一种目标检测方法、装置、设备、存储介质及程序产品制造方法及图纸

本申请提供了一种目标检测方法、装置、设备、存储介质及程序产品；本申请实施例可以应用于云技术、人工智能、智慧交通、车载等的目标检测场景；该方法包括：从待检测图像中，提取得到待检测图像特征，以及从基准目标的至少一个支持图像中，分别提取得到至少一个支持图像特征；针对每个支持图像特征分别进行共享信息的增强，得到每个支持图像对应的增强图像特征；依据待检测图像特征，从待检测图像确定至少一个候选图像区域；基于每个支持图像的增强图像特征，以及每个候选图像区域对应的候选图像特征，从至少一个候选图像区域中确定基准目标所在的目标图像区域。通过本申请，能够提高目标检测的准确度。检测的准确度。检测的准确度。

【技术实现步骤摘要】
一种目标检测方法、装置、设备、存储介质及程序产品


[0001]本申请涉及人工智能技术，尤其涉及一种目标检测方法、装置、设备、存储介质及程序产品。

技术介绍

[0002]目标检测是人工智能技术中的一个重要应用方向，能够应用到自动驾驶、机器人等各种领域中。不同类别的对象可用的标注训练数据的数量是不同的。针对一些类别的对象，其可能只有相当少的标注训练数据，对此，相关技术中，可以通过支持数据确定出每个类别的类原型，然后通过将类原型与输入数据的特征进行聚合，实现目标检测。
[0003]然而，支持数据中很可能会存在噪声，从而给特征表达带来一些副作用。例如，不同类别的样本可能彼此接近，或者同一类别的样本在形状和角度上存在不同，这会导致同一类别的不同样本之间的共性被弱化，最终给目标检测的准确度造成影响。

