目标检测方法、装置、计算机设备及可读存储介质制造方法及图纸

本发明专利技术提供的目标检测方法、装置、计算机设备及可读存储介质，方法包括：获取待检测图像；利用训练后的目标检测模型，检测待检测图像中是否存在目标；若存在，利用目标检测模型的检测头模块，从待检测图像的特征图中，确定目标对应的坐标偏移量预测值、尺度偏移量预测值以及最大概率尺度分类；根据坐标偏移量预测值，确定目标对应的预测框的坐标，并根据尺度偏移量预测值和最大概率尺度分类确定预测框的尺度。本发明专利技术将直接预测尺度的问题转换为尺度的多尺度分类问题，相比较于直接预测目标尺度的方法，本发明专利技术可以不受目标实际尺度的影响，提高了检测结果的准确性和效率。提高了检测结果的准确性和效率。提高了检测结果的准确性和效率。

【技术实现步骤摘要】
目标检测方法、装置、计算机设备及可读存储介质


[0001]本专利技术涉及目标检测
，具体而言，涉及一种目标检测方法、装置、计算机设备及可读存储介质。

技术介绍

[0002]目标检测是计算机视觉领域内的一项基本技术，它被直接或间接的应用于各个行业领域，例如自动驾驶，人脸识别，监控安防等等。目标检测的性能直接影响了后续任务的效果，所以目标检测技术的研究也趋向于高精度和高效率的方向发展。
[0003]随着计算机视觉技术和人工智能技术的发展，卷积神经网络成为当前目标检测技术的主流框架，当前主流的检测方式采用了直接预测的方式输出目标的位置和尺度，这种直接预测的方式在模型训练过程中容易受到训练集中目标尺度分布的影响，使得模型在预测不同尺度目标时预测值范围波动较大，影响网络收敛和模型性能。

技术实现思路

[0004]本专利技术的目的之一在于提供一种目标检测方法、装置、计算机设备及可读存储介质，用以提高目标检测准确性和效率，本专利技术的实施例可以这样实现：
[0005]第一方面，本专利技术提供一种目标检测方法，所述方法包括本文档来自技高网...

【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：获取待检测图像；利用训练后的目标检测模型，检测所述待检测图像中是否存在目标；若存在，利用所述目标检测模型的检测头模块，从所述待检测图像的特征图中，确定所述目标对应的坐标偏移量预测值、尺度偏移量预测值以及最大概率尺度分类；根据所述坐标偏移量预测值，确定所述目标对应的预测框的坐标，并根据所述尺度偏移量预测值和所述最大概率尺度分类确定所述预测框的尺度。2.根据权利要求1所述的目标检测方法，其特征在于，若存在，利用所述目标检测模型的检测头模块，从所述待检测图像的特征图中，确定所述目标对应的坐标偏移量预测值、尺度偏移量预测值以及最大概率尺度分类，包括：利用所述检测头模块，分别从所述特征图的坐标偏移通道和尺度偏移通道上，读取所述目标对应的特征点的所述坐标偏移量预测值和所述尺度偏移量预测值；对所述特征图的多个尺度编码向量通道进行遍历，读取所述特征点对应的将最大尺度分类预测值，并将所述最大尺度分类预测值对应的所述尺度编码向量通道的通道序号，确定为所述最大概率尺度分类。3.根据权利要求1所述的方法，其特征在于，利用训练后的目标检测模型，检测所述待检测图像中是否存在目标，包括：利用所述目标检测模型的主干网络，对所述待检测图像进行特征提取与融合，得到所述特征图；利用所述检测头模块，从所述特征图的对象通道，读取每个特征点的对象预测标签；当存在对象预测值大于预设阈值的目标特征点，则确定所述目标特征点对应的图像位置上存在所述目标。4.根据权利要求3所述的方法，其特征在于，在当存在对象预测值大于预设阈值的目标特征点，则确定所述目标特征点对应的图像位置上存在所述目标之后，所述方法还包括：利用所述检测头模块，从所述特征图的类别通道中，读取所述目标特征点对应的类别预测值；若所述类别预测值与所述对象预测值的乘积大于预设置信度，则执行利用所述目标检测模型的检测头模块，从所述待检测图像的特征图中，确定所述目标对应的坐标偏移量预测值、尺度偏移量预测值以及最大概率尺度分类的步骤。5.根据权利要求1所述的方法，其特征在于，根据所述坐标偏移量预测值，确定所述目标对应的预测框的坐标，并根据所述尺度偏移量预测值和所述最大概率尺度分类确定所述预测框的尺度，包括：根据所述特征图的尺寸、所述目标对应的特征点的位置和所述坐标偏移量预测值，计算所述预测框的坐标；根据所述待检测图像的尺寸、预设尺度缩放参数、所述尺度偏移量预测值和所述最大概率尺度分类，计算所述预测框的尺度。6.根据权利要求1
‑
5任意一项所述的方法，其特征在于，所述目标检测模型是通过如下方式训练得到的：获取用于训练...

【专利技术属性】
技术研发人员：王磊，
申请(专利权)人：重庆紫光华山智安科技有限公司，
类型：发明
国别省市：