，
申请(专利权)人：北京市商汤科技开发有限公司，
类型：发明
国别省市：北京,11