[发明专利]物体检测方法和神经网络的训练方法、装置及电子设备

权利要求书

1.一种物体检测方法，包括：

通过用于检测物体尺寸范围的第一神经网络，从待检图像获取物体的尺寸范围的数据，所述物体的尺寸范围包括所述物体的尺寸范围的上限和下限；

根据用于物体检测的第二神经网络的物体尺度检测范围和所述物体的尺寸范围的数据，对所述待检图像进行缩放，所述物体尺度检测范围包括物体尺度检测范围的上限和下限；

通过所述第二神经网络，从经过缩放的所述待检图像检测目标物体，

其中，所述根据用于物体检测的第二神经网络的物体尺度检测范围和所述物体的尺寸范围的数据，对所述待检图像进行缩放，包括：

根据所述第二神经网络的物体尺度检测范围和所述物体的尺寸范围的数据，确定所述待检图像的缩放比例数据；

根据所述待检图像的缩放比例数据对所述待检图像进行缩放。

2.根据权利要求1所述的方法，其中，所述根据所述第二神经网络的物体尺度检测范围和所述物体的尺寸范围的数据，确定所述待检图像的缩放比例数据，包括：

分别确定所述物体的尺寸范围的上限和下限以及所述第二神经网络的物体尺度检测范围的上限和下限；

将所述物体的尺寸范围的上限和下限分别与所述第二神经网络的物体尺度检测范围的上限和下限进行比较，得到比较结果；

根据所述比较结果确定所述待检图像的缩放次数和所述待检图像每次缩放的缩放比例。

3.根据权利要求1~2中任意一项权利要求所述的方法，其中，所述待检图像中物体的尺寸范围的数据包括所述待检图像中物体的尺度向量，所述尺度向量的各个元素分别指示所述待检图像中物体的尺寸落入所述元素对应的尺寸范围的概率。

4.根据权利要求3所述的方法，其中，所述通过用于检测物体尺寸范围的第一神经网络，从待检图像获取物体的尺寸范围的数据之后，所述方法还包括：

对所述尺度向量对应的尺度直方图进行平滑，得到平滑后的尺度直方图；

从经过平滑处理的尺度直方图提取所述待检图像中预测的物体的尺寸与预测的物体的尺寸的置信度的集合；

根据所述集合中预测的物体的尺寸的置信度大于预设阈值的物体的尺寸确定最终预测的物体的尺寸。

5.根据权利要求1所述的方法，其中，所述物体尺度检测范围的最大检测尺寸为所述物体尺度检测范围的最小检测尺寸的两倍。

6.一种神经网络的训练方法，包括：

通过待训练的神经网络，从含有物体标注信息的多个样本图像中获取各个所述样本图像中物体的尺寸范围的检测数据，所述各个所述样本图像中物体的尺寸范围的检测数据包括所述各个所述样本图像中物体的尺度向量，所述尺度向量的各个元素分别指示所述样本图像中物体的尺寸落入所述元素对应的尺寸范围的概率；

根据各个所述样本图像的物体标注信息和所述样本图像中物体的尺寸范围的检测数据确定物体尺寸检测的差异；

根据所述差异调整所述神经网络的网络参数。

7.根据权利要求6所述的方法，其中，所述根据各个所述样本图像的物体标注信息和所述样本图像中物体的尺寸范围的检测数据确定物体尺寸检测的差异，包括：

根据各个所述样本图像的物体标注信息确定得到各个所述样本图像的标定的尺度向量；

确定获取得到的各个所述样本图像中物体的尺度向量分别与对应的标定的尺度向量之间的差异。

8.根据权利要求6-7中任意一项权利要求所述的方法，其中，所述样本图像的物体标注信息包括所述样本图像中每个物体的物体特征的标注信息。

9.根据权利要求7所述的方法，其中，所述根据各个所述样本图像的物体标注信息确定得到各个所述样本图像的标定的尺度向量，包括：

将所述样本图像中每个物体的物体特征的标注信息进行转换，得到所述样本图像中每个物体的限位框；

通过高斯函数，根据所述样本图像中每个物体的限位框的边长计算得到所述样本图像中每个物体的限位框的边长所对应的高斯函数值；

对所述高斯函数值进行采样，得到所述样本图像的标定的尺度向量。