图像目标检测方法、装置、存储介质及污水管道检测装置制造方法及图纸

本发明专利技术公开了一种图像目标检测方法，属于计算机技术领域，所述方法包括：获取待处理的目标图像；将所述目标图像输入卷积神经网络模型，提取至多5个特征图；基于所述卷积神经网络模型输出所述至多5个特征图中的每个特征图对应的预测框；通过检测模块对所有预测框进行目标识别，获得所述目标图像的识别结果；其中，所述检测模块包括依次相连的残差块和检测卷积层。本发明专利技术还公开了一种图像目标检测装置、存储介质和污水管道检测装置。该方法可在严格限制系统内存和计算成本的情况下进行图像准确识别检测。

Image target detection method, device, storage medium and sewage pipeline detection device

【技术实现步骤摘要】
图像目标检测方法、装置、存储介质及污水管道检测装置
本专利技术属于计算机
，具体涉及到一种图像目标检测方法、装置、存储介质及污水管道检测装置。
技术介绍
随着科技的发展，以及深度学习的兴起，对图像中目标进行识别的技术已成为计算机视觉非常重要技术之一，并且使用深度学习在图像目标检测领域中的应用得到巨大的突破，一系列基于深度学习算法的图像目标学习方法被提出来。例如，SSD(SingleShotMultiBoxDetector)等深度学习算法。通过这些深度学习算法，可以从给定的图像中识别出某个物体所在的区域，如在图像上识别出人、车、或房子等物体。从而上述算法利用到了缺陷监测，风险检测等具体领域。具体到污水管道领域，目前污水管道的目视检查是由经过认证的操作人员通过闭路电视(CCTV)完成的。由于操作人员的经验所限或疲劳，这是一项耗时、成本高且容易出错的工作。因此，目前存在通过卷积神经网络实现自动检测异常的技术，该技术不仅可以减少检查时间和成本，同时可以确保评估的准确性和质量。但是目前的污水管道缺陷检测模型训练过程要求较大的系统内存，且仍然本文档来自技高网...

【技术保护点】
1.一种图像目标检测方法，其特征在于，包括：/n获取待处理的目标图像；/n将所述目标图像输入卷积神经网络模型，提取至多5个特征图；/n基于所述卷积神经网络模型输出所述至多5个特征图中的每个特征图对应的预测框；/n通过检测模块对所有预测框进行目标识别，获得所述目标图像的识别结果；其中，所述检测模块包括依次相连的残差块和检测卷积层。/n

【技术特征摘要】
1.一种图像目标检测方法，其特征在于，包括：
获取待处理的目标图像；
将所述目标图像输入卷积神经网络模型，提取至多5个特征图；
基于所述卷积神经网络模型输出所述至多5个特征图中的每个特征图对应的预测框；
通过检测模块对所有预测框进行目标识别，获得所述目标图像的识别结果；其中，所述检测模块包括依次相连的残差块和检测卷积层。


2.根据权利要求1所述的一种图像目标检测方法，其特征在于，所述残差块包含卷积分支和残差分支，所述卷积分支中的第一卷积层的卷积核大小等于位于所述第一卷积层之后的第二卷积层的卷积核大小。


3.根据权利要求2所述的一种图像目标检测方法，其特征在于，所述卷积分支还包括第三卷积层，所述第一卷积层、所述第二卷积层和所述第三卷积层顺次相连；
其中，所述第一卷积层和所述第二卷积层的卷积核大小为3×3；所述第三卷积层的卷积核大小为1×1。


4.根据权利要求3所述的一种图像目标检测方法，其特征在于，所述残差分支包括残差卷积层，所述残差卷积层的卷积核等于所述第三卷积层的卷积核大小。


5.根据权利要求1所述的一种图像目标检测方法，其特征在于，将所述目标图像输入卷积神经网络模型前，将所述待处理的目标图像缩放为设定尺寸、设定通道数的图像。


6.根据权利要求5所述的一种图像目标检测方法，其特征在于，所述图像为尺寸为416×416，3通道的RGB图。


...

【专利技术属性】
技术研发人员：张进，杨雷，
申请(专利权)人：成都云尚物联环境科技有限公司，
类型：发明
国别省市：四川;51