目标检测方法、目标检测模型的训练方法及相关装置制造方法及图纸

本申请公开了一种目标检测方法、目标检测模型的训练方法及相关装置，其中，目标检测方法包括：对待测图像进行特征提取，得到第一图像特征；再基于第一图像特征和由至少一个模板图像提取得到的第二图像特征进行融合，得到融合图像特征，模板图像包含至少一个目标对象；并基于融合图像特征进行检测，得到融合图像特征中目标对象的候选区域；最后，基于第三图像特征和第二图像特征进行检测，确定待测图像中是否存在目标对象，且第三图像特征基于候选区域从融合图像特征提取得到。上述方案，能够提高目标检测方法的通用化。高目标检测方法的通用化。高目标检测方法的通用化。

【技术实现步骤摘要】
目标检测方法、目标检测模型的训练方法及相关装置


[0001]本申请涉及图像处理
，特别是涉及一种目标检测方法、目标检测模型的训练方法及相关装置。

技术介绍

[0002]随着科技的发展，目标检测技术的应用十分广泛。例如，在各种智能监控场景下，通过使用目标检测技术，有助于快速根据需求对人员和物品进行检测。
[0003]目前，目标检测的实现通过依赖于模型检测，但是模型在训练的过程中依赖于大量的标注数据，具体地，每新增一类新的物体进行检测都需要在原有的样本数据集上收集、清洗、筛选、添加新的样本数据进行重新训练，训练通常也需要较长的训练时间，因此，导致目标检测的适用性较差。有鉴于此，如何提高目标检测方法的通用化成为亟待解决的问题。

技术实现思路

[0004]本申请主要解决的技术问题是提供一种目标检测方法、目标检测模型的训练方法及相关装置，能够提高目标检测方法的通用化。
[0005]为了解决上述技术问题，本申请第一方面提供了一种目标检测方法，包括：对待测图像进行特征提取，得到第一图像特征；再基于第一图像特征和由至少一个模板图像提取得到的第二图像特征进行融合，得到融合图像特征，且模板图像包含至少一个目标对象；并基于融合图像特征进行检测，得到融合图像特征中目标对象的候选区域；最后，基于第三图像特征和第二图像特征进行检测，确定待测图像中是否存在目标对象，且第三图像特征基于候选区域从融合图像特征提取得到。
[0006]为了解决上述技术问题，本申请第二方面提供了一种目标检测模型的训练方法，包括：利用目标检测模型的特征提取网络分别对样本待测图像和至少一个样本模板图像进行特征提取，得到样本待测图像的样本第一图像特征和样本模板图像的样本第二图像特征，且样本模板图像标注有样本目标对象，样本待测图像标记有表征样本待测图像是否含有样本目标对象的标注信息；再利用目标检测模型的融合网络对样本第一图像特征和样本第二图像特征进行融合，得到样本融合图像特征；并利用目标检测模型的检测网络对样本融合图像特征进行检测，得到样本融合图像特征中样本目标对象的样本候选区域；在此基础上，利用目标检测模型的预测网络对样本第三图像特征和样本第二图像特征进行检测，确定样本待测图像中是否存在样本目标对象，且样本第三图像特征基于样本候选区域从样本融合图像特征提取得到；最后，基于标注信息和检测结果之间的差异，调整目标检测模型的网络参数。
[0007]为了解决上述技术问题，本申请第三方面提供了一种目标检测装置，包括提取模块、融合模块、检测模块和预测模块；其中，提取模块用于对待测图像进行特征提取，得到第一图像特征；融合模块用于基于第一图像特征和由至少一个模板图像提取得到的第二图像特征进行融合，得到融合图像特征，且模板图像包含至少一个目标对象；检测模块用于基于
融合图像特征进行检测，得到融合图像特征中目标对象的候选区域；预测模块用于基于第三图像特征和第二图像特征进行检测，确定待测图像中是否存在目标对象，且第三图像特征基于候选区域从融合图像特征提取得到。
[0008]为了解决上述技术问题，本申请第四方面提供了一种目标检测模型的训练装置，包括提取模块、融合模块、检测模块、预测模块和调整模块；其中，提取模块用于利用目标检测模型的特征提取网络分别对样本待测图像和至少一个样本模板图像进行特征提取，得到样本待测图像的样本第一图像特征和样本模板图像的样本第二图像特征，且样本模板图像标注有样本目标对象，样本待测图像标记有表征样本待测图像是否含有样本目标对象的标注信息；融合模块用于利用目标检测模型的融合网络对样本第一图像特征和样本第二图像特征进行融合，得到样本融合图像特征；检测模块用于利用目标检测模型的检测网络对样本融合图像特征进行检测，得到样本融合图像特征中样本目标对象的样本候选区域；预测模块用于利用目标检测模型的预测网络对样本第三图像特征和样本第二图像特征进行检测，确定样本待测图像中是否存在样本目标对象，且样本第三图像特征基于样本候选区域从样本融合图像特征提取得到；调整模块用于基于标注信息和检测结果之间的差异，调整目标检测模型的网络参数。
[0009]为了解决上述技术问题，本申请第五方面提供了一种电子设备，包括相互耦接的存储器和处理器，存储器中存储有程序指令，处理器用于执行程序指令以实现上述第一方面中的目标检测方法，或上述第二方面中的目标检测模型的训练方法。
[0010]为了解决上述技术问题，本申请第六方面提供了一种计算机可读存储介质，存储有能够被处理器运行的程序指令，程序指令用于实现上述第一方面中的目标检测方法，或上述第二方面中的目标检测模型的训练方法。
[0011]上述方案，通过对待测图像进行特征提取，得到第一图像特征；再基于第一图像特征和由至少一个模板图像提取得到的第二图像特征进行融合，得到融合图像特征；并基于融合图像特征进行检测，得到融合图像特征中目标对象的候选区域；最后，基于第三图像特征和第二图像特征进行检测，确定待测图像中是否存在目标对象，且第三图像特征基于候选区域从融合图像特征提取得到，一方面通过对待测图像的第一图像特征和模板图像的第二图像特征进行融合，得到融合图像特征，再对融合图像特征进行检测，确定目标对象的候选区域，有助于提高对融合图像特征中目标对象的候选区域检测的准确性，另一方面通过基于候选区域从融合图像特征提取得到第三图像特征，再对第三图像特征和第二图像特征进行二次融合，并预测得到待测图像的检测结果，有助于提高目标检测结果的准确性，进而提高目标检测的效率，故此，能够提高目标检测方法的通用化。
[0012]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本申请。
附图说明
[0013]此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本申请的实施例，并与说明书一起用于说明本申请的技术方案。
[0014]图1是本申请目标检测方法一实施例的流程示意图；
[0015]图2是本申请目标检测模型的训练方法一实施例的流程示意图；
[0016]图3是本申请目标检测装置一实施例的框架示意图；
[0017]图4是本申请目标检测模型的训练装置一实施例的框架示意图；
[0018]图5是本申请电子设备一实施例的框架示意图；
[0019]图6是本申请计算机可读存储介质一实施例的框架示意图。
具体实施方式
[0020]下面结合说明书附图，对本申请实施例的方案进行详细说明。
[0021]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透彻理解本申请。
[0022]本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。另外，本文中术语“至少一种”表示多种中的任意一种或本文档来自技高网...

