图像中的目标检测方法、装置及计算机可读存储介质制造方法及图纸

公开了一种图像中的目标检测方法、装置及计算机可读存储介质。该方法包括：通过目标检测神经网络对图像采集装置采集的图像进行处理，得到第一中心点热力图和三维信息特征图；基于第一中心点热力图的池化结果，生成目标特征图；确定目标特征图中的有效目标中心点位置；基于有效目标中心点位置和三维信息特征图，得到图像的三维目标检测结果。本公开的实施例可以实现基于神经网络的目标检测，并且，通过对目标特征图中的有效目标中心点位置的筛选，目标检测过程无需利用目标特征图中所有目标中心点的位置信息，这样有利于减少冗余运算，以提高目标检测效率，克服效率瓶颈，从而满足实际应用的需求。足实际应用的需求。足实际应用的需求。

【技术实现步骤摘要】
图像中的目标检测方法、装置及计算机可读存储介质


[0001]本公开涉及图像
，尤其涉及一种图像中的目标检测方法、装置及计算机可读存储介质。

技术介绍

[0002]神经网络(例如卷积神经网络)被广泛应用于图像的目标检测中，其在自动驾驶和高级驾驶辅助系统(Advanced Driving Assistance System，ADAS)中的应用具有重要意义。
[0003]需要指出的是，目前基于神经网络的目标检测方案中往往存在着冗余运算，这样会导致目标检测效率较低，难以满足实际应用的需求。

技术实现思路

[0004]为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种图像中的目标检测方法、装置及计算机可读存储介质。
[0005]根据本公开实施例的一个方面，提供了一种图像中的目标检测方法，包括：
[0006]通过目标检测神经网络对图像采集装置采集的图像进行处理，得到第一中心点热力图和三维信息特征图；
[0007]基于所述第一中心点热力图的池化结果，生成目标特征图；
[0008]确定所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像中的目标检测方法，包括：通过目标检测神经网络对图像采集装置采集的图像进行处理，得到第一中心点热力图和三维信息特征图；基于所述第一中心点热力图的池化结果，生成目标特征图；确定所述目标特征图中的有效目标中心点位置；基于所述有效目标中心点位置和所述三维信息特征图，得到所述图像的三维目标检测结果。2.根据权利要求1所述的方法，其中，所述基于所述第一中心点热力图的池化结果，生成目标特征图，包括：对所述第一中心点热力图中的每一层特征图进行池化处理，得到至少一个池化结果；针对所述第一中心点热力图中的每一层特征图，确定该层特征图中的任一位置的类别分数与该层特征图中相应位置的池化结果之间的大小关系；在任一类别分数对应的大小关系满足第一预设条件的情况下，保留该类别分数，否则将该类别分数更新为指定分数，以由所述第一中心点热力图得到第二中心点热力图；基于所述第二中心点热力图，生成目标特征图。3.根据权利要求2所述的方法，其中，所述目标特征图的图像尺寸与所述第二中心点热力图相同，所述目标特征图的任一位置的类别分数为所述第二中心点热力图的、与该位置对应的至少两个类别分数中数值最大的类别分数，并且，所述目标特征图还记载有所述目标特征图中的各个位置的类别分数所对应的目标类别。4.根据权利要求2所述的方法，其中，所述确定所述目标特征图中的有效目标中心点位置，包括：确定所述目标特征图中类别分数不同于所述指定分数的位置；基于所确定的位置，确定有效目标中心点位置。5.根据权利要求1所述的方法，其中，所述通过目标检测神经网络对图像采集装置采集的图像进行处理，得到第一中心点热力图和三维信息特征图，包括：将图像采集装置采集的图像输入目标检测神经网络，以由所述目标检测神经网络生成第三中心点热力图和三维信息特征图；基于所述第三中心点热力图和预设类别分数阈值，生成第一中心点热力图。6.根据权利要求5所述的方法，其中，所述基于所述第三中心点热力图和预设类别分数阈值，生成第一中心点热力图，包括：针对所述第三中心点热力图中的每一层特征图，确定该层特征图中的任一位置的类别分数与该层特征图对应的目标类别所对应的预设类别分数阈值的大小关系；在任一类别分数对应的大小关系满足第二预设条件的情况下，保留该类别分数，否则将该类别分数更新为指定分数，以由所述第三中心点热力图得到第一中心点热力...

【专利技术属性】
技术研发人员：黄礼，王宇，李源，丁壮壮，格润洲，陈思佳，胡义涵，
申请(专利权)人：地平线上海人工智能技术有限公司，
类型：发明
国别省市：