【技术实现步骤摘要】
目标检测方法和装置、电子设备及存储介质
[0001]本申请涉及图像处理
,特别是涉及一种目标检测方法和装置、电子设备及存储介质。
技术介绍
[0002]随着科技的进步和人类基于便利性生活的需要,目标检测被广泛应用于计算机视觉任务场景中,包括:家居安防、机器视觉、自动驾驶等领域。
[0003]目前各种基于神经网络的目标检测算法相继提出,但是因其参数量庞大、计算复杂导致效率较低,使其在应用场景中受限,而一些高性能的目标检测模型例如Retinaface,Yolov5face等,在降低模型参数量时又会损失较多的模型精度。有鉴于此,如何提高目标检测的准确度和效率,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和装置、电子设备及存储介质,能够提高目标检测的准确度和效率。
[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:利用样本图像对基于RepGhost Bottleneck搭建的初始目标检测网络进行训练,得到第一目标检测网络;其中,RepGhost Bottleneck基于残差连接的RepGhost Module构成,RepGhost Module基于Ghost Module融入结构重参数化构成;基于结构重参数化将第一目标检测网络中RepGhost Module转换为等效Ghost Module,得到第二目标检测网络;基于第二目标检测网络对待测图像进行目标检测,得到待测图像的目标检测结果。
[0006]为了 ...
【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:利用样本图像对基于RepGhost Bottleneck搭建的初始目标检测网络进行训练,得到第一目标检测网络;其中,所述RepGhost Bottleneck基于残差连接的RepGhost Module构成,所述RepGhost Module基于Ghost Module融入结构重参数化构成;基于结构重参数化将所述第一目标检测网络中所述RepGhost Module转换为等效Ghost Module,得到第二目标检测网络;基于所述第二目标检测网络对待测图像进行目标检测,得到所述待测图像的目标检测结果。2.根据权利要求1所述的方法,其特征在于,所述Ghost Module基于残差连接的第一尺寸的卷积和第二尺寸的深度可分离卷积构成,且所述第二尺寸不小于所述第一尺寸,基于Ghost Module融入结构重参数化得到所述RepGhost Module的步骤,包括:将所述第一尺寸的卷积和批归一化层并联后接入第一激活函数,得到第一通路;以及,将所述第二尺寸的深度可分离卷积与批归一化层、所述第一尺寸的深度可分离卷积并联后接入第二激活函数,得到第二通路;将所述第一通路和所述第二通路残差连接,得到所述RepGhost Module。3.根据权利要求2所述的方法,其特征在于,基于结构重参数化将所述第一目标检测网络中所述RepGhost Module转换为等效Ghost Module,包括:将所述第一通路中所述批归一化层,转换为第一尺寸的等效卷积,并将所述第一通路中所述第一尺寸的卷积与所述第一尺寸的等效卷积进行融合,作为所述等效Ghost Module中第一尺寸的卷积;将所述第二通路中所述批归一化层,转换为第二尺寸的第一等效深度可分离卷积,并将所述第二通路中所述第一尺寸的深度可分离卷积转换为第二尺寸的第二等效深度可分离卷积,以及将所述第二通路中所述第二尺寸的深度可分离卷积与所述第一等效深度可分离卷积、所述第二等效深度可分离卷积进行融合,作为所述等效Ghost Module中第二尺寸的深度可分离卷积;其中,所述等效Ghost Module中所述第一尺寸的卷积与所述第二尺寸的深度可分离卷积残差连接。4.根据权利要求3所述的方法,其特征在于,所述将所述第一通路中所述批归一化层,转换为所述第一尺寸的等效卷积,包括:将所述批归一化层转换为最小单位等效卷积;基于所述最小单位等效卷积和所述第一尺寸得到所述第一尺寸的等效卷积;所述将所述第一通路中所述第一尺寸的卷积与所述等效卷积进行融合,作为所述等效Ghost Module中所述第一尺寸的卷积,包括:获取所有所述第一通路中第一尺寸的卷积的偏置和权重,并将所述偏置和所述权重分别对应叠加,得到第一偏置和第一权重;以及,获取所述第一尺寸的等效卷积的第二偏置和第二权重;将所述第一偏置和所述第二偏置进行叠加,并将所述第一权重和所述第二权重进行叠加,得到第三偏置和第三权重;基于所述第三偏置、所述第三权重以及所述第一尺寸得到所述等效Ghost Module中所
述第一尺寸的卷积。5.根据权利要求3所述的方法,其特征在于,所述将所述第二通路中所述批归一化层,转换为所述第二尺寸的第一等效深度可分离卷积,包括:将所述批归一化层转换为最小单位等效卷积;基于所述最小单位等效卷积和所述第二尺寸得到所述第二尺寸的第一等效深度可分离卷积;所述将所述第二通道中所述第二尺寸的深度可分离卷积与所述第一等效深度可分离卷积、所述第二等效深度可分离卷积进行融合,作为所述等效Ghost Module中所述第二尺寸的深度可分离卷积,包括:获取所有所述第二通路中第二尺寸的深度可分离卷积的偏置和权重,并将所述偏置和所述权...
【专利技术属性】
技术研发人员:张诚成,马子昂,
申请(专利权)人:杭州华橙软件技术有限公司,
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。