目标检测方法、装置、电子设备及可读存储介质制造方法及图纸

本申请提供一种目标检测方法、装置、电子设备及可读存储介质，该目标检测方法包括：获取待检测图像的多尺度特征；所述多尺度特征包括至少两个不同尺度的特征图；依据所述多尺度特征，分别生成各尺度的第一类型卷积核；分别依据各尺度的第一类型卷积核，对对应尺度的特征图进行特征融合，得到各尺度的特征融合后的特征图；分别对各尺度的特征融合后的特征图进行目标检测。该方法可以提高目标检测的准确性。性。性。

【技术实现步骤摘要】
目标检测方法、装置、电子设备及可读存储介质


[0001]本申请涉及计算机视觉
，尤其涉及一种目标检测方法、装置、电子设备及可读存储介质。

技术介绍

[0002]卷积神经网络通过逐层抽象的方式来提取目标的特征。高层网络的感受野比较大，语义信息表征能力强，但是特征图的分辨率低，几何信息的表征能力弱(空间几何特征细节缺乏)；低层网络的感受野比较小，几何细节信息表征能力强，虽然分辨率高，但是语义信息表征能力弱。
[0003]因此，在利用卷积神经网络进行目标检测和分割等任务时，可以多尺度特征融合的方式来提高准确性。
[0004]以利用特征金字塔网络(Feature Pyramid Network，简称FPN)进行多尺度特征融合为例，基于多尺度特征融合的目标检测方法流程可以如下：
[0005]1、将图像输入主干网络，获得多尺度的特征；
[0006]2、将多尺度特征输入到金字塔网络，得到融合后的特征；
[0007]3、在融合后的特征上回归目标框。
[0008]然而实践发现，上述方案中进行多尺度特征融合(即利用FPN进行多尺度特征融合)时，仅仅是在特征层面，对不同尺度特征进行了简单地元素相加(eltwise
‑
add)或者拼接操作(concat)等操作，性能较差。

