目标检测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种目标检测方法、装置、计算机设备和存储介质。该方法包括：对待检测图像进行特征提取，得到n组不同尺度的第一特征，其中，n为大于1的整数；将n组不同尺度的第一特征输入第一特征融合网络，第一特征融合网络包括n个特征融合层，在第n个特征融合层中，将第n组第一特征作为第n组第二特征；在第i‑1个特征融合层中，获取第i组第二特征以及第i组第二特征对应的权重参数，将第i组第二特征与权重参数相乘，并将相乘得到的特征与第i‑1组第一特征融合，得到第i‑1组第二特征，直至得到第1组第二特征；将n组第二特征输入检测网络，得到待检测图像中目标的类别信息和位置信息。该方法有利于提高目标检测的准确性。

【技术实现步骤摘要】
目标检测方法、装置、计算机设备和存储介质
本申请涉及图像数据处理
，特别是涉及一种目标检测方法、装置、计算机设备和存储介质。
技术介绍
随着人工智能技术的发展，目标检测作为计算机视觉中最基本和首要的任务之一，广泛应用于工业界和日常生活的各个方面，例如自动驾驶、安防监控以及游戏娱乐等领域。传统技术中，目标检测方法先通过对图像进行卷积处理，得到多个尺度的特征图；接下来，对每个尺度的特征图进行卷积处理和插值处理，并与上一尺度的特征图进行叠加，得到上一尺度融合后的特征图；接下来，将每个尺度融合后的特征图输入检测网络，得到目标检测结果。然而，在很多复杂场景中，例如多尺度变化场景，由于图像中目标的尺度变化很大，在此情形下采用传统的目标检测方法进行目标检测时，检测的准确性较低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高目标检测准确性的目标检测方法、装置、计算机设备和存储介质。一种目标检测方法，所述方法包括：对待检测图像进行特征提取，得到n组不同尺度的第一特征，其中，n为大于1的整数；将所述n组不同尺度的第一特征输入第一特征融合网络，所述第一特征融合网络包括n个特征融合层，在第n个特征融合层中，将第n组第一特征作为第n组第二特征；在第i-1个特征融合层中，获取第i组第二特征以及所述第i组第二特征对应的权重参数，将所述第i组第二特征与所述权重参数相乘，并将相乘得到的特征与第i-1组第一特征融合，得到第i-1组第二特征，直至得到第1组第二特征；将n组第二特征输入检测网络，得到所述待检测图像中目标的类别信息和位置信息。在其中一个实施例中，获取第i组第二特征对应的权重参数，包括：对所述第i组第二特征进行全局平均池化，得到池化后的特征；将所述池化后的特征输入全连接网络，得到所述第i组第二特征对应的权重参数。在其中一个实施例中，将所述第i组第二特征与所述权重参数相乘，包括：将所述第i组第二特征进行卷积运算，得到卷积后的特征；将所述卷积后的特征与所述权重参数相乘，得到相乘后的特征。在其中一个实施例中，在第i-1个特征融合层中，获取第i组第二特征以及所述第i组第二特征对应的权重参数，将所述第i组第二特征与所述权重参数相乘，并将相乘得到的特征与第i-1组第一特征融合，得到第i-1组第二特征，包括：在第i-1个特征融合层中，获取第i组第二特征以及所述第i组第二特征对应的权重参数，将所述第i组第二特征与所述权重参数相乘，得到相乘后的特征；对所述相乘后的特征进行上采样，得到上采样后的特征；获取所述上采样后的特征对应的权重参数，将所述上采样后的特征与所述权重参数相乘，并将相乘得到的特征与第i-1组第一特征融合，得到第i-1组第二特征。在其中一个实施例中，获取所述上采样后的特征对应的权重参数，包括：对所述上采样后的特征进行全局平均池化，得到池化后的特征；将所述池化后的特征输入全连接网络，得到所述上采样后的特征对应的权重参数。在其中一个实施例中，在第n个特征融合层中，将第n组第一特征作为第n组第二特征，包括：对所述第n组第一特征进行全局平局池化，得到池化后的特征；将所述池化后的特征与所述第n组第一特征相加，得到第n组第二特征。在其中一个实施例中，将n组第二特征输入检测网络，得到所述待检测图像中目标的类别信息和位置信息，包括：将n组第二特征输入第二特征融合网络，所述第二特征融合网络包括n个特征融合层，在第1个特征融合层中，将第1组第二特征作为第1组第三特征；在第i个特征融合层中，获取第i-1组第三特征，并将所述第i-1组第三特征与第i组第二特征融合，得到第i组第三特征，直至得到第n组第三特征；将n组第三特征输入检测网络，得到所述待检测图像中目标的类别信息和位置信息。在其中一个实施例中，将n组第二特征输入检测网络，得到所述待检测图像中目标的类别信息和位置信息，包括：将所述n组第二特征输入区域生成网络，得到初始候选框；将所述初始候选框输入级联的检测网络，所述检测网络包括级联的m个检测子网络，将所述初始候选框在原始特征上进行感兴趣区域池化操作，并将池化后的特征输入第1级检测子网络，得到第1级的检测框及置信度；对于第j-1级检测框，在原始特征上进行感兴趣区域池化操作，并将池化后的特征输入第j级检测子网络，得到第j级的检测框及置信度，直至得到第m级检测框及置信度作为最终结果；对所述最终结果进行非极大值抑制，得到所述待检测图像中目标的类别信息和位置信息。一种目标检测装置，所述装置包括：特征提取模块，用于对待检测图像进行特征提取，得到n组不同尺度的第一特征，其中，n为大于1的整数；特征融合模块，用于将所述n组不同尺度的第一特征输入第一特征融合网络，所述第一特征融合网络包括n个特征融合层，在第n个特征融合层中，将第n组第一特征作为第n组第二特征；所述特征融合模块，还用于在第i-1个特征融合层中，获取第i组第二特征以及所述第i组第二特征对应的权重参数，将所述第i组第二特征与所述权重参数相乘，并将相乘得到的特征与第i-1组第一特征融合，得到第i-1组第二特征，直至得到第1组第二特征；检测模块，用于将n组第二特征输入检测网络，得到所述待检测图像中目标的类别信息和位置信息。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：对待检测图像进行特征提取，得到n组不同尺度的第一特征，其中，n为大于1的整数；将所述n组不同尺度的第一特征输入第一特征融合网络，所述第一特征融合网络包括n个特征融合层，在第n个特征融合层中，将第n组第一特征作为第n组第二特征；在第i-1个特征融合层中，获取第i组第二特征以及所述第i组第二特征对应的权重参数，将所述第i组第二特征与所述权重参数相乘，并将相乘得到的特征与第i-1组第一特征融合，得到第i-1组第二特征，直至得到第1组第二特征；将n组第二特征输入检测网络，得到所述待检测图像中目标的类别信息和位置信息。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：对待检测图像进行特征提取，得到n组不同尺度的第一特征，其中，n为大于1的整数；将所述n组不同尺度的第一特征输入第一特征融合网络，所述第一特征融合网络包括n个特征融合层，在第n个特征融合层中，将第n组第一特征作为第n组第二特征；在第i-1个特征融合层中，获取第i组第二特征以及所述第i组第二特征对应的权重参数，将所述第i组第二特征与所述权重参数相乘，并将相乘得到的特征与第i-1组第一特征融合，得到第i-1组第二特征，直至得到第1组第二特征；将n组第二特征输入检测网络，得到所述待检测图像中目标的类别信息和位置信息。上述目标检测方法、装置本文档来自技高网...

