基于注意力机制的道路图像目标检测方法及相关设备技术

本申请实施例属于机器学习技术领域，应用于智慧城市领域中，涉及一种基于注意力机制的道路图像目标检测方法，包括获取待检测道路图像；将所述待检测道路图像输入到训练好的检测集成框架中，以及与各目标检测框架对应的注意力权重值；通过各目标检测框架对所述待检测道路图像进行目标检测处理，输出得到行人检测结果；根据所述注意力权重值综合各所述行人检测结果，得到所述检测集成框架的目标检测结果。本申请还提供一种基于注意力机制的道路图像目标检测装置、计算机设备及存储介质。此外，本申请还涉及区块链技术，采用本方法能够解决现有技术中的目标检测框架难以实现以针对性的设定的指标来进行目标检测的技术问题。

【技术实现步骤摘要】
基于注意力机制的道路图像目标检测方法及相关设备
本申请涉及机器学习
，特别是涉及一种基于注意力机制的道路图像目标检测方法、装置、计算机设备和存储介质。
技术介绍
随着近年来深度学习的迅猛发展，计算机视觉领域也取得了较大突破。而目标检测作为计算机视觉领域核心任务之一，也在深度学习的加持下取得了较传统方法极为明显的进步。目标检测的任务是找出图像或者视频中感兴趣物体，同时检测出他们的位置、大小和类别。现有技术中的Yolo系列和SSD系列模型会采用onestage算法实现分类与回归，其仅仅使用一个CNN网络直接预测不同目标的类别和位置，这样做虽然提高了模型的检测速度，但是在精度上损失却很大。目标检测的性能评价指标也可以很具任务的不同而选择不同的指标，包括精确率、精确度、召回率、meanAveragePrecision(mAP)、intersectionover-union(IoU)等等，不同的任务往往需要不同的指标。与此同时，AutoML技术也在目标检测领域得到了应用，例如，MobileNetV3中使用了MnasNet和NetAdapt来对网络进本文档来自技高网...

【技术保护点】
1.一种基于注意力机制的道路图像目标检测方法，其特征在于，所述方法包括：/n获取待检测道路图像；/n将所述待检测道路图像输入到训练好的检测集成框架中，其中，所述检测集成框架中包括至少两个目标检测框架，以及与各目标检测框架对应的注意力权重值；/n通过各目标检测框架对所述待检测道路图像进行目标检测处理，输出得到行人检测结果；/n根据所述注意力权重值综合各所述行人检测结果，得到所述检测集成框架的目标检测结果。/n

【技术特征摘要】
1.一种基于注意力机制的道路图像目标检测方法，其特征在于，所述方法包括：
获取待检测道路图像；
将所述待检测道路图像输入到训练好的检测集成框架中，其中，所述检测集成框架中包括至少两个目标检测框架，以及与各目标检测框架对应的注意力权重值；
通过各目标检测框架对所述待检测道路图像进行目标检测处理，输出得到行人检测结果；
根据所述注意力权重值综合各所述行人检测结果，得到所述检测集成框架的目标检测结果。


2.根据权利要求1所述的方法，其特征在于，在所述将所述待检测道路图像输入到训练好的检测集成框架中之前，还包括：
获取道路样本图像，其中，所述道路样本图像包括行人标注信息；
根据目标检测任务选择至少两个目标检测框架；
根据随机设置的各所述目标检测框架的训练权重值，综合得到待训练集成框架；
通过各所述目标检测框架对所述道路样本图像进行样本检测处理，得到各所述目标检测框架的第一样本检测结果；并
根据所述行人标注信息、所述第一样本检测结果以及所述训练权重值计算所述待训练集成框架的第一损失值；
当所述第一损失值大于预设阈值，则根据所述第一损失值调整各所述目标检测框架的训练权重值，并重复对所述道路样本图像进行样本检测处理、计算所述待训练集成框架的第一损失值的操作，直到所述第一损失值不大于所述预设阈值或调整所述训练权重值的次数超过预设次数，则输出当前训练权重值，得到训练好的检测集成框架。


3.根据权利要求2所述的方法，其特征在于，所述根据所述行人标注信息、所述第一样本检测结果以及所述训练权重值计算所述待训练集成框架的第一损失值，包括：
根据所述行人标注信息、所述第一样本检测结果计算各所述目标检测框架的第二损失值；
综合所述第二损失值、所述训练权重值得到所述待训练集成框架的第一损失值。


4.根据权利要求3所述的方法，其特征在于，所述综合所述第二损失值、所述训练权重值得到所述第一损失值，包括：
将所述第二损失值与所述训练权重值相乘...

【专利技术属性】
技术研发人员：刘杰，王健宗，瞿晓阳，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44