一种目标点检测方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种目标点检测方法、装置、设备及存储介质，本申请实施例涉及计算机视觉技术领域。具体的，该方法包括：获取目标场景类别下的待检测图像对应的初始热图；将初始热图分别输入多个目标点检测网络进行目标点检测，得到多个目标图像尺寸的目标热图，每个目标点检测网络对应的网络结构参数是基于预设网络计算量和每个目标点检测网络对应的目标图像尺寸确定的，每个目标点检测网络对应的目标图像尺寸与网络结构参数呈负相关；基于多个目标点检测网络各自对应的目标热图，对待检测图像中的多个待检测目标进行位置预测，得到多个待检测目标对应的目标点位置信息。利用本申请的技术方案，可以在低耗条件下，提高对多尺寸目标的检测精度。标的检测精度。标的检测精度。

【技术实现步骤摘要】
一种目标点检测方法、装置、设备及存储介质


[0001]本申请涉及计算机视觉
，尤其涉及一种目标点检测方法、装置、设备及存储介质。

技术介绍

[0002]机器视觉检测是一种通过计算机视觉技术来进行图像目标检测的方法，机器视觉检测中的多尺寸目标点检测方法一般通过预测目标点来定位目标。
[0003]现有的目标点检测方法，在低处理能力硬件且需要实时运行环境的应用场景中，通常直接对现有检测模型做模型裁剪，即通过减少网络结构中的参数数量来降低耗能，虽然达到了降低耗能的效果，同时也降低了模型检测精度；此外，现有检测模型在多尺寸目标检测任务中，往往对不同尺寸的目标采用相同的一种处理方式，无法同时满足多尺寸目标的检测精度要求。