技术实现思路

[0004]本申请实施例提供一种目标检测方法、装置、设备、计算机可读存储介质及计算机程序产品，能够提高目标检测的准确度。
[0005]本申请实施例的技术方案是这样实现的：
[0006]本申请实施例提供一种目标检测方法，包括：
[0007]从待检测图像中，提取得到待检测图像特征，以及从基准目标的至少一个支持图像中，分别提取得到至少一个支持图像特征；所述支持图像是标注了所述基准目标所在的位置信息的图像；
[0008]针对每个所述支持图像特征分别进行共享信息的增强，得到每个所述支持图像对应的增强图像特征；其中，所述共享信息表征所述基准目标在至少一个所述支持图像中的共性；
[0009]依据所述待检测图像特征，从所述待检测图像确定至少一个候选图像区域；
[0010]基于每个所述支持图像的所述增强图像特征，以及每个所述候选图像区域对应的候选图像特征，从至少一个所述候选图像区域中确定所述基准目标所在的目标图像区域。
[0011]本申请实施例提供一种目标检测装置，包括：
[0012]特征提取模块，用于从待检测图像中，提取得到待检测图像特征，以及从基准目标的至少一个支持图像中，分别提取得到至少一个支持图像特征；所述支持图像是标注了所述基准目标所在的位置信息的图像；
[0013]特征增强模块，用于针对每个所述支持图像特征分别进行共享信息的增强，得到每个所述支持图像对应的增强图像特征；其中，所述共享信息表征所述基准目标在至少一个所述支持图像中的共性；
[0014]候选生成模块，用于依据所述待检测图像特征，从所述待检测图像确定至少一个候选图像区域；
[0015]目标确定模块，用于基于每个所述支持图像的所述增强图像特征，以及每个所述候选图像区域对应的候选图像特征，从至少一个所述候选图像区域中确定所述基准目标所在的目标图像区域。
[0016]在本申请的一些实施例中，所述特征增强模块，还用于将至少一个所述支持图像特征进行特征拼接，得到拼接支持特征；将所述拼接支持特征进行多次特征提取，得到多个映射特征向量；所述映射特征向量包含与每个所述支持图像特征所对应的的特征分量；基于多个所述映射特征向量，对每个所述支持图像特征中的共享信息进行增强，得到每个所述支持图像对应的所述增强图像特征。
[0017]在本申请的一些实施例中，所述目标确定模块，还用于基于每个所述支持图像的所述增强图像特征，确定每个所述候选图像区域对应的候选图像特征的第一注意力权重；所述第一注意力权重描述了所述候选图像区域所包含的图像内容和所述基准目标的相似程度；利用所述第一注意力权重对所述候选图像特征进行加权，得到每个所述候选图像区域的加权图像特征；依据每个所述候选图像区域的所述加权图像特征，从至少一个所述候选图像区域中确定所述基准目标所在的所述目标图像区域。
[0018]在本申请的一些实施例中，所述目标确定模块，还用于依据每个所述候选图像区域的所述加权图像特征，确定每个所述候选图像区域的图像类别和置信度；将至少一个所述候选图像区域中符合目标条件的候选图像区域，确定为所述基准目标所在的所述目标图像区域；其中，所述目标条件为图像类别与所述基准目标相匹配，且所述置信度大于置信度阈值。
[0019]在本申请的一些实施例中，所述目标确定模块，还用于将每个所述支持图像的所述增强图像特征进行拼接，得到拼接增强特征，以及将每个所述候选图像区域的所述候选图像特征进行拼接，得到拼接候选特征；针对所述拼接增强特征进行至少两次特征提取，得到至少两个增强特征向量，以及针对所述拼接候选特征进行特征提取，得到候选特征向量；所述候选特征向量包括与每个所述候选图像区域的候选图像特征相对应的特征分量；通过对至少两个所述增强特征向量和所述候选特征向量应用多头注意力机制，得到所述候选特征向量的每个特征分量的注意力权重；将所述候选特征向量的每个特征分量的注意力权重，确定为所述候选图像区域对应的候选图像特征的所述第一注意力权重。
[0020]在本申请的一些实施例中，所述目标确定模块，还用于对至少一个所述支持图像的所述增强图像特征进行平均处理，得到平均图像特征；计算所述平均图像特征和每个所述候选图像区域对应的候选图像特征的特征相似度；依据所述特征相似度，从至少一个所述候选图像区域中，确定所述基准目标所在的目标图像区域。
[0021]在本申请的一些实施例中，所述候选生成模块，还用于基于每个所述支持图像对应的所述增强图像特征，针对所述待检测图像特征的每个子图像特征确定得到第二注意力权重；利用所述第二注意力权重，针对每个所述子图像特征进行加权，得到加权子图像特征；依据每个所述加权子图像特征，从所述待检测图像确定至少一个所述候选图像区域。
[0022]在本申请的一些实施例中，所述特征提取模块，还用于对所述基准目标在至少一个所述支持图像中的标注位置进行特征提取，得到至少一个目标位置特征；对至少一个所述支持图像的图像内容进行特征提取，得到至少一个初始图像特征；将至少一个所述目标位置特征与至少一个所述初始图像特征进行对应融合，得到至少一个所述支持图像特征。
[0023]在本申请的一些实施例中，所述目标检测装置还包括：特征存储模块，用于将每个所述支持图像对应的所述增强图像特征进行存储；所述增强图像特征还用于从最新的待检测图像的至少一个最新候选图像区域中确定所述基准目标所在的最新目标图像区域。
[0024]在本申请的一些实施例中，所述基准目标包括：虚拟对象；所述目标检测装置还包括：控制生成模块，用于针对所述虚拟对象生成控制操作；所述控制操作用于控制所述虚拟对象在虚拟场景中完成目标动作，所述目标动作包括：移动、释放技能、与虚拟道具进行交互。
[0025]在本申请的一些实施例中，从所述从待检测图像中，提取得到待检测图像特征，至所述基于每个所述支持图像的所述增强图像特征，以及每个所述候选图像区域对应的候选图像特征，从至少一个所述候选图像区域中确定所述基准目标所在的目标图像区域，均是通过目标检测模型实现的；
[0026]所述目标检测装置还包括：模型训练模块，用于获取第一训练数据和第二训练数据；其中本文档来自技高网...

