基于细粒度特征提取的目标检测方法及装置制造方法及图纸

本发明专利技术涉及计算机视觉和目标检测技术领域，提供一种基于细粒度特征提取的目标检测方法及装置，该方法将待检测图像输入至检测模型，得到检测模型输出的目标的检测结果。该检测模型包括顺次连接的特征提取模块、细粒度特征提取和融合模块和检测器，通过特征提取模块提取待检测图像的多个不同分辨率的图像特征，通过细粒度特征提取和融合模块基于注意力机制，将多个不同分辨率的图像特征中的第一图像特征与其他图像特征进行关联，并基于关联结果提取目标细粒度特征，并将目标细粒度特征和第一图像特征进行融合，将所得的融和结果与第二图像特征在通道维度进行拼接，进而使检测器利用拼接结果得到检测结果，该检测结果更加准确，检测精度高。检测精度高。检测精度高。

【技术实现步骤摘要】
基于细粒度特征提取的目标检测方法及装置


[0001]本专利技术涉及计算机视觉和目标检测
，尤其涉及一种基于细粒度特征提取的目标检测方法及装置。

技术介绍

[0002]计算机视觉一直是计算机科学中研究的热点和难点，目标检测已经成为计算机视觉领域中非常重要的研究问题。
[0003]现有的目标检测技术通常采用卷积神经网络模型对目标图像进行检测，然而小目标和被严重遮挡的目标的特征信息难以被卷积神经网络模型提取，从而导致漏检和误检。
[0004]为此，现急需提供一种目标检测方法。

