一种目标检测方法、装置、设备、介质及产品制造方法及图纸

本发明专利技术提供一种目标检测方法、装置、设备、介质及产品，涉及数据处理技术领域，通过获取图像数据，并对图像数据编码得到特征图；将特征图输入目标检测模型中，对特征图中的多个目标进行锚点标注，得到每个目标对应的锚点和锚框；对每个锚框内的特征图进行特征提取，得到每个目标的锚框特征；对锚框特征进行分类处理，得到每个区域特征对应的所第一标签特征，基于第一标签特征，生成图像数据中每个目标对应的检测结果。本发明专利技术提出的目标检测方法通过利用多模态的文本信息提取能力，结合目标检测的图像特征提取能力，使得到目标检测模型可以延伸到未标记的目标类别，使其具有迁移学习的能力，使得目标检测方法能够提取到新类别的特征信息。

【技术实现步骤摘要】

本专利技术涉及数据处理，特别是涉及一种目标检测方法、装置、设备、介质及产品。

技术介绍

1、随着深度学习的持续发展，目标检测方法如yolov5，yolov8(you onlylook once，为目标检测模型，v5和v8是其对应的不同版本类型)以及faster_rcnn(fast region-basedconvolutionalnetwork，基于区域的卷积神经网络)等已有具备较高的检测精度和速度，但是现有的目标检测方法需要在模型训练前就定义好需要检测的类别，因此训练好的模型不能检测训练集以外的类别。

2、现有技术通过重新采集对应目标的类别进行标注，然后通过预训练模型进行迁移学习，或者，在已训练模型的基础上，通过添加新的类别对已训练模型进行更新训练。但上述方法存在数据标注的人力成本和时间成本高，且当需要对新类别进行迁移学习时，需要对新类别数据重新采集和标注。

3、基于此，本专利技术提出一种目标检测方法可以对未标注的新目标进行检测。

技术实现思路

1、本专利技术提供一种目标检测方法、装本文档来自技高网...

【技术保护点】

1.一种目标检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的目标检测方法，其特征在于，所述目标检测网络包括第一特征提取子网络、第二特征提取子网络以及图像特征提取器，所述对所述特征图中的多个目标进行锚点标注，得到多个所述目标对应的锚点和锚框，包括：

3.根据权利要求2所述的目标检测方法，其特征在于，所述对每个所述锚框内的特征图进行特征提取，得到每个所述目标的锚框特征，包括：

4.根据权利要求1所述的目标检测方法，其特征在于，所述基于所述每个所述区域特征对应的所述第一标签特征，生成所述图像数据中每个目标对应的检测结果，包括：

5....

【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：

2.根据权利要求1所述的目标检测方法，其特征在于，所述目标检测网络包括第一特征提取子网络、第二特征提取子网络以及图像特征提取器，所述对所述特征图中的多个目标进行锚点标注，得到多个所述目标对应的锚点和锚框，包括：

3.根据权利要求2所述的目标检测方法，其特征在于，所述对每个所述锚框内的特征图进行特征提取，得到每个所述目标的锚框特征，包括：

4.根据权利要求1所述的目标检测方法，其特征在于，所述基于所述每个所述区域特征对应的所述第一标签特征，生成所述图像数据中每个目标对应的检测结果，包括：

5.根据权利要求1所述的目标检测方法，其特征在于，所述目标检测模型是通过以下步骤获取的：

...

【专利技术属性】
技术研发人员：陈友明，陈思竹，王浩博，
申请(专利权)人：四川弘和数智集团有限公司，
类型：发明
国别省市：