图像中对象检测方法、装置、电子设备及可读存储介质制造方法及图纸

本公开涉及人工智能技术领域，提供了一种图像中对象检测方法、装置、电子设备及可读存储介质。该方法包括：获取待检测图像；将待检测图像输入对象检测模型进行不同尺度的特征提取，得到待检测图像的第一尺度特征图、待检测图像的第二尺度特征图、待检测图像的第三尺度特征图；将待检测图像的第三尺度特征图和待检测图像的第二尺度特征图进行特征融合，得到待检测图像的第二融合特征图；将待检测图像的第二融合特征图和待检测图像的第一尺度特征图进行特征融合，得到待检测图像的第三融合特征图；对待检测图像的第三尺度特征图、待检测图像的第二融合特征图和待检测图像的第三融合特征图分别进行对象预测，得到待检测图像的第一检测结果、待检测图像的第二检测结果和待检测图像的第三检测结果；根据待检测图像的第一检测结果、待检测图像的第二检测结果和待检测图像的第三检测结果，确定待检测图像中对象的数目，解决现有技术中由于对象密集导致的对象检测精度低的问题，提高对象检测模型的准确性和鲁棒性，扩大对象检测模型的应用范围。

【技术实现步骤摘要】

本公开涉及人工智能，尤其涉及一种图像中对象检测方法、装置、电子设备及可读存储介质。

技术介绍

1、近些年来，随着人工智能技术的发展，图像识别技术的应用越来越广泛。目标检测是图像识别
的一个重要分支，可以应用在许多场景下，例如视频监控、安防等场景。在视频监控人数统计中，传统人体检测由于身体衣物阻挡而造成的高遮挡会导致检测精度低，跟踪中断的问题。现有的人数统计方法主要有两种，一种是基于回归的人数统计方法，另一种是基于检测的人数统计方法。基于回归的人数统计方法是基于输入图像预测密度图的训练方式训练回归模型，以像素为单位预测整个密度图的总和来计算最终人数，但这种方法和网络输入图像的分辨率紧密相关，并且不考虑密度映射中人头位置。基于检测的人数统计方法是将图像直接输入到经过预先训练的目标检测框架中进行分类，分类出属于人的边界框，以获得最终的人数。但由于人体高矮不一、胖瘦不均等原因，在人口密集的场景很容易出现遮挡导致的检测精度低。

技术实现思路

1、有鉴于此，本公开实施例提供了一种图像中对象检测方法、装置、电子设备及本文档来自技高网...

【技术保护点】

1.一种图像中对象检测方法，其特征在于，所述方法应用于训练完成的对象检测模型，包括：

2.根据权利要求1所述图像中对象检测方法，其特征在于，所述对象检测模型包括特征提取网络，所述特征提取网络包括第一特征处理模块、第一残差处理模块、第二残差处理模块、第三残差处理模块、第四残差处理模块、第五残差处理模块、第六残差处理模块、第七残差处理模块、第八残差处理模块、第二特征处理模块，所述将所述待检测图像输入所述对象检测模型进行不同尺度的特征提取，得到所述待检测图像的第一尺度特征图、所述待检测图像的第二尺度特征图、所述待检测图像的第三尺度特征图，包括：

3.根据权利要求1所述图...

【技术特征摘要】

1.一种图像中对象检测方法，其特征在于，所述方法应用于训练完成的对象检测模型，包括：

2.根据权利要求1所述图像中对象检测方法，其特征在于，所述对象检测模型包括特征提取网络，所述特征提取网络包括第一特征处理模块、第一残差处理模块、第二残差处理模块、第三残差处理模块、第四残差处理模块、第五残差处理模块、第六残差处理模块、第七残差处理模块、第八残差处理模块、第二特征处理模块，所述将所述待检测图像输入所述对象检测模型进行不同尺度的特征提取，得到所述待检测图像的第一尺度特征图、所述待检测图像的第二尺度特征图、所述待检测图像的第三尺度特征图，包括：

3.根据权利要求1所述图像中对象检测方法，其特征在于，所述对象检测模型包括特征融合网络，所述特征融合网络包括第三特征处理模块，所述将所述待检测图像的第三尺度特征图和所述待检测图像的第二尺度特征图进行特征融合，得到所述待检测图像的第二融合特征图，包括：

4.根据权利要求1所述图像中对象检测方法，其特征在于，所述对象检测模型包括特征融合网络，所述特征融合网络包括第四特征处理模块，所述将所述待检测图像的第二融合特征图和所述待检测图像的第一尺度特征图进行特征融合，得到所述待检测图像的第三融合特征图，包括：

5.根据权利要求1所述图像...

【专利技术属性】
技术研发人员：师平，
申请(专利权)人：深圳须弥云图空间科技有限公司，
类型：发明
国别省市：