技术实现思路

[0009]有鉴于此，本申请提供一种目标检测方法、装置、电子设备及可读存储介质。
[0010]具体地，本申请是通过如下技术方案实现的：
[0011]根据本申请实施例的第一方面，提供一种目标检测方法，包括：
[0012]获取待检测图像的多尺度特征；所述多尺度特征包括至少两个不同尺度的特征图；
[0013]依据所述多尺度特征，分别生成各尺度的第一类型卷积核，其中，所述第一类型卷积核包括多尺度信息；
[0014]分别依据各尺度的第一类型卷积核，对对应尺度的特征图进行特征融合，得到各尺度的特征融合后的特征图；
[0015]分别对各尺度的特征融合后的特征图进行目标检测。
[0016]根据本申请实施例的第二方面，提供一种目标检测装置，包括：
[0017]获取单元，用于获取待检测图像的多尺度特征；所述多尺度特征包括至少两个不同尺度的特征图；
[0018]生成单元，用于依据所述多尺度特征，分别生成各尺度的第一类型卷积核，其中，所述第一类型卷积核包括多尺度信息；
[0019]特征融合单元，用于分别依据各尺度的第一类型卷积核，对对应尺度的特征图进行特征融合，得到各尺度的特征融合后的特征图；
[0020]检测单元，用于分别对各尺度的特征融合后的特征图进行目标检测。
[0021]根据本申请实施例的第三方面，提供一种电子设备，包括处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令，所述处理器用于执行机器可执行指令，以实现上述目标检测方法。
[0022]根据本申请实施例的第四方面，提供一种机器可读存储介质，所述机器可读存储介质内存储有机器可执行指令，所述机器可执行指令被处理器执行时实现上述目标检测方法。
[0023]本申请提供的技术方案至少可以带来以下有益效果：
[0024]通过获取待检测图像的多尺度特征，并依据获取到的多尺度特征，分别生成各尺度的第一类型卷积核，得到各尺度对应的包括多尺度信息的卷积核，并依据生成的各尺度的第一类型卷积核，分别对各尺度的特征图进行特征融合，得到各尺度的特征融合后的特征图，从卷积核层面实现了多尺度特征融合，优化了特征融合效果，进而，分别对各尺度的特征融合后的特征图进行目标检测，提高了目标检测的准确性。
附图说明
[0025]图1是本申请示例性实施例示出的一种目标检测方法的流程示意图；
[0026]图2是本申请示例性实施例示出的一种生成第一类型卷积核的流程示意图；
[0027]图3是本申请示例性实施例示出的一种目标检测的总体方案流程示意图；
[0028]图4是本申请示例性实施例示出的一种多尺度特征提取的流程示意图；
[0029]图5是本申请示例性实施例示出的一种卷积核层面的特征融合的流程示意图；
[0030]图6是本申请示例性实施例示出的一种目标检测装置的结构示意图；
[0031]图7是本申请示例性实施例示出的一种电子设备的硬件结构示意图。
具体实施方式
[0032]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
[0033]在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
[0034]为了使本领域技术人员更好地理解本申请实施例提供的技术方案，并使本申请实施例的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请实施例中技术方案作进一步详细的说明。
[0035]请参见图1，为本申请实施例提供的一种目标检测方法的流程示意图，如图1所示，该目标检测方法可以包括以下步骤：
[0036]步骤S100、获取待检测图像的多尺度特征；该多尺度特征包括至少两个不同尺度
的特征图。
[0037]本申请实施例中，为了提高目标检测的准确性，可以获取待检测图像的多尺度特征，用于后续流程中进行多尺度特征融合，并针对融合特征进行目标检测。
[0038]示例性的，该多尺度特征可以包括但不限于4倍、8倍、16倍、32倍、64倍等尺度中的多个尺度的特征图。
[0039]步骤S110、依据获取的多尺度特征，分别生成各尺度的第一类型卷积核。
[0040]本申请实施例中，为了优化多尺度特征的融合效果，可以对多尺度特征在卷积核层面进行融合，即在进行卷积核训练时，不再局限于针对单个尺度进行卷积核训练，而是可以结合多尺度特征来进行卷积核训练，得到包括多尺度信息的卷积核(本文中称为第一类型卷积核，也可以称为动态卷积核)，进而，可以依据得到的包括多尺度信息的第一类型卷积核实现多尺度特征融合。
[0041]示例性的，对于多个尺度的特征图，可以分别生成该多个尺度的特征图中各尺度的特征图对应的第一类型卷积核(即各尺度的第一类型卷积核)。
[0042]步骤S120、分别依据各尺度的第一类型卷积核，对对应尺度的特征图进行特征融合，得到各尺度的特征融合后的特征图。
[0043]本申请实施例中，当生成了各尺度的第一类型卷积核时，对于上述至少两个不同尺度的特征图中的任一尺度的特征图，可以依据该尺度的第一类型卷积核，对该尺度的特征图进行特征融合，得到该尺度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标检测方法，其特征在于，包括：获取待检测图像的多尺度特征；所述多尺度特征包括至少两个不同尺度的特征图；依据所述多尺度特征，分别生成各尺度的第一类型卷积核，其中，所述第一类型卷积核包括多尺度信息；分别依据各尺度的第一类型卷积核，对对应尺度的特征图进行特征融合，得到各尺度的特征融合后的特征图；分别对各尺度的特征融合后的特征图进行目标检测。2.根据权利要求1所述的方法，其特征在于，所述依据所述多尺度特征，分别生成各尺度的第一类型卷积核，包括：依据所述多尺度特征，分别生成各尺度对应的权重组；分别依据各尺度对应的权重组，以及预设的第二类型卷积核，生成各尺度的第一类型卷积核。3.根据权利要求1所述的方法，其特征在于，所述依据所述多尺度特征，分别生成各尺度的第一类型卷积核，包括：分别依据所述多尺度特征中的各尺度特征，生成各尺度下的第三类型卷积核组；其中，任一尺度下的第三类型卷积核组中的第三类型卷积核的数量与所述至少两个不同尺度中尺度的数量一致，且任一尺度下的卷积核组中的第三类型卷积核与所述至少两个不同尺度一一对应；对于所述至少两个尺度中的任一目标尺度，依据所生成的各尺度下的第三类型卷积核组中，与该目标尺度对应的第三类型卷积核，生成该目标尺度的第一类型卷积核。4.根据权利要求1所述的方法，其特征在于，所述分别依据各尺度的第一类型卷积核，对对应尺度的特征图进行特征融合，得到各尺度的特征融合后的特征图，包括：对于任一尺度的特征图，将该尺度的特征图以及该尺度的第一类型卷积核，输入到用于进行特征融合的第一目标卷积层，通过所述第一目标卷积层，利用该尺度的第一类型卷积核，对该尺度的特征图进行特征融合处理，得到该尺度的特征融合后的特征图。5.根据权利要求4所述的方法，其特征在于，所述对于任一尺度的特征图，将该尺度的特征图以及该尺度的第一类型卷积核，输入到用于进行特征融合的第一目标卷积层之后，还包括：将各尺度的特征融合后的特征图合并输入到用于进行特征融合的第二目标卷积层，得到各尺度二次特征融合后的特征图。6.根据权利要求4所述的方法，其特征在于，所述对于任一尺度的特征图，将该尺度的特征图以及该尺度的第一类型卷积核，输入到用于进行特征融合的第一目标卷积层之前，还包括：将各尺度的特征图合并输入到用于进行特征融合的第三目标卷积层，得到各尺度的特征融合后的特征图；所述对于任一尺度的特征图，将该尺度的特征图以及该尺度的第一类型卷积核，输入到用于进行特征融合的第一目标卷积层，包括：对于任一尺度的特征图，将该尺度特征融合后的特征图以及该尺度的第一类型卷积核，输入到用于进行特征融合的第一目标卷积层，通过所述第一目标卷积层，利用该尺度的
第一类型卷积核，对该尺度特征融合后的特征图进行特征融合处理，得到该尺度二次特征融合后的特征图。7.一种目标检测装置，其特征在于，包括：获取单元，用于获取待检测图像的多尺度特征；所述多尺度特征包括至少两个不同尺度的特征图；生成单元，用于依据所述多尺度特征，分别生成各尺度的第一类型卷积核，其中，所述第一类型卷积核包括多尺...

【专利技术属性】
技术研发人员：张凯，谭文明，李哲暘，张如意，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：