本申请公开了一种基于前景子空间的开放集目标检测方法和装置，涉及计算机技术领域，其中方法包括：获取待检测图像；将所述待检测图像输入至目标检测模型，得到所述目标检测模型输出的所述待检测图像对应的前景目标的预测位置和预测类别；所述目标检测模型用于基于所述待检测图像中候选目标的图像特征与前景子空间之间的距离确定所述前景目标，并基于所述前景目标与已知类别对应的原型在所述前景子空间中的投影坐标之间的距离确定所述前景目标的预测类别；所述前景子空间是基于所述已知类别对应的原型特征构建的。本申请提供的方法和装置，提高了前景目标检测的准确性。提高了前景目标检测的准确性。提高了前景目标检测的准确性。
【技术实现步骤摘要】
基于前景子空间的开放集目标检测方法和装置
[0001]本申请涉及计算机
，具体而言，涉及一种基于前景子空间的开放集目标检测方法和装置。
技术介绍
[0002]目标检测是模式识别和计算机视觉领域的重要任务之一，它旨在通过图像分析得到图像中目标的具体位置及所属类别，是理解图像高层语义信息的重要基础，长期以来受到学术界和工业界的广泛关注，在视频监控、自动驾驶、智能交通、机器人导航、多媒体检索、影视创作等众多应用领域中发挥着重要的作用。近年来，随着深度学习技术的不断发展，从大量数据中进行自动特征学习逐渐成为主流，以卷积神经网络为代表的深度神经网络在目标检测中的广泛应用极大地推动了领域的发展，目前已成为主流的目标检测技术。
[0003]当前的目标检测算法几乎都是基于封闭类别集假设进行设计的，即检测器只能检测出训练数据中已标记类别的物体。然而，在实际应用中，目标检测算法的使用场景常常是在开放环境下的，被检测物体的类别集是开放集，即算法需要检测的感兴趣目标包括未曾在训练过程中学习过的未知类别目标。然而现有算法对于类别未知的目标，将直接作为背景忽略掉，无法将其检测出，因而不能满足实际使用场景的需求。
技术实现思路
[0004]第一方面，本申请提供一种基于前景子空间的开放集目标检测方法，包括：
[0005]获取待检测图像；
[0006]将所述待检测图像输入至目标检测模型，得到所述目标检测模型输出的所述待检测图像对应的前景目标的预测位置和预测类别；
[0007]其中，所述目标检测模型用于基于所述待检测图像中候选目标的图像特征与前景子空间之间的距离确定所述前景目标，并基于所述前景目标与已知类别对应的原型在所述前景子空间中的投影坐标之间的距离确定所述前景目标的预测类别；所述前景子空间是基于所述已知类别对应的原型特征构建的。
[0008]根据本申请提供的基于前景子空间的开放集目标检测方法，所述将所述待检测图像输入至目标检测模型，得到所述目标检测模型输出的所述待检测图像对应的前景目标的预测位置和预测类别，包括：
[0009]将所述待检测图像输入至所述目标检测模型的多尺度特征提取层，由所述多尺度特征提取层基于不同的特征提取尺度确定所述待检测图像对应的多个不同尺度的特征图；
[0010]将所述多个不同尺度的特征图输入至所述目标检测模型的候选目标识别层，得到所述候选目标识别层输出的所述待检测图像对应的候选目标的图像特征和位置特征；
[0011]将所述候选目标的图像特征输入至所述目标检测模型的前景目标识别层，由所述前景目标识别层基于所述候选目标的图像特征与前景子空间之间的距离，确定所述待检测图像对应的前景目标；
[0012]将所述前景目标的图像特征输入至所述目标检测模型的类别识别层，由所述类别识别层基于所述前景目标与已知类别对应的原型在所述前景子空间中的投影坐标之间的距离确定所述前景目标的预测类别，并基于所述前景目标的位置特征确定所述前景目标的预测位置。
[0013]根据本申请提供的基于前景子空间的开放集目标检测方法，所述将所述候选目标的图像特征输入至所述目标检测模型的前景目标识别层，由所述前景目标识别层基于所述候选目标的图像特征与前景子空间之间的距离，确定所述待检测图像对应的前景目标，包括：
[0014]将所述候选目标的图像特征输入至所述目标检测模型的前景目标识别层，由所述前景目标识别层基于所述候选目标的图像特征与所述前景子空间中任意向量之间的最小距离，确定所述候选目标的图像特征与所述前景子空间之间的距离；
[0015]在所述候选目标的图像特征与所述前景子空间之间的距离小于或者等于前景判定阈值的情况下，将所述候选目标确定为所述待检测图像对应的前景目标。
[0016]根据本申请提供的基于前景子空间的开放集目标检测方法，所述将所述前景目标的图像特征输入至所述目标检测模型的类别识别层，由所述类别识别层基于所述前景目标与已知类别对应的原型在所述前景子空间中的投影坐标之间的距离确定所述前景目标的预测类别，包括：
[0017]将所述前景目标的图像特征输入至所述目标检测模型的类别识别层，由所述类别识别层基于所述前景目标的图像特征确定所述前景目标在所述前景子空间中的投影坐标，以及基于各个已知类别对应的原型特征确定各个已知类别对应的原型在所述前景子空间中的投影坐标；
[0018]基于所述前景目标的投影坐标，以及各个原型的投影坐标，确定所述前景目标与各个原型之间的距离；
[0019]在所述前景目标与任一原型之间的距离小于或者等于类别判定阈值的情况下，将所述任一原型对应的已知类别确定为所述前景目标的预测类别；
