目标检测方法、装置及可读存储介质制造方法及图纸

本申请实施例提供一种目标检测方法、装置及可读存储介质，应用于电子设备，目标检测方法包括：获取当前帧图像并将当前帧图像输入到目标检测模型中，通过第一特征提取网络提取当前帧图像的第一图像特征和第一中间特征组。通过所述第二特征提取网络对所述第一图像特征和所述第一中间特征组进行上采样运算以及特征融合运算，得到第二图像特征组。通过定位分类网络根据第一图像特征和第二图像特征组对当前帧图像进行定位分类，得到当前帧图像的目标检测结果。由此，通过提取第一中间特征组从而有效利用了特征提取过程中产生的特征图谱组，避免了特征提取过程中的信息浪费，提高了目标检测过程的信息量，进而提高了目标检测的精度。

Target detection method, device and readable storage medium

【技术实现步骤摘要】
目标检测方法、装置及可读存储介质
本申请涉及目标检测领域，具体而言，涉及一种目标检测方法、装置及可读存储介质。
技术介绍
目标检测是智能监控系统中的一个重要组成部分。目标检测常应用于道路监控系统，以实现对道路情况的检测。目标检测是目标跟踪、事故判定等功能的实现基础。在目标检测领域，存在两种检测手段，单阶段检测与双阶段检测，其中单阶段检测速率较快但精度较差，双阶段检测精度较高但检测时间较长，缺乏一种检测速率较快且精度较高的目标检测手段。申请内容有鉴于此，本申请的目的在于提供一种目标检测方法及装置，以解决或者改善上述问题。为了实现上述目的，本申请实施例采用的技术方案如下：第一方面本申请提供一种目标检测方法，应用于电子设备，所述目标检测方法包括：获取当前帧图像并将所述当前帧图像输入到目标检测模型中。通过第一特征提取网络提取所述当前帧图像的第一图像特征以及第一中间特征组，并将所述第一图像特征输入到第二特征提取网络和定位分类网络中，同时将所述第一中间特征组输入到所述第二特征提取网络中。<br>通过所述第二特本文档来自技高网...

【技术保护点】
1.一种目标检测方法，其特征在于，应用于电子设备，所述方法包括：/n获取当前帧图像并将所述当前帧图像输入到目标检测模型中；/n通过第一特征提取网络提取所述当前帧图像的第一图像特征以及第一中间特征组，并将所述第一图像特征输入到第二特征提取网络和定位分类网络中，同时将所述第一中间特征组输入到所述第二特征提取网络中；/n通过所述第二特征提取网络对所述第一图像特征和所述第一中间特征组进行上采样运算以及特征融合运算，得到第二图像特征组，将所述第二图像特征组输入到所述定位分类网络中；/n通过所述定位分类网络根据所述第一图像特征和所述第二图像特征组对所述当前帧图像中的各个目标进行定位分类，得到所述当前帧图像...

【技术特征摘要】
1.一种目标检测方法，其特征在于，应用于电子设备，所述方法包括：
获取当前帧图像并将所述当前帧图像输入到目标检测模型中；
通过第一特征提取网络提取所述当前帧图像的第一图像特征以及第一中间特征组，并将所述第一图像特征输入到第二特征提取网络和定位分类网络中，同时将所述第一中间特征组输入到所述第二特征提取网络中；
通过所述第二特征提取网络对所述第一图像特征和所述第一中间特征组进行上采样运算以及特征融合运算，得到第二图像特征组，将所述第二图像特征组输入到所述定位分类网络中；
通过所述定位分类网络根据所述第一图像特征和所述第二图像特征组对所述当前帧图像中的各个目标进行定位分类，得到所述当前帧图像的目标检测结果。


2.根据权利要求1所述的目标检测方法，其特征在于，所述第一特征提取网络包括多个依次连接的卷积层组，所述通过第一特征提取网络提取所述当前帧图像的第一图像特征以及第一中间特征组的步骤，包括：
依次通过每个卷积层组提取所述当前帧图像的特征图谱；
将所述多个依次连接的卷积层组中的预设卷积层组提取得到的特征图谱作为所述第一中间特征组；
将最后一个卷积层组提取得到的特征图谱作为所述第一图像特征，其中，所述特征图谱为每个卷积层组中的最后一个卷积单元提取得到的特征图像，每个卷积单元包括点卷积层和/或深度卷积层。


3.根据权利要求1所述的目标检测方法，其特征在于，所述通过所述第二特征提取网络对所述第一图像特征和所述第一中间特征组进行上采样运算以及特征融合运算，得到第二图像特征组的步骤，包括：
将所述第一图像特征的特征图谱输入到对应的数据变换层，并将所述第一中间特征组中的各个特征图谱输入到对应的特征融合函数；
通过各个数据变换层将对应的特征图谱进行上采样，得到上采样后的特征图谱，并将所述上采样后的特征图谱输入到对应的特征融合函数；
通过各个特征融合函数将所述第一中间特征中对应的特征图谱和接收到的上采样后的特征图谱进行特征融合，得到特征融合后的特征图谱，并将得到的各个特征融合后的特征图谱作为所述第二图像特征组。


4.根据权利要求3所述的目标检测方法，其特征在于，所述将所述第一图像特征的特征图谱输入到对应的数据变换层，并将所述第一中间特征组中的各个特征图谱输入到对应的特征融合函数的步骤，包括：
将所述第一图像特征的特征图谱输入到对应的特征卷积层，得到卷积后的特征图谱，并将所述卷积后的特征图谱输入到对应的数据变换层；
将所述第一中间特征组中各个特征图谱输入到对应的特征卷积层，得到卷积后的特征图谱组，并将所述卷积后的特征图谱组输入到对应的特征融合函数。


5.根据权利要求1所述的目标检测方法，其特征在于，所述通过所述定位分类网络根据所述第一图像特征和所述第二图像特征组对所述当前帧图像中的各个目标进行定位分类，得到所述当前帧图像的目标检测结果的步骤，包括：
通过边框定位网络获取所述第一图像特征的特征图谱和所述第二图像特征组中的各个特征图谱的各个目标的定位信息，并将所述各个目标的定位信息发送到特征分类网络；
通过所述特征分类网络对所述各个目标的定位信息进行特征分类，得到所述第一图像特征的特征图谱以及所述第二图像特征组中的各个特征图谱的各个目标的检测结果；
将所述第一图像特征的特征图谱以及所述第二图像特征组中的各个特征图谱的各个目标的检测结果进行融合，得到当前帧图像的目标检测结果。


6.根据权利要求5所述的目标检测方法，其特征在于，所述将所述第一图像特征的特征图谱以及所述第二图像特征组中的各个特征图谱的各个目标的检测结果进行融合，得到当前帧图像的目标检测结果的步骤，包括：
将所述...

【专利技术属性】
技术研发人员：冯鑫山，
申请(专利权)人：浙江宇视科技有限公司，
类型：发明
国别省市：浙江;33