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：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。
[0006]第二方面，本专利技术提供一种目标检测装置，所述方法包括：获取模块，用于获取待检测图像；检测模块，用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；预测模块，用于若存在，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；所述预测模块，还用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。
[0007]第三方面，本专利技术提供一种计算机设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机程序，所述处理器可执行所述计算机程序以实现第一方面所述的方法。
[0008]第四方面，本专利技术提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的方法。
[0009]本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，首先通过目标检测模型检测待检测图像中是否存在目标，若存在，则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，最后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。上述过程通过目标检测模型可以预测目标对应的最大概率尺度分类，然后基于最大概率尺度分类来计算目标的尺度，整个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，本专利技术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。
附图说明
[0010]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，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他相关的附图。
[0011]图1为本申请实施例提供的一种应用场景示意图；
[0012]图2为本专利技术实施例提供的目标检测模型的主干网络的结构示意图；
[0013]图3为本专利技术实施例提供的目标检测模型的检测头模块的结构示意图；
[0014]图4为本专利技术实施例提供的目标检测模型的训练方法的示意性流程图；
[0015]图5为本专利技术实施例提供的目标检测模型的检测效果图；
[0016]图6为本专利技术实施例提供的目标检测方法的示意流程图；
[0017]图7为本专利技术实施例提供的步骤S52的示意性流程图；
[0018]图8为本专利技术实施例提供的补助S53的示意性流程图；
[0019]图9为本专利技术实施例提供的目标检测装置的功能模块图；
[0020]图10为本专利技术实施例提供的计算机设备的结构框图。
具体实施方式
[0021]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。
[0022]因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0023]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0024]在本专利技术的描述中，需要说明的是，若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该专利技术产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。
[0025]此外，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0026]需要说明的是，在不冲突的情况下，本专利技术的实施例中的特征可以相互结合。
[0027]请参见图1，图1为本申请实施例提供的一种应用场景示意图，该场景包括：用户10、终端设备11和服务器12。其中，终端设备11和服务器12之间通过网络建立通信连接后，终端设备11可以将图像发送个服务器12，由服务器12进行目标检测，获得目标的预测框的位置、宽度和高度。
[0028]其中，终端设备11可以但不限于是扫描仪、数码相机、各种具有图像信息采集功能的个人计算机、笔记本电脑、智能手机、平板电脑、智能穿戴设备等计算机设备。
[0029]服务器12可以用独立的服务器或者是多个服务器组成的服务器集群或者分布式系统来实现，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。终端设备11以及服务器12可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。
[0030]终端设备11和服务器12可通本文档来自技高网...
【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：
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。