本申请提供了一种目标检测方法、装置、电子设备及计算机可读存储介质。目标检测方法包括：获取用于进行图像识别训练的图像数据集；设计特征提取模型特征金字塔网络和一阶段的注意力机制模型；对特征金字塔网络和注意力机制模型进行模型融合得到目标检测模型，并通过利用数据集进行测试增强，完成目标检测模型的训练；以及利用目标检测模型对待检测的图像进行目标检测。由此能够更好对待检测的图像进行目标检测，在确保检测能力的同时降低计算量。即根据本发明专利技术能够在计算量较少的情况下更好地检测图片中的目标。地检测图片中的目标。地检测图片中的目标。
【技术实现步骤摘要】
目标检测方法、装置、电子设备及存储介质
[0001]本申请涉及计算机视觉技术和工业检测
，尤其涉及目标检测方法、装置、设备及计算机可读存储介质。
技术介绍
[0002]目标检测具有很高的研究价值和广阔的应用前景，广泛应用于机器人导航、智能视频监控、工业检测、航空航天等诸多领域，通过计算机视觉减少对人力资本的消耗，具有重要的现实意义。因此，目标检测也就成为了近年来理论和应用的研究热点，它是图像处理和计算机视觉学科的重要分支，也是智能监控系统的核心部分，同时目标检测也是泛身份识别领域的一个基础性的算法，对后续的人脸识别、步态识别、人群计数、实例分割等任务起着至关重要的作用。
[0003]目标检测既是计算机视觉领域要解决的基础任务之一，同时它也是视频监控技术的基本任务。由于视频中的目标具有不同姿态且经常出现遮挡、其运动具有不规则性，同时考虑到监控视频的景深、分辨率、天气、光照等条件和场景的多样性，而且目标检测算法的结果将直接影响后续的跟踪、动作识别和行为描述的效果，故即使在技术发展的今天，目标检测这一基本任务仍然是非常具有挑战性的课题，存在很大的提升潜力和空间。
技术实现思路
[0004]本申请的目的在于提供目标检测方法、装置、电子设备及计算机可读存储介质，实现智能目标检测，操作简单。
[0005]本申请的目的采用以下技术方案实现：
[0006]第一方面，本申请提供了一种目标检测方法，所述方法包括：获取用于进行图像识别训练的图像数据集；
[0007]设计特征提取模型特征金字塔网络和一阶段的注意力机制模型；
[0008]对所述特征金字塔网络和注意力机制模型进行模型融合得到目标检测模型，并通过利用所述数据集进行测试增强，完成目标检测模型的训练；以及
[0009]利用所述目标检测模型对待检测的图像进行目标检测。
[0010]该技术方案的有益效果在于，在FPN中加入Transform模块来解决local操作无法看清全局的情况，为后面的层带去更丰富的信息，且本专利技术用多层transf ormer代替单层transformer，能够提供更强大的特征提取能力。由此能够更好对待检测的图像进行目标检测，在确保检测能力的同时降低计算量。即根据本专利技术能够在计算量较少的情况下更好地检测图片中的目标。
[0011]在一些可选的实施例中，在利用所述数据集完成所述目标检测模型的训练时，对所述图像数据集中的图像进行均一化。
[0012]该技术方案的有益效果在于，通过对图像数据集中的图像进行均一化，从而能够去除图片中光照和阴影的影响，能够避免目标检测时出现的问题，更好地对图片进行检测。
[0013]在一些可选的实施例中，对所述图像数据集中的图像做对比度增强，通过对图像进行镜像翻转来实现所述对比度增强；且/或通过对图像随机裁剪部分图像来实现所述对比度增强；且/或通过图像数据之间的复制粘贴来实现所述对比度增强。该技术方案的有益效果在于，通过对图像做对比度增强，从而能够更好地识别图片的特征，更好地对图片进行目标检测。
[0014]在一些可选的实施例中，所述特征金字塔网络包括自底向上的路径以及自顶向下的路径和侧向连接。
[0015]在一些可选的实施例中，所述自底向上的路径是前馈主干网络的一部分，每一级往上用step＝2的降采样。
[0016]在一些可选的实施例中，所述自顶向下的路径通过上采样的方式将顶层的小特征图放大到上一级的特征图的大小。
[0017]在一些可选的实施例中，所述图像数据集中的图像的最大边不超过1400像素、最短边不超过800像素，在对所述目标检测模型进行训练的过程中，随机地扩张图片。该技术方案的有益效果在于，能够更好地利用图片中的特征，更好地进行目标检测。
