【技术实现步骤摘要】
目标检测方法和装置
本公开的实施例涉及计算机
，具体涉及目标检测方法和装置。
技术介绍
现有的一些如R-CNN(RegionConvolutionalNeuralNetworks)、SSD(SingleShotMultiBoxDetector)等用于目标检测的算法，通常都是基于神经网络模型的深层的特征图(如得到的最后一层的特征图)进行目标识别。虽然深层的特征图的特征语义信息比较丰富，但是分辨率较低，所以深层的特征图不能详细地反映较小的检测目标的信息，从而使得基于深层的特征图的目标识别方法仅对较大的检测目标的识别结果较好，而对较小的检测目标的识别结果较差。
技术实现思路
本公开的实施例提出了目标检测方法和装置。第一方面，本公开的实施例提供了一种目标检测方法，该方法包括：获取待检测图像的特征金字塔，其中，特征金字塔包括待检测图像的至少两个不同尺寸的特征图；选取特征金字塔中最小尺寸的特征图作为目标特征图，以及执行如下处理步骤：对目标特征图进行上采样以得到与对应的相邻特征图的尺寸相同的特征图...
【技术保护点】
1.一种目标检测方法，包括：/n获取待检测图像的特征金字塔，其中，所述特征金字塔包括所述待检测图像的至少两个不同尺寸的特征图；/n选取所述特征金字塔中最小尺寸的特征图作为目标特征图，以及执行如下处理步骤：对目标特征图进行上采样以得到与对应的相邻特征图的尺寸相同的特征图，其中，相邻特征图在所述特征金字塔中与和目标特征图的尺寸相同的特征图相邻；将上采样后得到的特征图与相邻特征图进行融合以得到融合后的特征图；响应于确定相邻特征图为所述特征金字塔中最大尺寸的特征图，确定融合后的特征图作为检测用特征图；/n根据所述检测用特征图，得到所述待检测图像的检测结果信息，其中，所述检测结果信息...
【技术特征摘要】 【专利技术属性】
1.一种目标检测方法，包括：
获取待检测图像的特征金字塔，其中，所述特征金字塔包括所述待检测图像的至少两个不同尺寸的特征图；
选取所述特征金字塔中最小尺寸的特征图作为目标特征图，以及执行如下处理步骤：对目标特征图进行上采样以得到与对应的相邻特征图的尺寸相同的特征图，其中，相邻特征图在所述特征金字塔中与和目标特征图的尺寸相同的特征图相邻；将上采样后得到的特征图与相邻特征图进行融合以得到融合后的特征图；响应于确定相邻特征图为所述特征金字塔中最大尺寸的特征图，确定融合后的特征图作为检测用特征图；
根据所述检测用特征图，得到所述待检测图像的检测结果信息，其中，所述检测结果信息用于表征检测目标在所述待检测图像中的位置。
2.根据权利要求1所述的方法，其中，所述方法还包括：
响应于确定相邻特征图不是所述特征金字塔中最大尺寸的特征图，将得到的融合后的特征图确定为目标特征图，继续执行所述处理步骤。
3.根据权利要求1所述的方法，其中，所述根据所述检测用特征图，得到所述待检测图像的检测结果信息，包括：
根据所述特征金字塔中除最大尺寸的特征图和最小尺寸特征图之外的特征图分别对应的融合后的特征图和所述特征金字塔中最小尺寸的特征图中的至少一项，与所述检测用特征图，得到所述待检测图像的检测结果信息。
4.根据权利要求1所述的方法，其中，所述根据所述检测用特征图，得到所述待检测图像的检测结果信息，包括：
根据所述检测用特征图和预设的候选检测框，得到所述待检测图像的检测结果信息，其中，所述候选检测框的尺寸通过如下步骤确定：获取目标图像集，其中，所述目标图像集中的目标图像显示有检测目标；对所述目标图像集中的各个目标图像所显示的检测目标的尺寸进行统计分析，得到针对检测目标的尺寸的统计分析结果信息；根据得到的统计分析结果信息，确定所述候选检测框的尺寸。
5.根据权利要求4所述的方法，其中，所述候选检测框的尺寸包括所述检测用特征图的像素点的尺寸。
6.根据权利要求1所述的方法，其中，所述根据所述检测用特征图，得到所述待检测图像的检测结果信息，包括：
利用预先训练的卷积神经网络对所述检测用特征图进行回归分析，以得到所述待检测图像的检测结果信息。
7.根据权利要求1所述的方法，其中，所述获取待检测图像的特征金字塔，包括：
将所述待检测图像输入至预先训练的卷积神经网络，得到所述待检测图像的特征金字塔，其中，所述卷积神经网络包括至少两个卷积层，所述特征金字塔包括所述至少两个卷积层中的、预先指定的至少两个卷积层分别输出的特征图。
8.根据权利要求1-7之一所述的方法，其中，检测目标包括人脸。
9.一种目标检测装置，包括：
获取单元，被配置成获取待检测图像的特征金字塔，其中，所述特征金字塔包括所述待检测图像的至少两个不同尺寸的特征图；
技术研发人员：陈奇，
申请(专利权)人：北京字节跳动网络技术有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。