技术实现思路

[0004]本申请提供了一种目标点检测方法、装置、设备及存储介质，可以通过对不同尺寸的目标设置不同的网络结构参数和不同的热图输出尺寸，在保证网络低耗运行的条件下，提高多尺寸目标点检测的精度，本申请技术方案如下：一方面，提供了一种目标点检测方法，所述方法包括：获取目标场景类别下的待检测图像对应的初始热图，所述待检测图像包含有目标物尺寸不同的多个待检测目标；将所述初始热图分别输入所述目标场景类别对应的多个目标点检测网络进行目标点检测，得到多个目标图像尺寸的目标热图，每个目标点检测网络对应的网络结构参数是基于预设网络计算量和所述每个目标点检测网络对应的目标图像尺寸确定的，所述每个目标点检测网络对应的目标图像尺寸与所述每个目标点检测网络对应的网络结构参数呈负相关，所述每个目标点检测网络各自对应的目标图像尺寸是基于所述目标场景类别下多个目标物类别对应的目标物尺寸比例信息确定的；基于所述多个目标点检测网络各自对应的目标热图，对所述多个待检测目标进行位置预测，得到所述多个待检测目标对应的目标点位置信息。
[0005]另一方面，提供了一种目标点检测装置，所述装置包括：初始热图获取模块，用于获取目标场景类别下的待检测图像对应的初始热图，所述待检测图像包含有目标物尺寸不同的多个待检测目标；目标点检测模块，用于将所述初始热图分别输入所述目标场景类别对应的多个目标点检测网络进行目标点检测，得到多个目标图像尺寸的目标热图，每个目标点检测网络对应的网络结构参数是基于预设网络计算量和所述每个目标点检测网络对应的目标图像尺寸确定的，所述每个目标点检测网络对应的目标图像尺寸与所述每个目标点检测网络对应的网络结构参数呈负相关，所述每个目标点检测网络各自对应的目标图像尺寸是基于所
述目标场景类别下多个目标物类别对应的目标物尺寸比例信息确定的；位置预测模块，用于基于所述多个目标点检测网络各自对应的目标热图，对所述多个待检测目标进行位置预测，得到所述多个待检测目标对应的目标点位置信息。
[0006]另一方面，提供了一种目标点检测设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如第一方面所述的目标点检测方法。
[0007]另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如第一方面所述的目标点检测方法。
[0008]另一方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行如第一方面所述的目标点检测方法。
[0009]本申请提供的一种目标点检测方法、装置、设备及存储介质，具有如下技术效果：本申请在对多尺寸目标进行目标点检测的应用场景中，基于目标场景类别下多个目标物类别对应的目标物尺寸比例信息确定目标场景类别对应的多个目标点检测网络各自对应的目标图像尺寸，并基于预设网络计算量和每个目标点检测网络对应的目标图像尺寸确定每个目标点检测网络对应的网络结构参数，使得每个目标点检测网络对应的目标图像尺寸与每个目标点检测网络对应的网络结构参数呈负相关，可以在限制网络计算量的情况下，对大目标设置较小的输出热图尺寸和较大的网络结构参数，以获得更好的全局视野信息，对小目标设置较大的输出热图尺寸和较小的网络结构参数，以提高局部细节信息的表达，然后将该目标场景类别下的待检测图像对应的初始热图输入该多个目标点检测网络进行目标点检测，得到多个目标图像尺寸的目标热图，通过对不同尺寸的目标设置不同的网络结构参数和不同的热图输出尺寸，可以在保证网络低耗运行的条件下，提高多尺寸目标点检测的精度。
附图说明
[0010]为了更清楚地说明本申请实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0011]图1是本申请实施例提供的一种应用环境的示意图；图2是本申请实施例提供的一种目标点检测方法的流程示意图；图3是本申请实施例提供的一种将待检测图像输入热图生成网络进行热图生成，得到初始热图的流程示意图；图4是本申请实施例提供的一种热图生成网络的网络结构示意图；图5是本申请实施例提供的一种每个目标点检测网络对应的目标图像尺寸的确定方法的流程示意图；图6是本申请实施例提供的一种基于目标物尺寸比例信息，确定每个目标点检测
网络对应的下采样倍数的流程示意图；图7是本申请实施例提供的一种多个目标点检测网络的结构示意图；图8是本申请实施例提供的一种将初始热图分别输入目标场景类别对应的多个目标点检测网络进行目标点检测，得到多个目标图像尺寸的目标热图的流程示意图；图9是本申请实施例提供的一种多个目标点检测网络训练方法的流程示意图；图10是本申请实施例提供的一种多尺寸目标点检测网络的整体框架图；图11是本申请实施例提供的一种目标点检测装置的组成框图；图12是本申请实施例提供的一种目标点检测设备的结构示意图。
具体实施方式
[0012]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0013]需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0014]可以理解的是，在本申请的具体实施方式中，涉及到用户信息等相关的数据，当本申请以上实施例运用到具体产品或技术中时，需要获得用户许可或者同意，且相本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标点检测方法，其特征在于，所述方法包括：获取目标场景类别下的待检测图像对应的初始热图，所述待检测图像包含有目标物尺寸不同的多个待检测目标；将所述初始热图分别输入所述目标场景类别对应的多个目标点检测网络进行目标点检测，得到多个目标图像尺寸的目标热图，每个目标点检测网络对应的网络结构参数是基于预设网络计算量和所述每个目标点检测网络对应的目标图像尺寸确定的，所述每个目标点检测网络对应的目标图像尺寸与所述每个目标点检测网络对应的网络结构参数呈负相关，所述每个目标点检测网络各自对应的目标图像尺寸是基于所述目标场景类别下多个目标物类别对应的目标物尺寸比例信息确定的；基于所述多个目标点检测网络各自对应的目标热图，对所述多个待检测目标进行位置预测，得到所述多个待检测目标对应的目标点位置信息。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：确定所述目标场景类别下的多个目标物类别和所述目标场景类别对应的检测图像尺寸；基于所述多个目标物类别进行目标物尺寸分析，确定所述多个目标物类别对应的目标物尺寸比例信息；基于所述目标物尺寸比例信息，确定所述多个目标点检测网络对应的下采样倍数；基于所述下采样倍数和所述检测图像尺寸，确定所述多个目标点检测网络对应的目标图像尺寸。3.根据权利要求2所述的方法，其特征在于，所述基于所述目标物尺寸比例信息，确定所述多个目标点检测网络对应的下采样倍数包括：基于所述目标物尺寸比例信息，确定所述多个目标点检测网络各自对应的目标检测尺寸信息；基于所述多个目标点检测网络各自对应的目标检测尺寸信息，确定所述多个目标点检测网络对应的下采样倍数；其中，所述每个目标点检测网络对应的目标检测尺寸信息与所述每个目标点检测网络对应的下采样倍数呈正相关。4.根据权利要求1所述的方法，其特征在于，所述每个目标点检测网络包括：特征卷积层和目标点预测层，所述每个目标点检测网络的特征卷积层对应的下采样倍数与所述每个目标点检测网络对应的目标图像尺寸对应，所述将所述初始热图分别输入所述目标场景类别对应的多个目标点检测网络进行目标点检测，得到多个目标图像尺寸的目标热图包括：将所述初始热图分别输入所述每个目标点检测网络的特征卷积层进行特征提取，得到所述每个目标点检测网络对应的下采样倍数的下采样热图；将所述下采样热图输入所述每个目标点检测网络的目标点预测层进行目标点预测，得到所述每个目标点检测网络对应的目标图像尺寸的目标热图。5.根据权利要求1所述的方法，其特征在于，所述获取目标场景类别下的待检测图像对应的初始热图包括：获取所述待检测图像；将所述待检测图像输入热图生成网络进行热图生成，得到所述初始热图。
6.根据权利要求5所述的方法，其特征在于，所述热图生成网络包括：深度可分离卷积网络、特征拼接网络和通道重组网络，所述将所述待检测图像输入热图生成网络进行热图生成，得到所述初始热图包括：基于所述深度可分离卷积网络，对所述待检测图像进行特征提取，得到多个通道维度的初始特征图；基于所...

【专利技术属性】
技术研发人员：崔宪坤，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：