【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：/n对待检测图像进行特征提取，得到n组不同尺度的第一特征，其中，n为大于1的整数；/n将所述n组不同尺度的第一特征输入第一特征融合网络，所述第一特征融合网络包括n个特征融合层，在第n个特征融合层中，将第n组第一特征作为第n组第二特征；/n在第i-1个特征融合层中，获取第i组第二特征以及所述第i组第二特征对应的权重参数，将所述第i组第二特征与所述权重参数相乘，并将相乘得到的特征与第i-1组第一特征融合，得到第i-1组第二特征，直至得到第1组第二特征；/n将n组第二特征输入检测网络，得到所述待检测图像中目标的类别信息和位置信息。/n

【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：
对待检测图像进行特征提取，得到n组不同尺度的第一特征，其中，n为大于1的整数；
将所述n组不同尺度的第一特征输入第一特征融合网络，所述第一特征融合网络包括n个特征融合层，在第n个特征融合层中，将第n组第一特征作为第n组第二特征；
在第i-1个特征融合层中，获取第i组第二特征以及所述第i组第二特征对应的权重参数，将所述第i组第二特征与所述权重参数相乘，并将相乘得到的特征与第i-1组第一特征融合，得到第i-1组第二特征，直至得到第1组第二特征；
将n组第二特征输入检测网络，得到所述待检测图像中目标的类别信息和位置信息。


2.根据权利要求1所述的方法，其特征在于，获取第i组第二特征对应的权重参数，包括：
对所述第i组第二特征进行全局平均池化，得到池化后的特征；
将所述池化后的特征输入全连接网络，得到所述第i组第二特征对应的权重参数。


3.根据权利要求1或2所述的方法，其特征在于，将所述第i组第二特征与所述权重参数相乘，包括：
将所述第i组第二特征进行卷积运算，得到卷积后的特征；
将所述卷积后的特征与所述权重参数相乘，得到相乘后的特征。


4.根据权利要求1所述的方法，其特征在于，在第i-1个特征融合层中，获取第i组第二特征以及所述第i组第二特征对应的权重参数，将所述第i组第二特征与所述权重参数相乘，并将相乘得到的特征与第i-1组第一特征融合，得到第i-1组第二特征，包括：
在第i-1个特征融合层中，获取第i组第二特征以及所述第i组第二特征对应的权重参数，将所述第i组第二特征与所述权重参数相乘，得到相乘后的特征；
对所述相乘后的特征进行上采样，得到上采样后的特征；
获取所述上采样后的特征对应的权重参数，将所述上采样后的特征与所述权重参数相乘，并将相乘得到的特征与第i-1组第一特征融合，得到第i-1组第二特征。


5.根据权利要求4所述的方法，其特征在于，获取所述上采样后的特征对应的权重参数，包括：
对所述上采样后的特征进行全局平均池化，得到池化后的特征；
将所述池化后的特征输入全连接网络，得到所述上采样后的特征对应的权重参数。


6.根据权利要求1所述的方法，其特征在于，在第n个特征融合层中，将第n组第一特征作为第n组第二特征，包括：
对所述第n组第一特征进行全局平局池化，得到池化后的特征；
将所述池化后的特征与所述第n组第一特征相加，得到第n组第...

【专利技术属性】
技术研发人员：李楚，陈泽，陈岩，王志成，
申请(专利权)人：北京迈格威科技有限公司，
类型：发明
国别省市：北京;11