【技术实现步骤摘要】
目标检测方法、装置、电子设备和存储介质
[0001]本公开涉及人工智能领域，具体涉及计算机视觉和深度学习技术，可用于目标检测和视频分析场景下，尤其涉及目标检测方法、装置、电子设备和存储介质。
技术介绍
[0002]在智慧城市、智能交通、视频分析场景下，对视频中的车辆、行人、物体等事物或目标进行精准检测，可以为异常事件检测、犯人追踪、车辆统计等任务提供帮助。因此，如何实现对视频中的目标进行检测是非常重要的。
技术实现思路
[0003]本公开提供了一种用于目标检测方法、装置、电子设备和存储介质。
[0004]根据本公开的一方面，提供了一种目标检测方法，包括：获取目标图像，以及获取多个类别的特征均值；对所述目标图像进行特征提取，以得到目标特征图；采用目标识别模型的映射网络对所述目标特征图进行特征映射，以得到多个维度的映射特征；针对每个维度的映射特征，分别确定与多个类别的特征均值之间的相似度；根据所述相似度，将每个维度的所述映射特征与所述多个类别的特征均值进行融合，以得到各维度的融合特征；根据各维度的融合特征
【技术保护点】
【技术特征摘要】
1.一种目标检测方法，包括：获取目标图像，以及获取多个类别的特征均值；对所述目标图像进行特征提取，以得到目标特征图；采用目标识别模型的映射网络对所述目标特征图进行特征映射，以得到多个维度的映射特征；针对每个维度的映射特征，分别确定与多个类别的特征均值之间的相似度；根据所述相似度，将每个维度的所述映射特征与所述多个类别的特征均值进行融合，以得到各维度的融合特征；根据各维度的融合特征进行目标检测。2.根据权利要求1所述的方法，其中，所述根据所述相似度，将每个维度的所述映射特征与所述多个类别的特征均值进行融合，以得到各维度的融合特征，包括：针对任意的一个维度的映射特征，根据与所述多个类别的特征均值之间的相似度，从所述多个类别的特征均值中，选取目标类别的特征均值；将所述目标类别的特征均值与所述一个维度的映射特征进行融合，以得到所述一个维度的融合特征。3.根据权利要求1所述的方法，其中，所述根据所述相似度，将每个维度的所述映射特征与所述多个类别的特征均值进行融合，以得到各维度的融合特征，包括：针对任意的一个维度的映射特征，根据与所述多个类别的特征均值之间的相似度，确定各类别的特征均值对应的权重；根据各类别的所述特征均值对应的所述权重，将各类别的所述特征均值与所述一个维度的映射特征进行融合，以得到所述一个维度的融合特征。4.根据权利要求1
‑
3任一项所述的方法，其中，所述根据各维度的融合特征进行目标检测，包括：将各维度的融合特征分别输入所述目标识别模型中对应的预测层进行目标检测，以确定预测框的预测位置，以及所述预测框内的目标所属的预测类别。5.根据权利要求4所述的方法，其中，所述目标图像标注有实际类别；所述将各维度的融合特征分别输入所述目标识别模型中对应的预测层进行目标检测，以确定预测框的预测位置，以及所述预测框内的目标所属的预测类别之后，还包括：从各所述预测层中，确定所述预测类别与所述实际类别匹配的目标预测层；根据所述目标预测层所输入的所述融合特征，更新所述实际类别对应的特征均值。6.根据权利要求1
‑
3任一项所述的方法，其中，所述采用目标识别模型的映射网络对所述目标特征图进行特征映射，以得到多个维度的映射特征，包括：将所述目标特征图与对应的位置图进行融合，以得到输入特征图，其中，所述位置图中各元素与所述目标特征图中各元素一一对应，所述位置图中的元素，用于指示所述目标特征图中对应元素在所述目标图像中的坐标；将所述输入特征图输入所述目标识别模型的编码器进行编码，以得到编码特征；将所述编码特征输入所述目标识别模型的解码器进行解码，以得到所述目标图像中多个待预测目标的解码特征；将所述多个待预测目标的解码特征作为所述多个维度的映射特征。
7.根据权利要求1
‑
3任一项所述的方法，其中，所述采用目标识别模型的映射网络对所述目标特征图进行特征映射，以得到多个维度的映射特征，包括：将所述目标特征图输入所述目标识别模型的RPN网络进行感兴趣区域预测，以得到多个感兴趣区域的特征图；将所述多个感兴趣区域的特征图输入所述目标识别模型的池化层进行尺寸调整，以得到各所述感兴趣区域符合固定尺寸的目标特征图；根据各所述感兴趣区域的目标特征图，确定对应维度的映射特征。8.一种目标检测装置，包括：获取模块，用于获取目标图像，以及获取多个类别的特征均值；提取模块，用于对所述目标图像进行特征提取，...
【专利技术属性】
技术研发人员：杨喜鹏，谭啸，孙昊，丁二锐，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。