车辆检测方法、图像处理装置以及计算机可读存储介质制造方法及图纸

本申请公开了一种车辆检测方法、图像处理装置以及计算机可读存储介质，该车辆检测方法包括：采用第一特征提取子网络对待测图像进行第一次特征提取，得到多个第一特征图；利用特征金字塔网络对多个第一特征图进行处理，得到多个第二特征图；采用第二特征提取子网络对待测图像进行第二次特征提取，并根据第二特征提取子网络各阶段输出的特征图得到多个第三特征图，其中，第二特征提取子网络至少部分阶段输入的特征图为将前一阶段输出的特征图和对应的第二特征图进行融合处理得到的；利用特征金字塔网络对多个第三特征图进行处理，得到多个第四特征图；对多个第四特征图进行预测处理，得到预测结果。本申请的检测方法能够提高检测结果的准确率。

【技术实现步骤摘要】
车辆检测方法、图像处理装置以及计算机可读存储介质
本申请涉及图像处理
，特别是涉及一种车辆检测方法、图像处理装置以及计算机可读存储介质。
技术介绍
在智慧交通场景下，交通卡口下的车辆位置检测以及车辆类别的识别十分重要，而本申请的专利技术人发现，现有技术中车辆位置检测以及车辆类别的准确率有待提高。
技术实现思路
本申请主要解决的技术问题是提供一种车辆检测方法、图像处理装置以及计算机可读存储介质，能够提高检测结果的准确率。为解决上述技术问题，本申请采用的一个技术方案是：提供一种车辆检测方法，所述方法包括：获取待测图像；采用第一特征提取子网络对所述待测图像进行第一次多阶段的特征提取，得到多个不同维度的第一特征图；利用特征金字塔网络FPN对所述多个不同维度的第一特征图进行处理，得到多个不同维度的第二特征图；采用第二特征提取子网络对所述待测图像进行第二次多阶段的特征提取，并根据所述第二特征提取子网络各阶段输出的特征图得到多个不同维度的第三特征图，其中，所述第二特征提取子网络在进行特征提取时，其至少部分阶段输入的特征图为将本文档来自技高网...

【技术保护点】
1.一种车辆检测方法，其特征在于，所述方法包括：/n获取待测图像；/n采用第一特征提取子网络对所述待测图像进行第一次多阶段的特征提取，得到多个不同维度的第一特征图；/n利用特征金字塔网络FPN对所述多个不同维度的第一特征图进行处理，得到多个不同维度的第二特征图；/n采用第二特征提取子网络对所述待测图像进行第二次多阶段的特征提取，并根据所述第二特征提取子网络各阶段输出的特征图得到多个不同维度的第三特征图，其中，所述第二特征提取子网络在进行特征提取时，其至少部分阶段输入的特征图为将前一阶段输出的特征图和对应的所述第二特征图进行融合处理而得到的；/n利用特征金字塔网络FPN对所述多个不同维度的第三特...

【技术特征摘要】
1.一种车辆检测方法，其特征在于，所述方法包括：
获取待测图像；
采用第一特征提取子网络对所述待测图像进行第一次多阶段的特征提取，得到多个不同维度的第一特征图；
利用特征金字塔网络FPN对所述多个不同维度的第一特征图进行处理，得到多个不同维度的第二特征图；
采用第二特征提取子网络对所述待测图像进行第二次多阶段的特征提取，并根据所述第二特征提取子网络各阶段输出的特征图得到多个不同维度的第三特征图，其中，所述第二特征提取子网络在进行特征提取时，其至少部分阶段输入的特征图为将前一阶段输出的特征图和对应的所述第二特征图进行融合处理而得到的；
利用特征金字塔网络FPN对所述多个不同维度的第三特征图进行处理，得到多个不同维度的第四特征图；
对所述多个不同维度的第四特征图进行预测处理，得到所述待测图像中车辆的预测结果。


2.根据权利要求1所述的方法，其特征在于，所述第一特征提取子网络与所述第二特征提取子网络均为残差网络。


3.根据权利要求2所述的方法，其特征在于，所述第一特征提取子网络以及所述第二特征提取子网络结构相同，且均依次包括第一卷积层、第一残差单元、第二残差单元、第三残差单元以及第四残差单元。


4.根据权利要求3所述的方法，其特征在于，所述第一残差单元、所述第二残差单元、第三残差单元以及第四残差单元均包括第二卷积层，其中，所述第二卷积层采用GhostNet网络对接收到的特征图进行处理。


5.根据权利要求3所述的方法，其特征在于，所述第一残差单元、所述第二残差单元、所述第三残差单元以及所述第四残差单元还包括与所述第二卷积层连接的批标准化层以及与所述批标准化层连接的激活层，其中，所述批标准化层对所述第二卷积层输出的特征图进行标准化处理，所述激活层采用Mish激活函数对所述批标准化层输出的特征图进行处理。


6.根据权利要求3所述的方法，其...

【专利技术属性】
技术研发人员：谢兵兵，潘武，黄鹏，张小锋，林封笑，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：浙江;33