一种目标检测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种目标检测方法、装置、电子设备及存储介质。该方法包括：对待检测图像进行有重叠地分割，得到多个候选图像块；利用目标检测模型对多个候选图像块分别做目标检测，得到多个候选图像块中的每个候选图像块的检测结果，每个候选图像块的检测结果包括对应候选图像块中的目标的检测位置信息和置信度；根据每个候选图像块中的目标的置信度从多个候选图像块中确定出目标图像块；根据目标图像块中的目标的检测位置信息和置信度确定目标的检测结果。即，本发明专利技术实施例，通过对待检测图像进行有重叠分割保证边缘目标的完整，并对检测目标进行多次检测，在保证目标识别的准确性的前提下，提高目标检测的速度。提高目标检测的速度。提高目标检测的速度。

【技术实现步骤摘要】
一种目标检测方法、装置、电子设备及存储介质


[0001]本专利技术实施例涉及计算机技术，尤其涉及一种目标检测方法、装置、电子设备及存储介质。

技术介绍

[0002]随着计算机技术的发展，卷积神经网络在计算机视觉领域已经得到了广泛的应用，在图像分类、分割和图像识别等方面均取得较好的效果。尤其在网络使用BP算法时，以梯度下降的方式更新网络参数，促使网络具有提取图像的特征功能。现有技术中基于深度学习的目标检测是通过一个网络提取图像特征，在网络层neck部分每个特征图的一个像素负责一部分区域的检测，最后汇总为目标的位置信息与类别置信度，经过非极大抑制选出最终结果，由于该网络在训练需求的数据量较大，现实中数据量少和采集数据的场景固定难以满足训练需求，同时训练出的模型对对极小目标的检测精准度较低。

技术实现思路

[0003]本专利技术提供一种目标检测方法、装置、电子设备及存储介质，以实现对原始图像中的目标检测，并提高原始图像中目标的检测精准度和速度。
[0004]第一方面，本专利技术实施例提供了一种目标检测方法，该方法包括：
...

【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：对待检测图像进行有重叠地分割，得到多个候选图像块；利用目标检测模型对所述多个候选图像块分别做目标检测，得到所述多个候选图像块中的每个候选图像块的检测结果，所述每个候选图像块的检测结果包括对应候选图像块中的目标的检测位置信息和置信度；根据所述每个候选图像块中的目标的置信度从所述多个候选图像块中确定出目标图像块；根据所述目标图像块中的目标的检测位置信息和置信度确定所述目标的检测结果。2.根据权利要求1所述的方法，其特征在于，所述对待检测图像进行有重叠地分割，得到多个候选图像块，包括：根据预设重叠宽度对所述待检测图像进行重叠划分，得到所述多个候选图像块对应的分割线；根据所述多个候选图像块对应的分割线对所述待检测图像依次分割，得到所述多个候选图像块，并建立所述待检测图像与所述多个图像块的位置映射关系。3.根据权利要求1所述的方法，其特征在于，所述目标检测模型的获取方式如下：对训练集内每张训练图像中的目标进行位置标记，得到所述每张训练图像中的目标的标记位置信息；对所述每张训练图像进行有重叠地分割，得到所述每张训练图像对应的多个训练图像块；利用训练检测模型对所述每张训练图像对应的多个训练图像块进行检测，得到所述每张训练图像的检测结果，所述每张训练图像的检测结果中包括对应训练图像中的目标的检测位置信息；根据所述每张训练图像中的目标的标记位置信息和检测位置信息计算损失函数；对所述损失函数进行反向传播以优化所述训练检测模型的参数，从而得到所述目标检测模型。4.根据权利要求3所述的方法，其特征在于，所述训练检测模型包括主干网络和剩余网络，所述对所述损失函数进行反向传播以优化所述训练检测模型的参数，从而得到所述目标检测模型，包括：保持所述训练检测模型的所述主干网络的参数不变，对所述损失函数进行反向传播以优化所述训练检测模型的所述剩余网络的参数，直至达到训练停止条件时，得到所述目标检测模型。5.根据权利要求4所述的方法，其特征在于，所述目标检测模型包括主干网络和剩余网络，所述利用目标检测模型对所述多个候选图像块分别做目标检测，得到所述多个候选图像块中的每个候选图像块的检测结果，...

【专利技术属性】
技术研发人员：姚星星，程元烁，孟海秀，陈不休，贾冬冬，
申请(专利权)人：海尔数字科技青岛有限公司海尔卡奥斯物联生态科技有限公司，
类型：发明
国别省市：