物体检测方法、检测模型、废钢检测方法、设备和介质技术

本发明专利技术涉及目标检测领域，尤其涉及一种物体检测方法、检测模型、废钢检测方法、设备和介质，该物体检测方法包括：基于检测模型的特征提取层，对待处理的物体图像进行特征提取，获得至少两个不同层次的特征图；基于所述检测模型的多层次特征融合层，对所述至少两个不同层次的特征图进行特征融合，获得特征融合图；基于所述特征融合图，确定所述物体图像对应的目标轮廓。本发明专利技术实施例的技术方案通过基于检测模型的多层次特征融合层对特征图进行特征融合，实现将不同层次的卷积层输出的不同感受野的特征图进行融合，在保证轮廓检测的准确性的同时，提高轮廓检测的效率。提高轮廓检测的效率。提高轮廓检测的效率。

【技术实现步骤摘要】
物体检测方法、检测模型、废钢检测方法、设备和介质


[0001]本专利技术涉及目标检测领域，尤其涉及一种物体检测方法、检测模型、废钢检测方法、设备和介质。

技术介绍

[0002]废钢是钢铁行业炼制优质钢铁的主要原材料。与传统铁矿石相比，废钢的再生利用，可以减少环境污染和降低生产成本，有利于实现社会可持续发展。在废钢回收再利用中，废钢等级的判定是重要一环。
[0003]现有的基于人工智能的废钢检测方法，包括系统初检、车箱轮廓检测、废钢等级检测等环节。在车箱轮廓检测环节中，现有的目标检测算法一般是通过利用VGG16网络架构进行特征提取。VGG16网络架构在通过深层次网络进行特征提取时，更多地关注车箱整体轮廓区域的特征，特征提取所需时间较长，导致车箱的轮廓检测的效率较低。对于废钢卸货车箱的轮廓检测，更多需要关注的是车箱整体的轮廓架构而非细节特征，因此为了保证轮廓检测的准确性，需要采用深层次网络进行特征提取。但是采用深层次网络进行特征提取会不可避免地降低轮廓检测的效率。
[0004]因此，如何在保证轮廓检测的准确性的同时，提高轮廓检测的效率成为亟需解决的问题。