技术实现思路

[0005]本专利技术提供一种基于细粒度特征提取的目标检测方法及装置，用以解决现有技术中存在的缺陷。
[0006]本专利技术提供一种基于细粒度特征提取的目标检测方法，包括：获取目标的待检测图像；将所述待检测图像输入至检测模型，得到所述检测模型输出的所述目标的检测结果；其中，所述检测模型包括顺次连接的特征提取模块、细粒度特征提取和融合模块和检测器；所述检测模型基于携带有样本标签的样本图像训练得到；所述特征提取模块用于提取所述待检测图像的多个不同分辨率的图像特征；所述细粒度特征提取和融合模块用于基于注意力机制，将所述多个不同分辨率的图像特征中的第一图像特征与其他图像特征进行关联，并基于所得的关联结果提取目标细粒度特征，将所述目标细粒度特征和所述第一图像特征进行融合，并将所得的融和结果与所述多个不同分辨率的图像特征中的第二图像特征在通道维度进行拼接，得到拼接结果；所述检测器用于基于所述拼接结果，得到所述检测结果。
[0007]根据本专利技术提供的一种基于细粒度特征提取的目标检测方法，所述细粒度特征提取和融合模块具体用于：将所述多个不同分辨率的图像特征均投影至编码空间，并在所述编码空间中，计算用于表征所述第一图像特征与所述其他图像特征之间的相关性的注意力图；计算所述其他图像特征中所有位置的特征表示，并将所述特征表示与所述注意力图进行加权求和，得到所述目标细粒度特征。
[0008]根据本专利技术提供的一种基于细粒度特征提取的目标检测方法，所述第一图像特征为所述多个不同分辨率的图像特征中分辨率最低的图像特征；和/或，所述第二图像特征为所述多个不同分辨率的图像特征中分辨率最高的图像特征。
[0009]根据本专利技术提供的一种基于细粒度特征提取的目标检测方法，图像特征的个数为
4个；所述特征提取模块为包括4个特征提取阶段的HRNet；所述待检测图像依次经所述4个特征提取阶段后由第四个特征提取阶段输出所述图像特征。
[0010]根据本专利技术提供的一种基于细粒度特征提取的目标检测方法，所述检测模型基于所述样本图像，对初始模型进行分布式训练得到。
[0011]根据本专利技术提供的一种基于细粒度特征提取的目标检测方法，所述检测器包括降维模块、目标中心点预测模块、目标尺度预测模块、目标中心点偏移量预测模块，所述降维模块分别与所述目标中心点预测模块、所述目标尺度预测模块和所述目标中心点偏移量预测模块连接；所述降维模块用于对所述拼接结果进行降维处理，得到降维结果；所述目标中心点预测模块用于基于所述降维结果确定所述目标中心点；所述目标尺度预测模块用于基于所述降维结果确定所述目标尺度；所述目标中心点偏移量预测模块用于基于所述降维结果确定所述目标中心点偏移量。
[0012]根据本专利技术提供的一种基于细粒度特征提取的目标检测方法，检测结果包括目标边界框；相应的，所述检测器还用于：基于所述目标中心点和所述目标尺度，生成目标候选框；基于所述目标中心点偏移量，对所述目标候选框进行微调，得到所述目标边界框。
[0013]本专利技术还提供一种基于细粒度特征提取的目标检测装置，包括：图像获取模块，用于获取目标的待检测图像；目标检测模块，用于将所述待检测图像输入至检测模型，得到所述检测模型输出的所述目标的检测结果；其中，所述检测模型包括顺次连接的特征提取模块、细粒度特征提取和融合模块和检测器；所述检测模型基于携带有样本标签的样本图像训练得到；所述特征提取模块用于提取所述待检测图像的多个不同分辨率的图像特征；所述细粒度特征提取和融合模块用于基于注意力机制，将所述多个不同分辨率的图像特征中的第一图像特征与其他图像特征进行关联，并基于所得的关联结果提取目标细粒度特征，将所述目标细粒度特征和所述第一图像特征进行融合，并将所得的融和结果与所述多个不同分辨率的图像特征中的第二图像特征在通道维度进行拼接，得到拼接结果；所述检测器用于基于所述拼接结果，得到所述检测结果。
[0014]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在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如上述任一种所述的基于细粒度特征提取的目标检测方法。
[0015]本专利技术还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，该计算机程序被处理器执行时实现如上述任一种所述的基于细粒度特征提取的目标检测方法。
[0016]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述的基于细粒度特征提取的目标检测方法。
[0017]与现有技术相比，本专利技术具有如下有益效果：
本专利技术提供的基于细粒度特征提取的目标检测方法及装置，该方法首先获取目标的待检测图像；然后将待检测图像输入至检测模型，得到检测模型输出的目标的检测结果。该检测模型可以包括顺次连接的特征提取模块、细粒度特征提取和融合模块和检测器，通过特征提取模块提取待检测图像的多个不同分辨率的图像特征，可以在不损失空间分辨率的情况下获取到更高层次的语义信息，大大提升检测模型对目标的描述能力；通过细粒度特征提取和融合模块基于注意力机制，将多个不同分辨率的图像特征中的第一图像特征与其他图像特征进行关联，并基于所得的关联结果提取目标细粒度特征，可以实现跨特征域地在全局上建立长距离依赖，将目标细粒度特征和第一图像特征进行融合，并将所得的融和结果与第二图像特征在通道维度进行拼接，可以防止在提取细粒度特征的过程中目标位置信息的丢失，可以提高检测模型的性能，提升检测模型对遮挡目标的检测精度，进而使检测器利用拼接结果得到的检测结果更加准确，可以提升检测模型对遮挡目标的检测精度，降低了漏检和误检情况发生的可能性。
附图说明
[0018]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术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，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。
[0019]图1是本专利技术提供的基于细粒度特征提取的目标检测方法的流程示意图之一；图2是本专利技术提供的基于细粒度特征提取的目标检测方法中检测模型的结构示意图；图3是本专利技术提供的基于细粒度特征提取的目标检测方法中检测模型的细粒度特征提取和融合模块的结构示意图；图4是本专利技术提供的基于细粒度特征提取的目标检测方法中检测模型的特征提取模块的结构示意图；图5是本专利技术提供的基于细粒度特征提取的目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于细粒度特征提取的目标检测方法，其特征在于，包括：获取目标的待检测图像；将所述待检测图像输入至检测模型，得到所述检测模型输出的所述目标的检测结果；其中，所述检测模型包括顺次连接的特征提取模块、细粒度特征提取和融合模块和检测器；所述检测模型基于携带有样本标签的样本图像训练得到；所述特征提取模块用于提取所述待检测图像的多个不同分辨率的图像特征；所述细粒度特征提取和融合模块用于基于注意力机制，将所述多个不同分辨率的图像特征中的第一图像特征与其他图像特征进行关联，并基于所得的关联结果提取目标细粒度特征，将所述目标细粒度特征和所述第一图像特征进行融合，并将所得的融和结果与所述多个不同分辨率的图像特征中的第二图像特征在通道维度进行拼接，得到拼接结果；所述检测器用于基于所述拼接结果，得到所述检测结果。2.根据权利要求1所述的基于细粒度特征提取的目标检测方法，其特征在于，所述细粒度特征提取和融合模块具体用于：将所述多个不同分辨率的图像特征均投影至编码空间，并在所述编码空间中，计算用于表征所述第一图像特征与所述其他图像特征之间的相关性的注意力图；计算所述其他图像特征中所有位置的特征表示，并将所述特征表示与所述注意力图进行加权求和，得到所述目标细粒度特征。3.根据权利要求1所述的基于细粒度特征提取的目标检测方法，其特征在于，所述第一图像特征为所述多个不同分辨率的图像特征中分辨率最低的图像特征；和/或，所述第二图像特征为所述多个不同分辨率的图像特征中分辨率最高的图像特征。4.根据权利要求1所述的基于细粒度特征提取的目标检测方法，其特征在于，所述图像特征的个数为4个；所述特征提取模块为包括4个特征提取阶段的HRNet；所述待检测图像依次经所述4个特征提取阶段后由第四个特征提取阶段输出所述图像特征。5.根据权利要求1所述的基于细粒度特征提取的目标检测方法，其特征在于，所述检测模型基于所述样本图像，对初始模型进行分布式训练得到。6.根据权利要求1
‑
5中任一项所述的基于细粒度特征提取的目标检测方法，其特征在于，所述检测器包括降维模块、目标中心点预测模块、目标尺度预测模块、...

【专利技术属性】
技术研发人员：李琦铭，李俊，
申请(专利权)人：中国科学院福建物质结构研究所，
类型：发明
国别省市：