[发明专利]目标对象检测方法、装置、电子设备和存储介质

说明书

本发明实施例提供了一种目标对象检测方法、装置、电子设备和存储介质，其中，所述方法包括：对待检测的图像进行目标尺度预测和目标特征识别，得到所述图像中各目标对象的尺度特征图，所述尺度特征图用于预测各预设尺度下存在目标对象的置信度；根据所述尺度特征图分别对各目标对象进行转换，得到各目标对象的有效尺度特征图，所述有效尺度特征图为各预设尺度下存在目标对象的置信度符合预设条件的尺度特征图；对所述有效尺度特征图进行目标位置检测，确定所述各目标对象的位置。本发明实施例无需对待检测的图像进行多次金字塔形式的缩放，节省了目标对象检测的时间，而且，对于有效范围之外的目标对象的尺度不予处理，提高了目标对象检测的精度。

技术领域

本发明实施例涉及人工智能技术领域，尤其涉及一种目标对象检测方法、装置、电子设备和存储介质。

背景技术

目标对象检测是利用计算机自动检测目标对象的技术，是模式检测应用的一个重要领域。在目标对象检测过程中，需要确定目标对象的位置、尺度和特征。

目前，在确定目标对象的位置时将包含目标对象的图像经过多次金字塔形式的缩放，再利用卷积神经网络确定不同尺度的目标对象的位置。

发明内容

本发明实施例提供了目标对象检测技术方案。

根据本发明实施例的第一方面，提供了一种目标对象检测方法，包括：对待检测的图像进行目标尺度预测和目标特征识别，得到所述图像中各目标对象的尺度特征图，所述尺度特征图用于预测各预设尺度下存在目标对象的置信度；根据所述尺度特征图分别对各目标对象进行转换，得到各目标对象的有效尺度特征图，所述有效尺度特征图为各预设尺度下存在目标对象的置信度符合预设条件的尺度特征图；对所述有效尺度特征图进行目标位置检测，确定所述各目标对象的位置。

可选地，所述根据所述尺度特征图分别对各目标对象进行转换，包括：根据所述尺度特征图分别对各目标对象进行递归转换,所述递归转换用于获得任意尺度大小的尺度特征图。

可选地，所述根据所述尺度特征图分别对各目标对象进行转换，包括：根据所述尺度特征图获取所述各目标对象对应的最大尺度特征图；分别根据各目标对象对应的最大尺度特征图对各目标对象进行递归转换。

可选地，所述根据所述尺度特征图获取所述各目标对象对应的最大尺度特征图，包括：根据所述尺度特征图确定像素最小的目标对象；根据所述像素最小的目标对象和预设的全卷积结构的递归转换像素范围获取所述各目标对象对应的最大尺度特征图。

可选地，所述根据所述像素最小的目标对象和预设的全卷积结构的递归转换像素范围获取所述各目标对象对应的最大尺度特征图，包括：将所述像素最小的目标对象的尺度特征图缩放至所述递归转换像素范围；将缩放后的尺度特征图确定为所述各目标对象对应的最大尺度特征图。

可选地，所述根据所述尺度特征图分别对各目标对象进行转换，包括：根据所述尺度特征图分别对各目标对象进行转换，得到与转换之前的尺度特征图具有相同语义信息的有效尺度特征图。

可选地，所述对待检测的图像进行目标尺度预测和目标特征识别，得到所述图像中各目标对象的尺度特征图，包括：基于任意结构的全卷积网络对所述图像进行N个尺度的目标尺度预测和目标特征识别，得到所述各目标对象的尺度特征图，所述N为预设尺度的数量，所述N为大于零的整数，所述全卷积网络的最后一层为全局池化层，所述全卷积网络的通道数为N。

可选地，所述对待检测的图像进行目标尺度预测和目标特征识别，得到所述图像中各目标对象的尺度特征图，包括：对所述图像进行目标尺度预测，得到各预设尺度下存在目标对象的目标对象置信度信息；根据所述目标对象置信度信息和预设目标对象阈值，确定所述图像中的各目标对象的尺度；根据所述各目标对象的尺度和所述各预设尺度的范围进行目标特征识别，得到所述各目标对象的尺度特征图。