【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，包括：对待测图像进行特征提取，得到第一图像特征；基于所述第一图像特征和由至少一个模板图像提取得到的第二图像特征进行融合，得到融合图像特征；其中，所述模板图像包含至少一个目标对象；基于所述融合图像特征进行检测，得到所述融合图像特征中所述目标对象的候选区域；基于第三图像特征和所述第二图像特征进行检测，确定所述待测图像中是否存在所述目标对象；其中，所述第三图像特征基于所述候选区域从所述融合图像特征提取得到。2.根据权利要求1所述的方法，其特征在于，所述基于第三图像特征和所述第二图像特征进行检测，确定所述待测图像中是否存在所述目标对象，包括：基于所述第二图像特征和所述第三图像特征进行全局匹配，得到第一相似度，并基于所述第二图像特征和所述第三图像特征进行局部匹配，得到第二相似度；基于所述第一相似度和所述第二相似度，确定所述待测图像中是否存在所述目标对象。3.根据权利要求2所述的方法，其特征在于，所述基于所述第二图像特征和所述第三图像特征全局匹配，得到第一相似度，包括：对所述第二图像特征和所述第三图像特征进行拼接，得到第一拼接图像特征；基于所述第一拼接图像特征进行映射，得到所述第一相似度。4.根据权利要求2所述的方法，其特征在于，所述基于所述第二图像特征和所述第三图像特征进行局部匹配，得到第二相似度，包括：基于所述第二图像特征和所述第三图像特征在维度上进行相乘，得到局部图像特征；对所述局部图像特征进行拼接，得到第二拼接图像特征；基于所述第二拼接图像特征进行映射，得到所述第二相似度。5.根据权利要求2所述的方法，其特征在于，所述基于所述第一相似度和所述第二相似度，确定所述待测图像中是否存在所述目标对象，包括：基于所述第一相似度和所述第二相似度进行加权，得到加权相似度；基于所述加权相似度与相似度阈值进行比较，确定所述待测图像中是否存在所述目标对象。6.根据权利要求1所述的方法，其特征在于，目标检测模型包括特征提取网络、融合网络、检测网络和预测网络；所述第一图像特征和所述第二图像特征由特征提取网络提取得到，所述融合图像特征由融合网络对所述第一图像特征和所述第二图像特征融合得到，所述候选区域由检测网络对所述融合图像特征检测得到，所述待测图像中是否存在所述目标对象由预测网络对所述第三图像特征和所述第二图像特征检测得到。7.一种目标检测模型的训练方法，其特征在于，包括：利用目标检测模型的特征提取网络分别对样本待测图像和至少一个样本模板图像进行特征提取，得到所述样本待测图像的样本第一图像特征和所述样本模板图像的样本第二图像特征；其中，所述样本模板图像标注有样本目标对象，所述样本待测图像标记有表征所述样本待测图像是否含有所述样本目标对象的标注信息；利用所述目标...

【专利技术属性】
技术研发人员：吕辰，张兴明，殷俊，潘华东，孙鹤，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：