一种目标检测方法、网络、装置、终端设备及存储介质制造方法及图纸

本发明专利技术适用于目标检测技术领域，提供一种目标检测方法、网络、装置、终端设备及存储介质，通过对多张图像进行特征提取，获得与每张图像对应的多张不同维度的特征图；拼接与每张图像对应的多张不同维度的特征图，获得与每张图像对应的目标特征图；根据每张目标特征图中目标的面积占比，确定与每张目标特征图对应的网格；根据与每张目标特征图所对应的网格，对每张目标特征图进行目标预测，获得目标预测结果；根据目标预测结果计算目标检测网络的损失，根据损失对目标检测网络进行优化训练直到损失收敛时为止；通过完成优化训练后的目标检测网络对待检测图像进行目标检测，获得目标检测结果，可以提升检测小目标时特征的辨识度和鲁棒性。

【技术实现步骤摘要】
一种目标检测方法、网络、装置、终端设备及存储介质
本专利技术属于目标检测
，尤其涉及一种目标检测方法、网络、装置、终端设备及存储介质。
技术介绍
目标检测技术主要分为两个分支：有锚框(Anchor-based)和无锚框(Anchor-free)的目标检测方法，有锚框的目标检测方法可以进一步分为单阶段和两阶段的目标检测方法，无锚框的目标检测方法可以进一步分为基于关键点和基于中心点的两种目标检测方法。现有的，基于深度学习的单阶段目标检测方法主要有基于YOLO和SSD网络的深度学习目标检测方法。YOLO算法将目标检测转化为端到端的回归问题，推理速度很快，但是模型的定位精度以及对小目标的检测效果差。SSD算法提取5个不同尺度的特征图做预测，由于单一特征图的感受野和语义信息的限制，导致SSD算法对小目标检测鲁棒性低，浅层表征能力不强。
技术实现思路
有鉴于此，本专利技术实施例提供了一种目标检测方法、网络、装置、终端设备及存储介质，以解决现有技术中YOLO算法的定位精度低、对小目标的检测效果差，SSD算法对小目标检测鲁棒性本文档来自技高网...

【技术保护点】
1.一种目标检测方法，其特征在于，包括：/n对多张图像进行特征提取，获得与每张所述图像对应的多张不同维度的特征图；/n拼接与每张所述图像对应的多张不同维度的特征图，获得与每张所述图像对应的目标特征图；/n根据每张所述目标特征图中目标的面积占比，确定与每张所述目标特征图对应的网格；/n根据与每张所述目标特征图所对应的网格，对每张所述目标特征图进行目标预测，获得目标预测结果；/n根据所述目标预测结果计算目标检测网络的损失，根据所述损失对目标检测网络进行优化训练直到所述损失收敛时为止；/n通过完成优化训练后的目标检测网络对待检测图像进行目标检测，获得目标检测结果。/n

【技术特征摘要】
1.一种目标检测方法，其特征在于，包括：
对多张图像进行特征提取，获得与每张所述图像对应的多张不同维度的特征图；
拼接与每张所述图像对应的多张不同维度的特征图，获得与每张所述图像对应的目标特征图；
根据每张所述目标特征图中目标的面积占比，确定与每张所述目标特征图对应的网格；
根据与每张所述目标特征图所对应的网格，对每张所述目标特征图进行目标预测，获得目标预测结果；
根据所述目标预测结果计算目标检测网络的损失，根据所述损失对目标检测网络进行优化训练直到所述损失收敛时为止；
通过完成优化训练后的目标检测网络对待检测图像进行目标检测，获得目标检测结果。


2.如权利要求1所述的目标检测方法，其特征在于，所述对多张图像进行特征提取，获得与每张所述图像对应的多张不同维度的特征图，包括：
通过骨架网络的卷积网络层分别对多张图像进行处理，获得与每张所述图像对应的第1维度的特征图；其中，所述第1维度包括第1空间尺寸和第1通道尺寸；
通过所述骨架网络的第i深度卷积网络层对每张第i维度的特征图进行处理，获得与每张所述图像对应的第2i维度的特征图；其中，所述第2i维度包括第i空间尺寸和第i+1通道尺寸，i＝1,2,3,4；
通过所述骨架网络的第i平均池化层对每张所述第2i维度的特征图进行处理，获得与每张所述图像对应的第2i+1维度的特征图；其中，所述第2i+1维度包括第i+1空间尺寸和第i+1通道尺寸。


3.如权利要求2所述的目标检测方法，其特征在于，所述通过所述骨架网络的第i深度卷积网络层对每张第i维度的特征图进行处理，获得与每张所述图像对应的第2i维度的特征图，包括：
对每张第i维度的特征图进行复制，获得与每张所述图像对应的四张第i维度的原特征图；
通过所述骨架网络的第i深度卷积网络层的第一卷积网络对与每张所述图像对应的第一张第i维度的原特征图进行处理，得到与每张所述图像对应的第一张第i维度的新特征图；
通过所述第i深度卷积网络层的第二卷积网络对与每张所述图像对应的第二张第i维度的原特征图进行处理，得到与每张所述图像对应的第二张第i维度的新特征图；
通过所述第i深度卷积网络层的第三卷积网络对与每张所述图像对应的第一张第i维度的原特征图进行处理，得到与每张所述图像对应的第三张第i维度的新特征图；
拼接与每张所述图像对应的三张第i维度的新特征图并进行降维，获得与每张所述图像对应的第i维度的新特征图；
将与每张所述图像对应的第i维度的新特征图和与每张所述图像对应的第四张第i维度的原特征图按照元素相加，获得与每张所述图像对应的第2i维度的特征图。


4.如权利要求3所述的目标检测方法，其特征在于，所述第一卷积网络、所述第二卷积网络和所述第三卷积网络均包括1*1卷积层、3*3深度可分离卷积层和3*3深度可分离空洞卷积层，所述第一卷积网络、所述第二卷积网络和所述第三卷积网络中的3*3深度可分离空洞卷积层的空洞率分别为1、3和5。


5.如权利要求2所述的目标检测方法，其特征在于，所述拼接与每张所述图像对应的多张不同维度的特征图，获得与每张所述图像对应的目标特征图，包括：
通过所述骨架网络拼接与每张所述图像对应的第4维度、第6维度和第9维度的特征图，获得与每张所述图像对应的目标特征图。


6.如权利要求1至5任一项所述的目标检测方法，其特征在于，所述根据每张所述目标特征图中目标的面积占比，确定与每张所述目标特征图对应的网格，包括：
通过后续检测头网络获取每张所述目标特征图中目标的面积占比；
通过所述后续检测头网络根据每张所述目标特征图中目标的面积占比所属的区间，确定与每张所述目标特征图对应的后续检测头网络中的网格。


7.如权利要求1至5任一项所述的目标检测方法，其特征在于，所述根据与每张所述目标特征图所对应的网格，对每张所述目标特征图进行目标预测，获得目标预测结果，包括：
通过后续检测头网络根据与每...

【专利技术属性】
技术研发人员：王东，程骏，张惊涛，胡淑萍，顾在旺，郭渺辰，庞建新，
申请(专利权)人：深圳市优必选科技股份有限公司，
类型：发明
国别省市：广东;44