目标检测方法、装置、计算机设备及可读存储介质制造方法及图纸

本发明专利技术公开了目标检测方法、装置、计算机设备及可读存储介质，涉及人工智能技术领域，包括获取初始图像，采用预训练的第一提取网络对所述初始图像处理，获取带有关键特征的候选目标区域图像；采用第一卷积网络对所述候选目标区域图像进行特征提取，获得所述目标区域图像对应的第一特征图；其中，所述第一卷积网络包括至少一个卷积层；对所述第一特征图进行特征重排池化，获得目标结果，解决现有小目标区域的信息到达输出层之前已经全部丢失，由此会导致小目标检测精度较低，导致目标检测结果准确度较差的问题。

【技术实现步骤摘要】
目标检测方法、装置、计算机设备及可读存储介质
本专利技术涉及人工智能
，尤其涉及一种目标检测方法、装置、计算机设备及可读存储介质。
技术介绍
目标检测是计算机视觉的一个重要应用，目标检测是指给定预先定义感兴趣的物体类别和对应的图像，识别图像中包含的所有感兴趣的物体，并输出这些物体在图像中的位置和对应的类别，例如从图像中检测出目标人脸、车辆或建筑等。在目标检测过程中，对于同时包含大目标和小目标检测与识别的应用，随着神经网络的下采样，小目标区域的信息量可能会严重丢失，比如小目标区域面积为20*10，网络输出层的卷积步长为32*32，则小目标区域的信息极有可能在到达输出层之前已经全部丢失，由此会导致小目标检测精度较低，导致目标检测结果准确度较差。
技术实现思路
本专利技术的目的是提供一种目标检测方法、装置、计算机设备及可读存储介质，用于解决现有的小目标小目区域的信息丢失，导致检测精度较低，准确度较差问题。为实现上述目的，本专利技术提供一种目标检测方法，包括：获取初始图像，采用预训练的第一提取网络对所述本文档来自技高网...

【技术保护点】
1.一种目标检测方法，其特征在于，包括以下：/n获取初始图像，采用预训练的第一提取网络对所述初始图像处理，获取带有关键特征的候选目标区域图像；/n采用第一卷积网络对所述候选目标区域图像进行特征提取，获得所述目标区域图像对应的第一特征图；其中，所述第一卷积网络包括至少一个卷积层；/n对所述第一特征图进行特征重排池化，获得目标结果。/n

【技术特征摘要】
1.一种目标检测方法，其特征在于，包括以下：
获取初始图像，采用预训练的第一提取网络对所述初始图像处理，获取带有关键特征的候选目标区域图像；
采用第一卷积网络对所述候选目标区域图像进行特征提取，获得所述目标区域图像对应的第一特征图；其中，所述第一卷积网络包括至少一个卷积层；
对所述第一特征图进行特征重排池化，获得目标结果。


2.根据权利要求1所述的目标检测方法，其特征在于，对所述第一特征图进行特征重排池化，获得目标结果，包括以下：
根据预设步幅对所述第一特征图进行采样，获得第一子特征图集合；
对所述第一子特征图集合中各个位置进行特征采样并输入对应通道内，获得各个通道对应的特征提取结果；
基于所述特征提取结果获得目标对象所在区域作为目标结果。


3.根据权利要求2所述的目标检测方法，其特征在于，在所述基于所述特征提取结果获得目标对象所在区域作为目标结果前，包括以下：
获得所述特征重排池化后的第一特征图作为第二特征图；
获取目标通道数，采用卷积核数与所述目标通道数一致的第二卷积网络对所述第二特征图进行缩放处理，采用带有所述目标通道数的特征图更新所述特征提取结果。


4.根据权利求2所述的目标检测方法，其特征在于，基于所述特征提取结果获得目标对象所在区域作为目标结果，包括以下：
采用全连接层对所述特征提取结果进行预测，获得预测结果区域；
采用边框修正算法对所述预测结果区域进行调整，获得目标对象所在区域作为目标结果。


5.根据权利要求1所述的目标检测方法，其特征在于，所述采用预训练的第一提取网络对所述初始图像处理，获取带有关键特征的候选目标区域图像，包括以下步骤：
采用预设算法对所述初始图像进行提取，获得多个类别候选区域；
采用多层卷积网络对各个类别候选区域进行特征提取，获得各个所述类别候选区域对应的特征向量；
基于所述各个类别候选区域对应的特征向量分类并修正，获取带有关键特征的候选目标区域图像。

【专利技术属性】
技术研发人员：巢中迪，庄伯金，王少军，
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