技术实现思路

[0005]本专利技术提供了一种物体检测方法、检测模型、废钢检测方法、设备和介质，通过基于检测模型中的多层次特征融合层对特征图进行特征融合，实现将不同层次的卷积层输出的不同感受野的特征图进行融合，在保证轮廓检测的准确性的同时，提高轮廓检测的效率。
[0006]第一方面，本专利技术提供了一种物体检测方法，所述方法包括：基于检测模型的特征提取层，对待处理的物体图像进行特征提取，获得至少两个不同层次的特征图；基于所述检测模型的多层次特征融合层，对所述至少两个不同层次的特征图进行特征融合，获得特征融合图；基于所述特征融合图，确定所述物体图像对应的目标轮廓。
[0007]第二方面，本专利技术还提供了一种检测模型，所述检测模型包括：特征提取层，用于对物体图像进行特征提取，以获得至少两个不同层次的特征图；多层次特征融合层，用于对所述至少两个不同层次的特征图进行特征融合，获得特征融合图；区域建议网络层，用于对所述特征融合图进行候选区域生成，确定所述特征融合图对应的候选区域；感兴趣区域池化层，用于对所述特征融合图与所述候选区域进行映射处理，获得至少一个目标特征图；以及分类预测层，用于对至少一个所述目标特征图进行分类预测，获得所述物体图像对应的目标轮廓。
[0008]第三方面，本专利技术还提供了一种废钢检测方法，所述方法包括系统初检、车箱轮廓检测、废钢等级检测以及重量检测，其中，车箱轮廓检测采用上述的物体检测方法或上述的检测模型。
[0009]第四方面，本专利技术还提供了一种设备，所述设备包括处理器和存储器；所述存储器用于存储程序；所述处理器，用于调用所述存储器中的所述程序，以实现如上述的物体检测方法和/或上述的废钢检测方法。
[0010]第五方面，本专利技术还提供了一种介质，用于可读存储，所述介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上述的物体检测方法和/或上述的废钢检测方法。
[0011]本专利技术公开了一种物体检测方法、检测模型、废钢检测方法、设备和介质，通过基于检测模型的特征提取层，对待处理的物体图像进行特征提取，可以获得由至少两个不同层次的卷积层输出的不同感受野的特征图，不仅可以更多地关注整体的轮廓架构，而且还可以减少特征提取的时间；通过基于检测模型的多层次特征融合层，对至少两个不同层次的特征图进行特征融合，并基于特征融合图，确定物体图像对应的目标轮廓，实现将不同层次的卷积层输出的不同感受野的特征图进行融合，可以实现在保证轮廓检测的准确性的同时，提高轮廓检测的效率。
[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，并不能限制本专利技术。
附图说明
[0013]为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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的附图。
[0014]图1是本专利技术实施例提供的一种计算机设备的结构示意图；
[0015]图2是本专利技术实施例提供的一种物体检测方法的示意性流程图；
[0016]图3是本专利技术实施例提供的一种改进的Faster R
‑
CNN网络模型的示意图；
[0017]图4是本专利技术实施例提供的一种对车辆图像进行车箱轮廓检测的示意图；
[0018]图5是本专利技术实施例提供的一种对特征图进行特征融合的子步骤的示意性流程图；
[0019]图6是本专利技术实施例提供的一种确定目标轮廓的子步骤的示意性流程图。
具体实施方式
[0020]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。基于本专利技术中的实施例，本领域普通技术人员在没有做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。
[0021]附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
[0022]应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0023]还应当理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0024]应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0025]在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本专利技术的说明，其本身没有特有的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
[0026]本专利技术的实施例提供了一种物体检测方法、检测模型、废钢检测方法、设备和介质。其中，该物体检测方法可以应用于计算机设备中，通过基于检测模型的多层次特征融合层对特征图进行特征融合，实现将不同层次的卷积层输出的不同感受野的特征图进行融合，在保证轮廓检测的准确性的同时，提高轮廓检测的效率。
[0027]示例性的，计算机设备可以包括服务器与终端。其中，服务器可以为独立的服务器，也可以为服务器集群；终端可以是智能手机、平板电脑、笔记本电脑和台式电脑等电子设备。
[0028]请参阅图1，图1是本专利技术实施例提供的一种计算机设备的结构示意图。计算机设备100可以包括处理器101和存储器102，其中处理器101以及存储器102可以通过总线连接，该总线比如为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物体检测方法，所述方法包括：基于检测模型的特征提取层，对待处理的物体图像进行特征提取，获得至少两个不同层次的特征图；基于所述检测模型的多层次特征融合层，对所述至少两个不同层次的特征图进行特征融合，获得特征融合图；基于所述特征融合图，确定所述物体图像对应的目标轮廓。2.根据权利要求1所述的物体检测方法，其特征在于，所述特征图包括第一特征图、第二特征图；所述基于检测模型的特征提取层，对待处理的物体图像进行特征提取，获得至少两个不同层次的特征图，包括：确定所述特征提取层中的第一目标卷积层、第二目标卷积层；获取所述第一目标卷积层输出的第一特征图、以及所述第二目标卷积层输出的第二特征图。3.根据权利要求2所述的物体检测方法，其特征在于，所述多层次特征融合层包括预处理通道和卷积层；所述基于所述检测模型的多层次特征融合层，对所述至少两个不同层次的特征图进行特征融合，获得特征融合图，包括：将所述第一特征图输入所述预处理通道进行预处理，获得第一初始特征图，以及将所述第二特征图输入所述预处理通道进行预处理，获得第二初始特征图；将所述第一初始特征图、所述第二初始特征图进行连接，获得特征连接图；将所述特征连接图输入所述卷积层进行融合处理，获得所述特征融合图。4.根据权利要求3所述的物体检测方法，其特征在于，所述预处理通道包括池化层与归一化层；所述将所述第一特征图输入所述预处理通道进行预处理，获得第一初始特征图，包括：将所述第一特征图输入所述池化层进行池化处理，获得池化处理后的第一特征图；将池化处理后的第一特征图输入所述归一化层进行归一化处理，获得所述第一初始特征图。5.根据权利要求1所述的物体检测方法，其特征在于，所述检测模型还包括区域建议网络层、感兴趣区域池化层以及分类预测层；所述基于所述特征融合图，确定所述物体图像对应的目标轮廓，包括：将所述特征融合图输入所述区域建议网络层，确定所述特征融合图对应的候选区域；将所述特征融合图与所述候选区域输入所述感兴趣区域...

【专利技术属性】
技术研发人员：朱颖，
申请(专利权)人：中兴通讯南京有限责任公司，
类型：发明
国别省市：