【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，所述方法包括：从待检测图像中，提取得到待检测图像特征，以及从基准目标的至少一个支持图像中，分别提取得到至少一个支持图像特征；所述支持图像是标注了所述基准目标所在的位置信息的图像；针对每个所述支持图像特征分别进行共享信息的增强，得到每个所述支持图像对应的增强图像特征；其中，所述共享信息表征所述基准目标在至少一个所述支持图像中的共性；依据所述待检测图像特征，从所述待检测图像确定至少一个候选图像区域；基于每个所述支持图像的所述增强图像特征，以及每个所述候选图像区域对应的候选图像特征，从至少一个所述候选图像区域中确定所述基准目标所在的目标图像区域。2.根据权利要求1所述的方法，其特征在于，所述针对每个所述支持图像特征分别进行共享信息的增强，得到每个所述支持图像对应的增强图像特征，包括：将至少一个所述支持图像特征进行特征拼接，得到拼接支持特征；将所述拼接支持特征进行多次特征提取，得到多个映射特征向量；所述映射特征向量包含与每个所述支持图像特征所对应的的特征分量；基于多个所述映射特征向量，对每个所述支持图像特征中的共享信息进行增强，得到每个所述支持图像对应的所述增强图像特征。3.根据权利要求1或2所述的方法，其特征在于，所述基于每个所述支持图像的所述增强图像特征，以及每个所述候选图像区域对应的候选图像特征，从至少一个所述候选图像区域中确定所述基准目标所在的目标图像区域，包括：基于每个所述支持图像的所述增强图像特征，确定每个所述候选图像区域对应的候选图像特征的第一注意力权重；所述第一注意力权重描述了所述候选图像区域所包含的图像内容和所述基准目标的相似程度；利用所述第一注意力权重对所述候选图像特征进行加权，得到每个所述候选图像区域的加权图像特征；依据每个所述候选图像区域的所述加权图像特征，从至少一个所述候选图像区域中确定所述基准目标所在的所述目标图像区域。4.根据权利要求3所述的方法，其特征在于，所述依据每个所述候选图像区域的所述加权图像特征，从至少一个所述候选图像区域中确定所述基准目标所在的所述目标图像区域，包括：依据每个所述候选图像区域的所述加权图像特征，确定每个所述候选图像区域的图像类别和置信度；将至少一个所述候选图像区域中符合目标条件的候选图像区域，确定为所述基准目标所在的所述目标图像区域；其中，所述目标条件为图像类别与所述基准目标相匹配，且所述置信度大于置信度阈值。5.根据权利要求3所述的方法，其特征在于，所述基于每个所述支持图像的所述增强图像特征，确定每个所述候选图像区域对应的候选图像特征的第一注意力权重，包括：将每个所述支持图像的所述增强图像特征进行拼接，得到拼接增强特征，以及将每个所述候选图像区域的所述候选图像特征进行拼接，得到拼接候选特征；
针对所述拼接增强特征进行至少两次特征提取，得到至少两个增强特征向量，以及针对所述拼接候选特征进行特征提取，得到候选特征向量；所述候选特征向量包括与每个所述候选图像区域的候选图像特征相对应的特征分量；通过对至少两个所述增强特征向量和所述候选特征向量应用多头注意力机制，得到所述候选特征向量的每个特征分量的注意力权重；将所述候选特征向量的每个特征分量的注意力权重，确定为所述候选图像区域对应的候选图像特征的所述第一注意力权重。6.根据权利要求1或2所述的方法，其特征在于，所述基于每个所述支持图像的所述增强图像特征，以及每个所述候选图像区域对应的候选图像特征，从至少一个所述候选图像区域中确定所述基准目标所在的目标图像区域，包括：对至少一个所述支持图像的所述增强图像特征进行平均处理，得到平均图像特征；计算所述平均图像特征和每个所述候选图像区域对应的候选图像特征的特征相似度；依据所述特征相似度，从至少一个所述候选图像区域中，确定所述基准目标所在的目标图像区域。7.根据权利要求1或2所述的方法，其特征在于，所述针对每个所述支持图像特征分别进行共享信息的增强，得到每个所述支持图像对应的增强图像特征之后，所述基于每个所述支持图像的所述增强图像特征...

【专利技术属性】
技术研发人员：徐东，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：