目标检测方法、电子设备以及存储介质技术

本发明专利技术公开了一种目标检测方法、电子设备以及存储介质，其中，目标检测方法包括：获取到目标对象的待检测图像；通过目标检测模型的特征处理网络对待检测图像进行特征处理，以得到待检测图像的图像特征；通过目标检测模型的主检测头对图像特征进行检测，得到目标对象的检测框；其中，目标检测模型是通过训练中的目标检测模型的主检测头以及辅助检测头分别对训练图像的训练图像特征进行检测，并分别基于主检测头的检测结果以及辅助检测头的检测结果对训练中的目标检测模型进行训练得到的。通过上述方式，本发明专利技术能够兼顾目标检测模型的高精度检测以及模型轻量化。度检测以及模型轻量化。度检测以及模型轻量化。

【技术实现步骤摘要】
目标检测方法、电子设备以及存储介质


[0001]本专利技术涉及图像处理领域，特别是涉及目标检测方法、电子设备以及存储介质。

技术介绍

[0002]随着社会的不断发展，技术的不断提升，人们对目标检测技术的要求的精度要求却来越高。
[0003]目前绝大部分高精度的目标检测算法的网络模型过深，参数量过大，对计算设备的算力需要较高，导致在嵌入式平台上部署的难度较高，也会造成实时检测帧率较低。而过于轻量化的模型可能会出现误检、多噪点等问题，会导致检测准确率低，同时存在检测框偏移较大，不易于其他算法相结合的问题。
[0004]目前的目标检测算法无法兼顾高精度检测以及模型轻量化。

技术实现思路

[0005]本专利技术提供了一种目标检测方法、电子设备以及存储介质，以解决无法兼顾高精度检测以及模型轻量化的问题。
[0006]为解决上述技术问题，本专利技术提供一种目标检测方法，包括：获取到目标对象的待检测图像；通过目标检测模型的特征处理网络对待检测图像进行特征处理，以得到待检测图像的图像特征；通过目标检测模型的主检测头对图像本文档来自技高网...

【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：获取到目标对象的待检测图像；通过目标检测模型的特征处理网络对所述待检测图像进行特征处理，以得到所述待检测图像的图像特征；通过所述目标检测模型的主检测头对所述图像特征进行检测，得到所述目标对象的检测框；其中，所述目标检测模型是通过训练中的目标检测模型的主检测头以及辅助检测头分别对训练图像的训练图像特征进行检测，并分别基于所述主检测头的检测结果以及所述辅助检测头的检测结果对所述训练中的目标检测模型进行训练得到的。2.根据权利要求1所述的目标检测方法，其特征在于，所述特征处理网络包括相互级联的主干网络以及特征融合网络；所述通过目标检测模型的特征处理网络对所述待检测图像进行特征处理，以得到所述待检测图像的图像特征的步骤包括：通过所述目标检测模型的主干网络对所述待检测图像进行特征提取，得到所述待检测图像的初始特征；通过所述目标检测模型的特征融合网络对所述初始特征进行特征融合，得到所述待检测图像的图像特征。3.根据权利要求2所述的目标检测方法，其特征在于，所述主干网络包括：相互级联的先处理模块、第一子网络、第二子网络以及第三子网络；所述通过所述目标检测模型的主干网络对所述待检测图像进行特征提取，得到所述待检测图像的初始特征的步骤包括：通过所述先处理模块对所述待检测图像进行下采样以及最大池化处理，得到所述待检测图像的预处理特征；通过所述第一子网络对所述预处理特征进行特征提取，得到第一特征；通过所述第二子网络对所述第一特征进行特征提取，得到第二特征；通过所述第三子网络对所述第二特征进行特征提取，得到第三特征；将所述第一特征、所述第二特征以及所述第三特征确定为所述初始特征。4.根据权利要求3所述的目标检测方法，其特征在于，所述第一子网络、所述第二子网络以及所述第三子网络的网络结构相同，所述网络结构包括相互级联的第一卷积层、全连接层、第四卷积层以及最大池化层，所述网络结构还包括第二卷积层以及第三卷积层，其中，所述第二卷积层与所述第一卷积层并列，并与所述全连接层连接，所述第三卷积层分别与所述第二卷积层以及所述全连接层连接。5.根据权利要求3所述的目标检测方法，其特征在于，所述通过所述目标检测模型的特征融合网络对所述初始特征进行特征融合，得到所述待检测图像的图像特征的步骤包括：基于所述第一特征、所述第二特征以及所述第三特征进行多次通道级联，得到多个级联后的特征；通过所述目标检测模型的特征融合网络，分别对多个级联后的特征第一特征、第二特征以及第三特征进行特征融合，得到特征融合后的第一特征、特征融合后的第二特征以及特征融合后的第三特征；
将特征融合后的第一特征、特征融合后的第二特征以及特征融合后的第三特征确定为所述待检测...

【专利技术属性】
技术研发人员：张树钺，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：