目标对象检测方法、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对象检测方法、装置、计算机设备和存储介质。所述方法包括：对待检测图像进行特征提取，获得初始图像特征；对所述初始图像特征进行特征增强处理，获得第一图像特征；根据所述第一图像特征进行针对目标对象的第一层级预测处理，得到用于标识所述目标对象的初始预测框；对所述初始图像特征和所述第一图像特征进行特征拼接，并对拼接后的图像特征进行特征增强处理，获得第二图像特征；根据所述第二图像特征和所述初始预测框进行针对所述目标对象的第二层级预测处理，以调整所述初始预测框，并根据调整后的预测框识别出所述待检测图像中的所述目标对象。采用本方法能够有效提高目标对象的检测准确度。

【技术实现步骤摘要】
目标对象检测方法、装置、计算机设备和存储介质
本申请涉及图像处理
，特别是涉及一种目标对象检测方法、装置、计算机设备和存储介质。
技术介绍
随着计算机技术的迅速发展和计算机视觉原理的广泛应用，利用计算机图像处理技术对目标进行检测越来越热门，尤其是在人脸识别和人体检测等场景的应用。对于复杂场景的图像，精准定位目标具有很大的挑战性。例如由于人脸尺度本身较小，以及人脸姿态变化较大，在复杂场景下难以准确定位人脸目标。目前的目标检测方式通常是采用预设框分类和检测框回归预测的方式。例如首先对图像进行提取特征，然后在不同网络深度的层上进行不同尺度的目标检测，以根据预设框进行人脸框回归预测。然而实际场景中检测目标的尺度可能比较小，目前这种方式预测出的检测框的分类置信度并不高，导致目标定位精度下降，对于尺度较小的目标的检测准确性较低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够有效提高目标对象的检测准确度的目标对象检测方法、装置、计算机设备和存储介质。一种目标对象检测方法，所述方法包括：对待检测图本文档来自技高网...

【技术保护点】
1.一种目标对象检测方法，其特征在于，所述方法包括：/n对待检测图像进行特征提取，获得初始图像特征；/n对所述初始图像特征进行特征增强处理，获得第一图像特征；/n根据所述第一图像特征进行针对目标对象的第一层级预测处理，得到用于标识所述目标对象的初始预测框；/n对所述初始图像特征和所述第一图像特征进行特征拼接，并对拼接后的图像特征进行特征增强处理，获得第二图像特征；/n根据所述第二图像特征和所述初始预测框进行针对所述目标对象的第二层级预测处理，以调整所述初始预测框，并根据调整后的预测框识别出所述待检测图像中的所述目标对象。/n

【技术特征摘要】
1.一种目标对象检测方法，其特征在于，所述方法包括：
对待检测图像进行特征提取，获得初始图像特征；
对所述初始图像特征进行特征增强处理，获得第一图像特征；
根据所述第一图像特征进行针对目标对象的第一层级预测处理，得到用于标识所述目标对象的初始预测框；
对所述初始图像特征和所述第一图像特征进行特征拼接，并对拼接后的图像特征进行特征增强处理，获得第二图像特征；
根据所述第二图像特征和所述初始预测框进行针对所述目标对象的第二层级预测处理，以调整所述初始预测框，并根据调整后的预测框识别出所述待检测图像中的所述目标对象。


2.根据权利要求1所述的方法，其特征在于，所述对待检测图像进行特征提取，获得初始图像特征，包括：
通过目标检测模型的特征提取层，对所述待检测图像进行多个预设尺度的特征提取，得到各所述预设尺度对应的特征图；
通过所述目标检测模型的第一卷积层，对所述特征图进行特征增强处理，获得初始图像特征。


3.根据权利要求1所述的方法，其特征在于，所述对所述初始图像特征进行特征增强处理，获得第一图像特征，包括：
通过目标检测模型的第一语义提取层，根据预设感受野参数对所述初始图像特征进行语义特征提取，得到所述初始图像特征的上下文语义信息；
通过所述目标检测模型的第二卷积层，对所述上下文语义信息进行特征增强处理，获得所述第一图像特征。


4.根据权利要求1所述的方法，其特征在于，所述根据所述第一图像特征进行针对目标对象的第一层级预测处理，得到用于标识所述目标对象的初始预测框，包括：
通过目标检测模型的第一预测层，根据所述第一图像特征预测所述待检测图像中针对检测对象的预测框；
对所述检测对象的预测框进行分类，得到用于标识所述目标对象的初始预测框。


5.根据权利要求1所述的方法，其特征在于，所述对所述初始图像特征和所述第一图像特征进行特征拼接，并对拼接后的图像特征进行特征增强处理，获得第二图像特征，包括：
将所述初始图像特征和所述第一图像特征输入至目标检测模型的第二语义提取层；
根据所述初始图像特征和所述第一图像特征调整所述第二语义提取层的感受野参数，得到调整后的感受野参数；
对所述初始图像特征和所述第一图像特征进行特征拼接，得到拼接后的图像特征；
根据所述调整后的感受野参数，对所述拼接后的图像特征进行语义特征提取，得到所述拼接后的图像特征对应的上下文语义信息；
通过所述目标检测模型的第三卷积层，对所述上下文语义信息进行特征增强处理，得到第二图像特征。


6.根据权利要求1所述的方法，其特征在于，所述初始预测框包括至少一个预测框；在所述根据所述第二图像特征和所述初始预测框进行针对所述目标对象的第二层级预测处理之前，还包括：
获取所述初始预测框中各预测框对应的置信度；
对所述置信度未达到置信度阈值的预测框进行过滤，得到过滤后的预测框；
根据所述过滤后的预测框的位置和所述第一图像特征对应的位置，对所述过滤后的预测框进行筛选，得到筛选后的预测框；
所述根据所述第二图像特征和所述初始预测框进行针对所述目标对象的第二层级预测处理，以调整所述初始预测框，并根据调整后的预测框识别出所述待检测图像中的所述目标对象，包括：
根据所述第二图像特征和所述筛选后的预测框进行针对所述目标对象的第二层级预测处理，以调整所述筛选后的预测框，并根据调整后的预测框识别出所述待检测图像中的所述目标对象。


7.根据权利要求6所述的方法，其特征在于，所述第一图像特征对应第一特征图；所述根据所述过滤后的预测框的位置和所述第一图像特征对应的位置，对所述过滤后的预测框进行筛选，得到筛选后的预测框，包括：
获取所述过滤后的预测框的中心点在所述第一特征图中的映射位置；
根据所述映射位置对所述过滤后的预测框进行筛选，得到筛选后的预测框。


8.根据权利要求7所述的方法，其特征在于，所述根据所述映射...

【专利技术属性】
技术研发人员：王昌安，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44