[0020]在所述前景目标与各个原型之间的距离均大于类别判定阈值的情况下，将所述前景目标的预测类别确定为未知类别。
[0021]根据本申请提供的基于前景子空间的开放集目标检测方法，所述多尺度特征提取层是基于特征金字塔网络构建的。
[0022]根据本申请提供的基于前景子空间的开放集目标检测方法，所述前景子空间是基于如下步骤构建的：
[0023]获取多个已知类别对应的原型特征；
[0024]对已知类别对应的原型特征进行主成分分析，确定多个主成分特征向量；
[0025]基于所述多个主成分特征向量，构建所述前景子空间。
[0026]根据本申请提供的基于前景子空间的开放集目标检测方法，所述目标检测模型的目标分类训练损失函数是基于如下步骤确定的：
[0027]基于样本前景目标属于真实类别的条件概率，以及所述样本前景目标不属于非真实类别的条件概率，确定所述目标检测模型的类别损失函数；
[0028]基于样本前景目标与所述真实类别中对应的原型在所述前景子空间中的投影坐
标之间的最小距离，确定所述目标检测模型的原型损失函数；
[0029]基于所述类别损失函数和所述原型损失函数，确定所述目标检测模型的目标分类训练损失函数。
[0030]第二方面，本申请提供一种基于前景子空间的开放集目标检测装置，包括：
[0031]获取单元，用于获取待检测图像；
[0032]检测单元，用于将所述待检测图像输入至目标检测模型，得到所述目标检测模型输出的所述待检测图像对应的前景目标的预测位置和预测类别；
[0033]其中，所述目标检测模型用于基于所述待检测图像中候选目标的图像特征与前景子空间之间的距离确定所述前景目标，并基于所述前景目标与已知类别对应的原型在所述前景子空间中的投影坐标之间的距离确定所述前景目标的预测类别；所述前景子空间是基于所述已知类别对应的原型特征构建的。
[0034]第三方面，本申请提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的基于前景子空间的开放集目标检测方法。
[0035]第四方面，本申请提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于前景子空间的开放集目标检测方法，其特征在于，包括：获取待检测图像；将所述待检测图像输入至目标检测模型，得到所述目标检测模型输出的所述待检测图像对应的前景目标的预测位置和预测类别；其中，所述目标检测模型用于基于所述待检测图像中候选目标的图像特征与前景子空间之间的距离确定所述前景目标，并基于所述前景目标与已知类别对应的原型在所述前景子空间中的投影坐标之间的距离确定所述前景目标的预测类别；所述前景子空间是基于所述已知类别对应的原型特征构建的。2.根据权利要求1所述的基于前景子空间的开放集目标检测方法，其特征在于，所述将所述待检测图像输入至目标检测模型，得到所述目标检测模型输出的所述待检测图像对应的前景目标的预测位置和预测类别，包括：将所述待检测图像输入至所述目标检测模型的多尺度特征提取层，由所述多尺度特征提取层基于不同的特征提取尺度确定所述待检测图像对应的多个不同尺度的特征图；将所述多个不同尺度的特征图输入至所述目标检测模型的候选目标识别层，得到所述候选目标识别层输出的所述待检测图像对应的候选目标的图像特征和位置特征；将所述候选目标的图像特征输入至所述目标检测模型的前景目标识别层，由所述前景目标识别层基于所述候选目标的图像特征与前景子空间之间的距离，确定所述待检测图像对应的前景目标；将所述前景目标的图像特征输入至所述目标检测模型的类别识别层，由所述类别识别层基于所述前景目标与已知类别对应的原型在所述前景子空间中的投影坐标之间的距离确定所述前景目标的预测类别，并基于所述前景目标的位置特征确定所述前景目标的预测位置。3.根据权利要求2所述的基于前景子空间的开放集目标检测方法，其特征在于，所述将所述候选目标的图像特征输入至所述目标检测模型的前景目标识别层，由所述前景目标识别层基于所述候选目标的图像特征与前景子空间之间的距离，确定所述待检测图像对应的前景目标，包括：将所述候选目标的图像特征输入至所述目标检测模型的前景目标识别层，由所述前景目标识别层基于所述候选目标的图像特征与所述前景子空间中任意向量之间的最小距离，确定所述候选目标的图像特征与所述前景子空间之间的距离；在所述候选目标的图像特征与所述前景子空间之间的距离小于或者等于前景判定阈值的情况下，将所述候选目标确定为所述待检测图像对应的前景目标。4.根据权利要求2所述的基于前景子空间的开放集目标检测方法，其特征在于，所述将所述前景目标的图像特征输入至所述目标检测模型的类别识别层，由所述类别识别层基于所述前景目标与已知类别对应的原型在所述前景子空间中的投影坐标之间的距离确定所述前景目标的预测类别，包括：将所述前景目标的图像特征输入至所述目标检测模...
【专利技术属性】
技术研发人员：杨沛沛，刘成林，朱彦霖，
申请(专利权)人：中国科学院自动化研究所，
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。