【技术实现步骤摘要】
目标检测模型构建方法、目标检测方法、装置和计算设备
[0001]本公开涉及目标检测领域,尤其涉及一种目标检测模型的构建方法、目标检测方法、装置和计算设备。
技术介绍
[0002]近几年来,基于深度神经网络的目标检测器取得了巨大的成功。常见的目标检测而器可分为单阶段检测器和两阶段检测器。其中,单阶段检测器具有结构简单、推理速度快等优点。例如,基于锚点的RetinaNet目标检测器在图片中预先划定一些特定大小及形状的候选框,然后利用神经网络对这些候选框进行分类和回归修正,从而进行目标检测。然而,现有的单阶段目标检测器对于小物体的检测效果却并不尽如人意,为了提升小目标检测的性能,通常会采用高分辨率的输入图片和特征,但这将会带来巨大的计算量,严重减慢推理速度。因此,需要提供一种更高效快速的目标检测方法。
技术实现思路
[0003]本公开的实施例提供一种目标检测模型的构建方法、目标检测方法、装置和计算设备,以提高单阶段目标检测器对于小物体的检测效果率。
[0004]为达到上述目的,本公开的实施例采用如下技术方案:
[0005]本公开实施例的第一方面,提供一种构建特征提取网络,特征提取网络用于对输入图片进行特征提取,得到具有不同尺寸的多层特征图,多层特征图包括第一特征图和第二特征图;构建目标检测网络,目标检测网络包括与多层特征图对应的多个网络层,多个网络层包括第一网络层和第二网络层;第一网络层与第一特征图对应,用于对第一特征图进行查询操作,并将所得到的查询结果传输给第二网络层,查询结果包括第一特征 ...
【技术保护点】
【技术特征摘要】
1.一种目标检测模型的构建方法,包括:构建特征提取网络,所述特征提取网络用于对输入图片进行特征提取,得到具有不同尺寸的多层特征图,所述多层特征图包括第一特征图和第二特征图;构建目标检测网络,所述目标检测网络包括与多层特征图对应的多个网络层,所述多个网络层包括第一网络层和第二网络层;所述第一网络层与所述第一特征图对应,用于对所述第一特征图进行查询操作,并将所得到的查询结果传输给所述第二网络层,所述查询结果包括所述第一特征图中特定目标的查询点;所述第二网络层与所述第二特征图对应,用于确定所述查询点在所述第二特征图中的映射区域,并在所述映射区域内进行检测操作,得到检测结果。2.根据权利要求1所述的方法,其中,所述第一网络层还用于对所述第一特征图进行检测操作,得到检测结果。3.根据权利要求1所述的方法,其中,所述目标检测网络有多个第二网络层,每个第二网络层均从所述第一网络层中接收所述查询结果,并将所述查询结果映射为对应的第二特征图中的映射区域。4.根据权利要求1所述的方法,其中,所述多层特征图还包括第三特征图,所述目标检测网络还包括与所述第三特征图对应的第三网络层,所述第二网络层还用于:对所述第二特征图中的映射区域进行查询操作,得到对应的查询结果;将所得到的查询结果传输给所述第三网络层,以便所述第三网络层将该查询结果中的查询点映射为对应的第三特征图中的映射区域,并在该映射区域内进行检测操作,得到检测结果。5.根据权利要求1所述的方法,其中,所述第二网络层还用于:提取所述映射区域的图像特征来构建稀疏张量;采用稀疏卷积在所述映射区域内进行检测操作和/或查询操作。6.根据权利要求1所述的方法,其中,所述多层特征图还包括附加特征图;所述目标检测网络还包括与所述附加特征图对应的附加网络层;所述附加网络层用于对所述附加特征图进行检测操作,得到检测结果。7.根据权利要求1
‑
6中任一项所述的方法,还包括:构建输出网络,所述输出网络用于将各网络层进行检测操作后所得到的检测结果进行合并输出。8.根据权利要求1所述的方法,其中,所述特征提取网络包括:主干网络,用于对输入图片进行特征提取,得到初始的多层特征图;和特征金字塔网络,用于对所述初始的特征图进行上采样和特征融合,得到改进后的多层特征图。9.根据权利要求1所述的方法,其中,所述第二特征图通过对第一特征图进行上采样和特征融合后得到,所述第二特征图的尺寸为所述第一特征图的m倍,且m>1。10.根据权利要求9所述的方法,其中,所述第二网络层根据所述第一特征图和第二特征图之间的放大倍数,将所述查询点映射为所述第二特征图中的多个点,得到所述映射区
域。11.根据权利要求1所述的方法,其中,所述检测操作包括回归操作和分类操作中的至少一种;所述检测结果包括回归结果和分类结果中的至少一种。12.根据权利要求11所述的方法,其中,所述目标检测网络包括分类网络、回归网络、查询网络;所述分类操作、回归操作和查询操作分别由分类网络、回归网络、查询网络执行。13.根据权利要求1所述的方法,其中,所述查询结果包括查询结果图;所述查询结果图包括对应特征图中各位置点存在所述特定目标的概率;所述查询点为概率值大于等于预设阈值的位置点。14.根据权利要求1所述的方法,其中,每层特征图具有对应的尺寸阈值,每层特征图的特定目标为尺寸小于等于该层特征图的尺寸阈值的目标。15.根据权利要求1所述的方法,还包括:生成训练样本集,所述训练样本集包括多张训练图像和每张训练图像的标注,所述标注包括分类标注和位置标注中的至少一种;根据所述训练样本集对所构建的目标检测...
【专利技术属性】
技术研发人员:杨陈弘毅,黄泽昊,王乃岩,
申请(专利权)人:北京图森智途科技有限公司,
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。