目标检测方法和装置、存储介质及电子装置制造方法及图纸

本申请公开了一种目标检测方法和装置、存储介质及电子装置，其中，上述方法包括：将待检测图像输入到第一检测网络，得到第一检测网络输出的第一检测结果，其中，第一检测结果用于指示待检测图像中包含检测目标的第一目标框；基于第一目标框对与第一检测网络对应的第一多尺度特征进行特征融合，得到第一融合特征图，其中，第一多尺度特征为第一检测网络的多个特征提取网络从待检测图像提取出的特征图；将第一融合特征图输入到第二检测网络，得到第二检测结果，其中，第二检测结果用于指示待检测图像中包含检测目标的第二目标框。通过本申请，解决了相关技术中的目标检测方法存在对图像中检测目标的位置预测的精度低的问题。像中检测目标的位置预测的精度低的问题。像中检测目标的位置预测的精度低的问题。

【技术实现步骤摘要】
目标检测方法和装置、存储介质及电子装置


[0001]本申请涉及图像处理领域，具体而言，涉及一种目标检测方法和装置、存储介质及电子装置。

技术介绍

[0002]目前，可以采用基于深度学习的目标检测方法进行目标对象的自动检测。在检测目标时，可以对全图进行网格化操作，由不同单元格负责不同目标的类别和位置预测。然而，由于进行了全图网格化操作，对目标位置的预测精度低。
[0003]由此可见，相关技术中的目标检测方法，存在对图像中检测目标的位置预测的精度低的问题。

技术实现思路

[0004]本申请实施例提供了一种目标检测方法和装置、存储介质及电子装置，以至少解决相关技术中的目标检测方法存在对图像中检测目标的位置预测的精度低的问题。
[0005]根据本申请实施例的一个方面，提供了一种目标检测方法，包括：将待检测图像输入到第一检测网络，得到所述待检测图像包含的检测目标的第一位置信息；基于所述第一位置信息对所述待检测图像的多个第一子特征进行特征融合，得到第一融合特征，其中，所述多个第一子特征是基于所述第一检测网络中串联的多个子特征本文档来自技高网...

【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：将待检测图像输入到第一检测网络，得到所述待检测图像包含的检测目标的第一位置信息；基于所述第一位置信息对所述待检测图像的多个第一子特征进行特征融合，得到第一融合特征，其中，所述多个第一子特征是基于所述第一检测网络中串联的多个子特征提取网络对所述待检测图像进行特征提取得到的；基于所述第一融合特征对所述检测目标进行位置检测，得到所述检测目标的第二位置信息。2.根据权利要求1所述的方法，其特征在于，所述将待检测图像输入到第一检测网络，得到所述待检测图像包含的检测目标的第一位置信息，包括：将所述待检测图像输入到串联的所述多个子特征提取网络中，得到所述多个子特征提取网络的最后一个子特征提取网络输出的目标子特征；基于所述目标子特征对所述检测目标进行位置检测，得到所述第一位置信息。3.根据权利要求1所述的方法，其特征在于，所述基于所述第一位置信息对所述待检测图像的多个第一子特征进行特征融合，得到第一融合特征，包括：基于所述多个子特征提取网络中的各个子特征提取网络各自对应的映射关系，对所述第一位置信息进行处理，得到各个子特征提取网络各自对应的中间位置信息；使用所述各个子特征提取网络各自对应的中间位置信息，对所述各个子特征提取网络对所述待检测图像进行特征提取得到的第一子特征进行特征提取，得到所述各个子特征提取网络各自对应的中间特征；按照通道方向对所述各个子特征提取网络各自对应的中间特征进行融合，得到所述第一融合特征。4.根据权利要求3所述的方法，其特征在于，所述使用所述各个子特征提取网络各自对应的中间位置信息，对所述各个子特征提取网络对所述待检测图像进行特征提取得到的第一子特征进行特征提取，包括：通过保留浮点运算和采用双线性插值，根据所述各个子特征提取网络各自对应的中间位置信息，对所述各个子特征提取网络对所述待检测图像进行特征提取得到的第一子特征中的感兴趣区域进行特征提取。5.根据权利要求1所述的方法，其特征在于，所述基于所述第一融合特征对所述检测目标进行位置检测，得到所述检测目标的第二位置信息，包括：将所述第一融合特征输入到第二检测网络的特征提取网络中，得到与所述第一融合特征对应的目标特征向量；将所述目...

【专利技术属性】
技术研发人员：鲁逸峰，周祥明，郑春煌，邬国栋，程德强，
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：