目标检测方法、装置、终端设备及存储介质制造方法及图纸

本申请适用于图像处理领域，提供了目标检测方法、装置、终端设备及存储介质，包括：获取待检测图像；将所述待检测图像输入特征提取网络进行处理，得到所述待检测图像对应的图像特征信息；所述特征提取网络包含目标跨阶段分部子网络，所述目标跨阶段分部子网络为以深度可分离卷积模块为基础单元，且具有跨阶段分部网络的网络结构的卷积神经网络；根据所述图像特征信息，确定所述待检测图像中的检测目标的信息。本申请实施例能够高效准确地实现目标检测。测。测。

【技术实现步骤摘要】
目标检测方法、装置、终端设备及存储介质


[0001]本申请属于图像处理
，尤其涉及一种目标检测方法、装置、终端设备及存储介质。

技术介绍

[0002]随着神经网络和深度学习的迅猛发展，深度卷积神经网络(DeepConvolutionalNeuralNetwork,DCNN)被广泛应用于目标检测领域中。然而，现有的基于深度卷积神经网络的目标检测模型往往结构复杂庞大，需要占用大量的资源且运算过程较为耗时，因此，现有的目标检测方法的效率较低。

技术实现思路

[0003]有鉴于此，本申请实施例提供了目标检测方法、装置、终端设备及存储介质，以解决现有技术中如何高效准确地实现目标检测的问题。
[0004]本申请实施例的第一方面提供了一种目标检测方法，包括：
[0005]获取待检测图像；
[0006]将所述待检测图像输入特征提取网络进行处理，得到所述待检测图像对应的图像特征信息；所述特征提取网络包含目标跨阶段分部子网络，所述目标跨阶段分部子网络为以深度可分离卷积模块为基础单元，且具有跨阶段分部网络的网络结构的卷积本文档来自技高网...

【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；将所述待检测图像输入特征提取网络进行处理，得到所述待检测图像对应的图像特征信息；所述特征提取网络包含目标跨阶段分部子网络，所述目标跨阶段分部子网络为以深度可分离卷积模块为基础单元，且具有跨阶段分部网络的网络结构的卷积神经网络；根据所述图像特征信息，确定所述待检测图像中的检测目标的信息。2.如权利要求1所述的目标检测方法，其特征在于，所述将所述待检测图像输入特征提取网络进行处理，得到所述待检测图像对应的图像特征信息，包括：将所述待检测图像输入特征提取网络进行处理，并获取所述特征提取网络中的至少两个指定网络层分别对应的输出结果，得到至少两个尺度的特征信息；将所述至少两个尺度的特征信息进行融合，得到所述图像特征信息。3.如权利要求2所述的目标检测方法，其特征在于，所述至少两个尺度的特征信息包含最大尺度特征信息和非最大尺度特征信息；对应地，所述将所述至少两个尺度的特征信息进行融合，得到所述图像特征信息，包括：通过上采样操作，将所述非最大尺度特征信息转换为与所述最大尺度特征信息的尺度一致的特征信息，得到目标尺度特征信息；将所述目标尺度特征信息与所述最大尺度特征信息进行求和运算，得到所述图像特征信息。4.如权利要求1所述的目标检测方法，其特征在于，所述特征提取网络依次包含第一数目个残差卷积模块和第二数目个所述目标跨阶段分部子网络，对应地，所述将所述待检测图像输入特征提取网络进行处理，得到所述待检测图像对应的图像特征信息，包括：将所述待检测图像输入所述第一数目个残差卷积模块进行处理，得到第一特征信息；将所述第一特征信息输入所述第二数目个所述目标跨阶段分部子网络进行处理，得到第二特征信息；根据所述第一特征信息和所述第二特征信息，确定图像特征信息。5.如权利要求1至4任意一项所述的目标检测方法，其特征在于，所述根据所述图像特征信息，确定所述待检测图像中的检测目标的信息，包括：将所述图像特征信息输入训...

【专利技术属性】
技术研发人员：刘文龙，曾卓熙，肖嵘，王孝宇，
申请(专利权)人：深圳云天励飞技术股份有限公司，
类型：发明
国别省市：