基于单阶段的目标检测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术适用目标检测技术领域，提供了一种基于单阶段的目标检测方法、装置、设备及存储介质，该方法包括：采用特征提取网络对输入的待检测图像进行特征提取，得到待检测图像在不同尺度下的多个第一特征图；对每个第一特征图进行定位和分类操作，得到对应的第二特征图和第三特征图；对第二特征图、第三特征图进行特征对齐操作，得到对应的第四特征图和第五特征图，对第四特征图和第五特征图进行交互操作，得到对应的交并比分数、预测框和分类分数；基于交并比分数、分类分数和预测框，确定待检测图像的检测目标，从而通过提高特征定位与特征分类的一致性与差异性提高目标检测任务的协调性，进而提高目标检测的准确度。进而提高目标检测的准确度。进而提高目标检测的准确度。

【技术实现步骤摘要】
基于单阶段的目标检测方法、装置、设备及存储介质


[0001]本专利技术属于目标检测
，尤其涉及一种基于单阶段的目标检测方法、装置、设备及存储介质。

技术介绍

[0002]目标检测是在给定图像中同时预测目标的类别和位置，是计算机视觉的一个基本问题，被使用在许多重要的应用中，如监控、自动驾驶、医疗决策以及机器人技术等。进入深度学习时代以来，目标检测发展主要集中在两个方向：单阶段目标检测算法和多阶段目标检测算法。两者的主要区别在于多阶段算法需要先生成预选框（proposal，一个有可能包含待检物体的预选框），然后进行细粒度的物体检测。而单阶段算法会直接在网络中提取特征来预测物体分类和位置，单阶段算法简便和易用，由此成为通用目标检测领域最主要的热点研究方向。
[0003]单阶段检测器在检测头中采用两个并行子网络络来完成分类和定位任务。但不同任务的采样空间相同，且监督权重相同，不利于突出高质量样本，抑制了低质量样本。目前使用的方法一般是通过改进预测框的评估机制来提升多任务的协调性，然而，这些方法只是提高了边界盒的质量和排序分数的一致性，使用本文档来自技高网...

【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：采用特征提取网络对输入的待检测图像进行特征提取，得到所述待检测图像在不同尺度下的多个第一特征图；对每个第一特征图进行定位和分类操作，得到对应的第二特征图和第三特征图；对所述第二特征图、第三特征图进行特征对齐操作，得到对应的第四特征图和第五特征图，对所述第四特征图和第五特征图进行交互操作，得到对应的交并比分数、预测框和分类分数；基于所有所述第一特征图对应的交并比分数、分类分数和预测框，确定所述待检测图像的检测目标。2.如权利要求1所述的目标检测方法，其特征在于，对每个第一特征图进行定位和分类操作，得到对应的第二特征图和第三特征图的步骤，包括：采用特征定位网络对每个所述第一特征图进行定位操作，得到所述第二特征图；采用特征分类网络对每个所述第一特征图进行分类操作，得到所述第三特征图。3.如权利要求2所述的目标检测方法，其特征在于，所述特征定位网络包括第一卷积层、第一归一层和第一激活层，所述采用特征定位网络对每个所述第一特征图进行定位操作，得到所述第二特征图的步骤，包括：将每个所述第一特征图输入所述特征定位网络，利用所述第一卷积层对所述第一特征图进行卷积计算，得到定位特征图；利用所述第一归一层对所述定位特征图进行分组并计算每一组的均值和方差，以进行归一化；利用所述第一激活层对归一化处理后的定位特征图进行激活处理，得到所述第二特征图。4.如权利要求2所述的目标检测方法，其特征在于，所述特征分类网络包括第二卷积层、第二归一层和第二激活层，所述采用特征分类网络对每个所述第一特征图进行分类操作，得到所述第三特征图的步骤，包括：将每个所述第一特征图输入所述特征分类网络，利用所述第二卷积层对所述第一特征图进行卷积计算，得到分类特征图；利用所述第二归一层对所述分类特征图进行分组并计算每一组的均值和方差，以进行归一化；利用所述第二激活层对归一化处理后的分类特征图进行激活处理，得到所述第三特征图。5.如权利要求1所述的目标检测方法，其特征在于，对所述第二特征图、第三特征图进行特征对齐操作，得到对应的第四特征图和第五特征图，对所述第四特征图和第五特征图进行交互操作，得到对应的交并比分数、预测框和分类分数的步骤，包括：采用特征对齐网络对所述第二特征图、第三特征图分别进行特征对齐操作，得到对应的第四特征图和第五特征图；采用特征交互网络对所述第四特征图、第五特征图进行特征交互操作，得到所述对应的交并比分数、预测框和分类分数。6.如权利要求5所述的目标检测方法，其特征在于，所述特征...

【专利技术属性】
技术研发人员：殷绪成，马嘉威，陈松路，
申请(专利权)人：珠海亿智电子科技有限公司，
类型：发明
国别省市：