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：