[0018]在一些可选的实施例中，所述方法还包括：通过车载摄像机获取车辆前方图像来作为所述待检测的图像。根据该技术方案，能够利用本专利技术的目标检测方法来更好地辅助车辆的驾驶，例如，在车辆为自动驾驶车辆的情况下，能够使车辆更好地检测车辆前方的物体。
[0019]第二方面，本申请提供了一种目标检测装置，所述装置包括：获取模块，用于获取用于进行图像识别训练的图像数据集；
[0020]模型设计模块，用于设计特征提取模型特征金字塔网络和一阶段的注意力机制模型；
[0021]训练模块，用于对所述特征金字塔网络和注意力机制模型进行模型融合得到目标检测模型，并通过利用所述数据集进行测试增强，完成目标检测模型的训练；以及
[0022]目标检测模块，用于利用所述目标检测模型对待检测的图像进行目标检测。
[0023]在一些可选的实施例中，在利用所述数据集完成所述目标检测模型的训练时，对所述图像数据集中的图像进行均一化。
[0024]在一些可选的实施例中，在一些可选的实施例中，对所述图像数据集中的图像做对比度增强，通过对图像进行镜像翻转来实现所述对比度增强；且/或通过对图像随机裁剪部分图像来实现所述对比度增强；且/或通过图像数据之间的复制粘贴来实现所述对比度增强。
[0025]在一些可选的实施例中，所述特征金字塔网络包括自底向上的路径以及自顶向下的路径和侧向连接。
[0026]在一些可选的实施例中，所述自底向上的路径是前馈主干网络的一部分，每一级往上用step＝2的降采样。
[0027]在一些可选的实施例中，所述自顶向下的路径通过上采样的方式将顶层的小特征图放大到上一级的特征图的大小。
[0028]在一些可选的实施例中，所述图像数据集中的图像的最大边不超过1400像素、最短边不超过800像素，在对所述目标检测模型进行训练的过程中，随机地扩张图片。
[0029]在一些可选的实施例中，所述方法还包括：通过车载摄像机获取车辆前方图像来作为所述待检测的图像。
[0030]第三方面，本申请提供了一种电子设备，所述电子设备包括存储器、处理器以及用于执行任务的硬件模组，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项方法的步骤。
[0031]第四方面，本申请提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项方法的步骤。
附图说明
[0032]下面结合附图和实施例对本申请进一步说明。
[0033]图1是本申请实施例提供的一种目标检测方法的流程示意图；
[0034]图2是特征提取模型特征金字塔网络的结构图；
[0035]图3是一阶段的注意力机制模型的结构图；
[0036]图4是本申请实施例提供的一种目标检测装置的结构示意图；
[0037]图5是本申请实施例提供的一种电子设备的结构示意图；
[0038]图6是本申请实施例提供的一种用于实现目标检测方法的程序产品的结构示意图。
具体实施方式
[0039]下面，结合附图以及具体实施方式，对本申请做进一步描述，需要说明的是，在不相冲突的前提下，以本文档来自技高网...
【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，所述方法包括：获取用于进行图像识别训练的图像数据集；设计特征提取模型特征金字塔网络和一阶段的注意力机制模型；对所述特征金字塔网络和注意力机制模型进行模型融合得到目标检测模型，并通过利用所述数据集进行测试增强，完成目标检测模型的训练；以及利用所述目标检测模型对待检测的图像进行目标检测。2.根据权利要求1所述的目标检测方法，其特征在于，在利用所述数据集完成所述目标检测模型的训练时，对所述图像数据集中的图像进行均一化。3.根据权利要求1或2所述的目标检测方法，其特征在于，对所述图像数据集中的图像做对比度增强，通过对图像进行镜像翻转来实现所述对比度增强；且/或通过对图像随机裁剪部分图像来实现所述对比度增强；且/或通过图像数据之间的复制粘贴来实现所述对比度增强。4.根据权利要求1或2所述的目标检测方法，其特征在于，所述特征金字塔网络包括自底向上的路径以及自顶向下的路径和侧向连接。5.根据权利要求4所述的目标检测方法，其特征在于，所述自底向上的路径是前馈主干网络的一部分，每一级往上用step＝2的降采样。6.根据权利要求...
【专利技术属性】
技术研发人员：陈海波，
申请(专利权)人：深延科技北京有限公司，
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。