【技术实现步骤摘要】
目标检测方法、装置及电子设备
[0001]本公开公开了一种目标检测方法、装置及电子设备,涉及人工智能
,具体为深度学习、计算机视觉
,可应用于图像处理、物体检测和分割等场景。
技术介绍
[0002]目标检测是计算机视觉领域最具挑战性的问题,而且也是很多计算机视觉应用的第一步。得益于卷积神经网络及候选区域算法的发展,目标检测的性能在过去几年已经取得了突飞猛进的进展。在图像目标检测任务中,目标检测模型能够将目标框出来,但是对这个目标框的分类的准确率却是较低,经常将目标框分到错误的类型中。目前尚缺乏较为准确的目标框的分类方法。
技术实现思路
[0003]本公开提供了一种用于目标检测的方法、装置、设备以及存储介质。
[0004]根据本公开的第一方面,提供了一种目标检测的方法,包括:
[0005]获取待识别图像,并从所述待识别图像中提取第一特征图;
[0006]根据所述第一特征图生成检测框;
[0007]基于所述检测框生成所述检测框对应的类别特征向量;
[0008]根据所述检测框对应的类别特征向量和相关性矩阵生成所述检测框对应的推荐类别。
[0009]可选的,所述根据所述检测框对应的类别特征向量和相关性矩阵生成所述检测框对应的推荐类别,包括:
[0010]根据所述检测框对应的类别特征向量和所述相关性矩阵生成权重特征向量;
[0011]将所述权重特征向量与所述类别特征向量进行融合,以获取推荐类别特征向量;
[0012]根据所述推荐 ...
【技术保护点】
【技术特征摘要】
1.一种目标检测的方法,包括:获取待识别图像,并从所述待识别图像中提取第一特征图;根据所述第一特征图生成检测框;基于所述检测框生成所述检测框对应的类别特征向量;根据所述检测框对应的类别特征向量和相关性矩阵生成所述检测框对应的推荐类别。2.根据权利要求1所述的方法,其中,所述根据所述检测框对应的类别特征向量和相关性矩阵生成所述检测框对应的推荐类别,包括:根据所述检测框对应的类别特征向量和所述相关性矩阵生成权重特征向量;将所述权重特征向量与所述类别特征向量进行融合,以获取推荐类别特征向量;根据所述推荐类别特征向量生成所述检测框的推荐类别。3.根据权利要求2所述的方法,其中,所述相关性矩阵通过以下步骤生成:获取训练数据集中多个类别对应的第一训练图像的第一数量;将所述多个类别组成类别对,并获取所述类别对对应的第二训练图像的第二数量,其中,所述第二训练图像同时包含所述类别对中的类别对应的检测框;根据所述第一数量和所述第二数量生成所述相关性矩阵。4.根据权利要求3所述的方法,其中,所述相关性矩阵中的元素与所述类别对分别对应,其中,所述元素的行对应所述类别对的第一类别,所述元素的列对应所述类别对的第二类别,所述根据所述第一数量和所述第二数量生成所述相关性矩阵包括:获取所述元素对应的所述类别对对应的所述第二数量;获取所述第一类别对应的所述第一数量;将所述第二数量与所述第一数量的比值作为所述元素的值。5.根据权利要求2所述的方法,其中,所述类别特征向量中的行与检测框对应,所述类别特征向量中的列与类别对应,所述根据所述检测框对应的类别特征向量和所述相关性矩阵生成权重特征向量,包括:将所述类别特征向量与所述相关性矩阵相乘,以获取权重矩阵;获取所述权重矩阵每列元素的平均值,以生成所述权重特征向量。6.根据权利要求2所述的方法,其中,所述将所述权重特征向量与所述类别特征向量进行融合,以获取推荐类别特征向量,包括:将所述权重特征向量与所述类别特征向量相加,以获取所述推荐类别特征向量;或,将所述权重特征向量与所述类别特征向量中对应元素相乘,以获取所述推荐类别特征向量。7.根据权利要求6所述的方法,其中,所述根据所述推荐类别特征向量生成所述检测框的推荐类别,包括:获取所述推荐类别特征向量中元素的最大值,并将所述最大值对应的类别作为所述检测框的推荐类别。8.一种目标检测的装置,包括:特征提取模块,用于获取待识别图像,并从所述待识别图像中提取第一特征图;检测框生成模块,用于根据所述第一特征图生成检测框;类别特征向量获取模块,用于基于所述检测框生成所述检测框对应的类别特征向量;
类别识别模块,用于根据所述检测框对应的类别特征向量和相关性矩阵生成所述检测框对应的推荐类别。9.根据权利要求8所述的装置,其中,所述...
【专利技术属性】
技术研发人员:叶锦,谭啸,孙昊,
申请(专利权)人:北京百度网讯科技有限公司,
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。