一种图像数据的目标检测方法及相关装置制造方法及图纸

本申请公开了一种图像数据的目标检测方法，包括：采用无锚框目标检测网络对待检测图像进行处理，得到初始候选框；分别采用卷积网络和全连接网络根据所述初始候选框对所述待检测图像进行检测处理，分别得到卷积分类结果、卷积回归结果、全连接分类结果和全连接回归结果；通过得分函数对所述卷积分类结果、所述卷积回归结果、所述全连接分类结果和所述全连接回归结果进行筛选，得到分类结果和回归结果。通过将无锚框目标检测算法和两阶段目标检测算法进行结合，在保证目标检测效率的前提下提高目标检测的精度和准确率。本申请还公开了一种图像数据的目标检测装置、服务器以及计算机可读存储介质，具有以上有益效果。

A target detection method and related device for image data

【技术实现步骤摘要】
一种图像数据的目标检测方法及相关装置
本申请涉及图像处理
，特别涉及一种图像数据的目标检测方法、目标检测装置、服务器以及计算机可读存储介质。
技术介绍
随着信息技术的不断发展，采用计算机可以处理越来越多的复杂任务。其中，就包括计算机视觉技术，即通过计算机对图像进行处理识别出图像中的内容。在计算机视觉技术中首先被考虑的就是目标检测技术，在计算机视觉领域处于相当重要的地位，是计算机视觉的基础领域，对于分割、跟踪等其它视觉任务也具有一定的启发意义。目前主流通用目标检测技术主要分为单阶段的目标检测技术及两阶段的目标检测技术。单阶段目标检测不产生初始候选框，而是直接产生物体的类别概率和位置坐标值，经过单次检测即可直接得到最终的检测结果，因此有着更快的检测速度；两阶段方法则是分为两个阶段，第一阶段为图像每个像素点人工设置锚框，产生初始候选框，第二阶段则是对初始候选框进行进一步修正。由于两阶段经历一个由粗到精的过程，因而精度相对较高，但是检测速度较慢。因此，如何在保持目标检测精度的情况下提高两阶段目标检测过程的速度是本领域技术人员关注的重点问题本文档来自技高网...

【技术保护点】
1.一种图像数据的目标检测方法，其特征在于，包括：/n采用无锚框目标检测网络对待检测图像进行处理，得到初始候选框；/n分别采用卷积网络和全连接网络根据所述初始候选框对所述待检测图像进行检测处理，分别得到卷积分类结果、卷积回归结果、全连接分类结果和全连接回归结果；/n通过得分函数对所述卷积分类结果、所述卷积回归结果、所述全连接分类结果和所述全连接回归结果进行筛选，得到分类结果和回归结果。/n

【技术特征摘要】
1.一种图像数据的目标检测方法，其特征在于，包括：
采用无锚框目标检测网络对待检测图像进行处理，得到初始候选框；
分别采用卷积网络和全连接网络根据所述初始候选框对所述待检测图像进行检测处理，分别得到卷积分类结果、卷积回归结果、全连接分类结果和全连接回归结果；
通过得分函数对所述卷积分类结果、所述卷积回归结果、所述全连接分类结果和所述全连接回归结果进行筛选，得到分类结果和回归结果。


2.根据权利要求1所述的目标检测方法，其特征在于，采用无锚框目标检测网络对待检测图像进行处理，得到初始候选框，包括：
采用所述无锚框目标检测网络对所述待检测图像进行处理，得到所述初始候选框；其中，所述无锚框目标检测网络为采用RPN损失函数训练得到的网络。


3.根据权利要求1所述的目标检测方法，其特征在于，采用无锚框目标检测网络对待检测图像进行处理，得到初始候选框，包括：
将中心点损失引入RPN损失中，得到中心点RPN损失；
采用所述无锚框目标检测网络对所述待检测图像进行处理，得到所述初始候选框；其中，所述无锚框目标检测网络为采用所述中心点RPN损失训练得到的网络。


4.根据权利要求1所述的目标检测方法，其特征在于，分别采用卷积网络和全连接网络根据所述初始候选框对所述待检测图像进行检测处理，分别得到卷积分类结果、卷积回归结果、全连接分类结果和全连接回归结果，包括：
采用所述卷积网络根据所述初始候选框对所述待检测图像进行检测处理，得到所述卷积分类结果、所述卷积回归结果；其中，卷积网络由3个残差模块和2个非局部卷积模块交叉连接获得；
采用所述全连接网络根据所述初始候选框对所述待检测图像进行检测处理，得到所述全连接分类结果和所述全连接回归结果。


5.根据权利要求1所述的目标检测方法，其特征在于，还包括：
采用卷积损失根据训练数据进行训练，得到所述卷积网络；
采用全连接损失根据训练数据进行训练，得到所述全...

【专利技术属性】
技术研发人员：张润泽，郭振华，吴楠，赵雅倩，
申请(专利权)人：苏州浪潮智能科技有限公司，
类型：发明
国别省市：江苏;32