目标检测方法、装置、计算机设备、存储介质及程序产品制造方法及图纸

本申请提供一种目标检测方法、装置、计算机设备、存储介质及程序产品，涉及计算机视觉、图像处理、人工智能等技术领域。通过对待检测图像进行切分得到至少两个切片，通过特征提取层，对各个切片进行像素点特征和像素点上下文特征提取，得到至少两个特征图；对特征图进行检测以得到切片的缺陷信息；特征提取层包括用于对切片进行像素点特征提取的目标网络层，通过目标网络层，在直接提取切片的像素点特征时省去了下采样的操作，保留了原图像的细节特征，即使较小区域范围的小目标检测，也能被准确检测到；并且，还设计特征提取层提取像素点特征和像素点上下文特征，提高了对不同尺寸目标的检测的鲁棒性，进而提高了目标检测的准确性。性。性。

【技术实现步骤摘要】
目标检测方法、装置、计算机设备、存储介质及程序产品


[0001]本申请涉及计算机视觉、图像处理、人工智能等
，本申请涉及一种目标检测方法、装置、计算机设备、存储介质及程序产品。

技术介绍

[0002]随着科技的发展，计算机视觉技术在工业场景的应用越来越多。例如，在现代工业制造中，工业流水线生产的机械零件、电子元件等产品不可避免存在缺陷。因此在质量控制环节，通常利用产品图像进行目标检测以识别产品缺陷。
[0003]相关技术中，目标检测的过程可以包括：将产品的图像输入神经网络进行检测，以输出图像中可能存在缺陷的位置。然而，通常神经网络无法满足较大分辨率图像的检测，因此导致目标检测的准确率和适用性较低。

技术实现思路

[0004]本申请提供了一种目标检测方法、装置、计算机设备、存储介质及程序产品，可以解决相关技术中目标检测的准确率和适用性较低的问题。所述技术方案如下：
[0005]一方面，提供了一种目标检测方法，所述方法包括：
[0006]确定包括目标物体的待检测图像，并确定所述待检测图像的至少两个切片；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：确定包括目标物体的待检测图像，并确定所述待检测图像的至少两个切片；通过目标模型的特征提取层，对所述至少两个切片进行像素点特征提取和像素点上下文特征提取，得到至少两个特征图，特征图的任一特征点用于指示切片中相应像素点的特征及上下文特征，所述特征提取层的目标网络层输出的中间特征图的尺寸与所述切片的尺寸相同，所述目标网络层用于对所述切片进行像素点特征提取；对每个切片相应的特征图进行检测，得到所述每个切片的缺陷信息，所述缺陷信息用于指示所述切片包括的目标物体的缺陷。2.根据权利要求1所述的目标检测方法，其特征在于，所述特征提取层包括微型骨干网络和注意力网络；所述通过目标模型的特征提取层，对所述至少两个切片进行像素点特征提取和像素点上下文特征提取，得到至少两个特征图，包括：通过所述微型骨干网络，对所述至少两个切片进行像素点特征提取，得到至少两个切片特征图，切片特征图的任一特征点用于指示切片中相应像素点的特征；对于每个切片，通过所述注意力网络的池化层，提取所述切片的切片特征图中各个特征点的上下文特征，得到所述切片的至少一个上下文特征图，并对所述至少一个上下文特征图进行特征融合，得到所述切片的特征图；其中，所述微型骨干网络包括的网络层数不超过第一阈值，每个网络层包括的卷积核数量不超过第二阈值。3.根据权利要求2所述的目标检测方法，其特征在于，所述通过所述注意力网络的池化层，提取所述切片的切片特征图中各个特征点的上下文特征，得到所述切片的至少一个上下文特征图，包括：通过所述池化层所包括的至少两个卷积核中每个卷积核，分别提取所述切片特征图中各个特征点的上下文特征，得到所述切片特征图的至少两个第一上下文特征图，所述至少两个第一上下文特征图的尺寸不同；相应的，所述对所述至少一个上下文特征图进行特征融合，得到所述切片的特征图，包括：对所述至少两个第一上下文特征图进行上采样，得到至少两个第二上下文特征图，所述至少两个第二上下文特征图的尺寸与所述切片特征图的尺寸相同；对所述至少两个第二上下文特征图进行特征融合，得到所述切片的特征图。4.根据权利要求1所述的目标检测方法，其特征在于，所述对每个切片相应的特征图进行检测，得到所述每个切片的缺陷信息，包括：对于每个切片，通过所述目标模型所包括的检测器，基于所述切片相应的特征图中各个特征点对应的候选框确定目标框，基于所述目标框输出所述切片的缺陷位置和缺陷分类结果，所述目标框用于指示所述目标物体的缺陷所在区域；其中，所述缺陷分类结果包括缺陷类别和类别概率，所述缺陷类别是指所述缺陷所属的缺陷类别，所述类别概率是指所述缺陷属于所述缺陷类别的概率。5.根据权利要求4所述的目标检测方法，其特征在于，所述通过所述目标模型所包括的检测器，基于所述切片相应的特征图中各个特征点对应的候选框确定所述缺陷所在的目标框，基于所述目标框输出所述切片的缺陷位置和缺陷分类结果，包括：
通过所述检测器的回归分支网络，基于偏移参数生成所述特征图中每个特征点对应的至少两个候选框，所述偏移参数用于指示候选框的各个边界在特征图相应切片中与正样本像素点之间偏移的距离；基于所述至少两个候选框中置信度最大的当前最大值候选框，确定除所述当前最大值候选框之外的其它各个候选框的贡献度，删除所述其它候各个候选框中贡献度不符合目标条件的第一候选框，并基于每次删除后剩余的候选框再次执行确定贡献度以及删除第一候选框的操作，直至遍历每个候选框，基于删除操作后剩余的至少一个第二候选框，确定所述目标框；通过所述检测器的分类分支网络，对所述目标框所包括区域进行分类，输出所述缺陷分类结果。6.根据权利要求4所述的目标检测方法，其特征在于，所述方法还包括：对于每个切片，通过所述目标模型的分类器，基于所述切片的特征图输出所述切片的缺陷指示信息，所述缺陷指示信息用于指示所述切片包括的局部目标物是否存在缺陷；所述目标模型为联合所述分类器的输出结果与所述检测器的输出结果进行训练得到；相应的，所述目标模型的训练过程包括：将样本集合输入初始模型，所述样本集合是指包括目标物体的样本图像以及样本图像的真值标签的集合，所述初始模型包括初始检测器和初始分类器；基于所述初始检测器输出的样本检测位置和样本检测分类、所述初始分类器输出的样本指示信息、所述样本集合的真值标签，通过联合损失函数，确定所述初始模型输出的联合结果与所述真值标签之间的联合差异度，所述联合结果包括所述样本检测位置、样本检测分类和样本指示信息；基于所述联合差异度，对所述初始模型的模型参数进行调整，直至符合目标条件时停止调整，得到所...

【专利技术属性】
技术研发人员：刘文龙，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：