目标检测方法、存储介质及计算机设备技术

本申请涉及一种目标检测方法、存储介质及计算机设备，本申请在对不同层级的图像特征进行第一次检测的基础上，通过进行空洞卷积处理，并根据第一检测结果对处理后特征再次进行目标检测，由于的空洞卷积处理可以提升低层级特征的感受野，从而可以增强对图像中的小目标的检测能力，提高图像中小目标检测结果的准确性。

Target detection method, storage medium and computer equipment

【技术实现步骤摘要】
目标检测方法、存储介质及计算机设备
本申请涉及图像处理
，特别是涉及一种目标检测方法、存储介质及计算机设备。
技术介绍
目标检测，也叫目标提取，是一种基于目标几何和统计特征的图像分割，它将目标的分割和识别合二为一，其准确性和实时性是整个系统的一项重要能力。尤其是在复杂场景中，例如智能驾驶领域，需要对多个目标进行实时处理时，目标自动提取和识别就显得特别重要。在驾驶场景中，图像中的目标呈现“近大远小”的特征，现有的目标检测方法虽然能对近处的大目标进行检测，但是对远处的小目标检测能力有限，从而，对于驾驶场景等目标变化速度较快的场景，现有技术存在小目标检测结果准确率低的问题。
技术实现思路
基于此，有必要针对现有技术存在的问题，提供一种可以提高小目标检测结果准确性的目标检测方法、存储介质及计算机设备。一种目标检测方法，包括：获取待处理图像的不同层级的图像特征；通过初始目标框分别对所述不同层级的图像特征进行目标检测，得到各所述图像特征的第一检测结果，所述第一检测结果包括所述初始目标框以及对应的第一本文档来自技高网...

【技术保护点】
1.一种目标检测方法，其特征在于，包括：/n获取待处理图像的不同层级的图像特征；/n通过初始目标框分别对所述不同层级的图像特征进行目标检测，得到各所述图像特征的第一检测结果，所述第一检测结果包括所述初始目标框以及对应的第一回归位置参数；/n对各所述图像特征分别进行图像处理，得到各所述图像特征对应的处理后特征，所述图像处理包括空洞卷积处理；/n基于各所述图像特征对应的所述初始目标框以及所述第一回归位置参数确定各所述图像特征对应的候选目标框，通过所述候选目标框对对应的处理后特征进行目标检测，得到各所述图像特征对应的第二检测结果，所述第二检测结果包括所述候选目标框以及对应的目标分类信息以及第二回归位...

【技术特征摘要】
1.一种目标检测方法，其特征在于，包括：
获取待处理图像的不同层级的图像特征；
通过初始目标框分别对所述不同层级的图像特征进行目标检测，得到各所述图像特征的第一检测结果，所述第一检测结果包括所述初始目标框以及对应的第一回归位置参数；
对各所述图像特征分别进行图像处理，得到各所述图像特征对应的处理后特征，所述图像处理包括空洞卷积处理；
基于各所述图像特征对应的所述初始目标框以及所述第一回归位置参数确定各所述图像特征对应的候选目标框，通过所述候选目标框对对应的处理后特征进行目标检测，得到各所述图像特征对应的第二检测结果，所述第二检测结果包括所述候选目标框以及对应的目标分类信息以及第二回归位置参数；
基于各所述图像特征对应的候选目标框、候选目标框对应的目标分类信息以及第二回归位置参数，得到所述待处理图像的目标检测信息。


2.根据权利要求1所述的方法，其特征在于，获取待处理图像的不同层级的图像特征，包括：
根据所述待处理图像得到初始图像特征；
对所述初始图像特征进行卷积处理以及池化处理，得到所述待处理图像的不同层级的图像特征。


3.根据权利要求1所述的方法，其特征在于，通过初始目标框分别对所述不同层级的图像特征进行目标检测，得到各所述图像特征的第一检测结果，包括：
在所述不同层级的图像特征上分别添加多个初始目标框，所述初始目标框的添加方式包括随机添加以及按照预设规则添加；
对各所述初始目标框的框内区域进行目标检测，得到第一目标检测信息，所述第一目标检测信息包括检测目标的第一位置信息；
基于所述第一目标检测信息中检测目标的第一位置信息以及对应的初始目标框位置信息，确定各所述初始目标框对应的第一回归位置参数。


4.根据权利要求1所述的方法，其特征在于，对各所述图像特征分别进行图像处理，得到各所述图像特征对应的处理后特征，包括：
对各所述图像特征分别进行卷积处理以及空洞卷积处理，得到各所述图像特征对应的处理后特征。


5.根据权利要求4所述的方法，其特征在于，对各所述图像特征分别进行卷积处理以及空洞卷积处理，得到各所述图像特征对应的处理后特征，包括：
对每张图像特征分别进行以下处理：
对所述图像特征进行预设步长的卷积处理，得到降维特征处理结果；
对所述降维特征处理结果进行空洞卷积处理，得到空洞卷积处理结果；
使用分解后的卷积核分别对所述空洞卷积处理结果进行第一卷积处理以及第二卷积处理，得到第一卷积处理结果以及第二卷积处理结果；
对所述第一卷积处理结果以及所述第二卷积处理结果进行残差连接处理，得到残差连接处理结果；
根据所述降维特征处理结果以及所述残差连接处理结果，得到所述图像特征对应的处理后特征。


6.根据权利要求1所述的方法，其特征在于，在对各所述图像特征分别进行空洞卷积处理时，不同层级的图像特征对应的膨胀率不同。


7.根据权利要求1所述的方法，其特征在于，通过所述候选目标框对对应的处理后特征进行目标检测之前，还包括：
按照预设规则对各所述图像特征的处理后特征进行特征融合，得到各所述图像特征对...

【专利技术属性】
技术研发人员：谢伟，黄倩倩，连春燕，胡荣东，
申请(专利权)人：长沙智能驾驶研究院有限公司，
类型：发明
国别省市：湖南;43