[发明专利]用于物体检测的方法、装置和设备

权利要求书

1.一种用于物体检测的方法，其特征在于，包括：

获取待检测图像中的多个待定目标；

确定所述多个待定目标分别针对各类别的置信度，获得n×m个置信度，根据所述置信度确定多个待定目标所属类别；在所述确定所述多个待定目标分别针对各类别的置信度的同时，确定所述多个待定目标分别针对每一类别的位置偏移值，获得n×m个位置偏移值；其中，所述位置偏移值用于确定待定目标的在属于某一类别时的位置信息，n表示待定目标的数量，m表示类别的数量，所述各类别包括：至少两种物体类别以及一个背景类别；

将所述多个待定目标各自所属类别所对应的位置偏移值作为所述多个待定目标的位置偏移值；

根据所述多个待定目标所属类别、所述多个待定目标的位置偏移值以及所述多个待定目标所属类别的置信度确定所述待检测图像中各个待定目标的位置信息和所属类别。

2.根据权利要求1所述的方法，其特征在于，所述获取待检测图像中的多个待定目标的步骤包括：

获取待检测图像中的基于至少一个预设区域大小而形成的多个待定目标，其中所述预设区域大小由预先设置的基准框配置信息确定，所述待定目标为所述待检测图像的特征图中的特征点的基准框，或在所述待检测图像的特征图的基础上而形成的小特征图。

3.根据权利要求2所述的方法，其特征在于，所述获取待检测图像中的基于至少一个预设区域大小而形成的多个待定目标的步骤包括：

获取待检测图像的特征图；

针对特征图中的一个特征点而言，根据基准框配置信息形成该特征点的基准框，且该特征点的一个基准框被作为一个待定目标。

4.根据权利要求3所述的方法，其特征在于，所述获取待检测图像的特征图的步骤包括：

将待检测图像提供给卷积神经网络中的主干网络；

所述主干网络输出的特征图被提供给所述卷积神经网络中的滤波层，以由所述滤波层根据预设滑窗对所述特征图进行滤波处理，且所述滤波处理后的特征图被作为所述待检测图像的特征图。

5.根据权利要求2所述的方法，其特征在于，所述获取待检测图像中的基于至少一个预设区域大小而形成的多个待定目标的步骤包括：

获取待检测图像的特征图；

基于基准框配置信息对所述特征图进行池化处理，以形成多个新的特征图，且一个新的特征图被作为一个待定目标。

6.根据权利要求2所述的方法，其特征在于，所有预设区域大小包括：三种不同的长度/宽度，所有预设区域大小包括：三种不同的长宽比，且所有预设区域大小包括：基于所述三种不同的长度/宽度和三种不同的长宽比所形成的九个预设区域大小。

7.根据权利要求1至6中任一项所述的方法，其特征在于，所述确定所述多个待定目标分别针对各类别的置信度，获得n×m个置信度，根据所述置信度确定多个待定目标所属类别的步骤包括：

针对一个待定目标，计算该待定目标分别属于每一类别的置信度，并将最高置信度对应的类别作为该待定目标所属类别。

8.根据权利要求1至6中任一项所述的方法，其特征在于，所述确定多个待定目标分别针对每一类别的位置偏移值的步骤包括：

针对一个待定目标，计算该待定目标针对每一类别的上偏移值、下偏移值、左偏移值以及右偏移值。

9.根据权利要求1至6中任一项所述的方法，其特征在于，所述待定目标的位置信息包括：待定目标的外接框位置信息。

10.根据权利要求9所述的方法，其特征在于，所述根据所述多个待定目标所属类别、所述多个待定目标的位置偏移值以及所述多个待定目标所属类别的置信度确定所述待检测图像中各个待定目标的位置信息和所属类别的步骤包括：

从所有待定目标中选取出置信度满足预设置信度要求的待定目标；

根据所述选取出的多个待定目标的位置偏移值形成待检测图像中的外接框位置信息；

将所述选取出的多个待定目标所属类别作为相应外接框所属类别。