[发明专利]目标检测方法及装置

说明书

本公开是关于一种目标检测方法及装置。该方法包括：接收待检测的图像；利用目标检测网络模型，确定待检测的图像中移动目标的类别信息以及位置信息，其中，目标检测网络模型是通过去除更快速区域卷积神经网络Faster RCNN中参数权重为零的通道所确定的。根据本公开的实施例，通过接收待检测的图像，并利用去除更快速区域卷积神经网络Faster RCNN中参数权重为零的通道所确定的参数较稀疏的目标检测网络模型，来确定待检测的图像中移动目标的类别信息以及位置信息，参数较稀疏的目标检测网络模型能够快速确定移动目标的类别信息以及位置信息，从而提高目标检测效率。

技术领域

本公开涉及计算机技术领域，尤其涉及一种目标检测方法及装置。

背景技术

目标检测是检测图片中是否存在待检测的目标(例如图片中移动的行人、车辆等)，并在存在目标时，确定该目标的位置。相关技术中存在很多目标检测的方法，然而，这些方法在实际检测过程中，均具有检测速度较慢、检测效率低的缺点。

发明内容

为克服相关技术中存在的问题，本公开提供一种目标检测方法及装置。

根据本公开实施例的第一方面，提供一种目标检测方法，所述方法包括：

接收待检测的图像；

利用目标检测网络模型，确定所述待检测的图像中移动目标的类别信息以及位置信息，

其中，所述目标检测网络模型是通过去除更快速区域卷积神经网络Faster RCNN中参数权重为零的通道所确定的。

对于以上方法，在一种可能的实现方式中，所述方法还包括：

根据包括移动目标的样本图像，训练得到第一目标检测网络模型；

根据所述样本图像及目标损失函数，训练所述第一目标检测网络模型，其中，所述目标损失函数用于确定第一目标检测网络模型的类别损失、位置损失以及参数的一维距离损失；

在训练次数达到训练阈值或所述第一目标检测网络模型输出的结果处于收敛时，将当前的第一目标检测网络模型确定为第二目标检测网络模型，其中，所述第二目标检测网络模型中包括参数权重为零的通道；

去除所述第二目标检测网络模型中参数权重为零的通道；

将去除参数权重为零的通道后的目标检测网络模型确定为最终的目标检测网络模型。

对于以上方法，在一种可能的实现方式中，根据所述样本图像及目标损失函数，训练所述第一目标检测网络模型，包括：

将所述样本图像输入所述第一目标检测网络模型中进行处理，通过目标损失函数计算得到模型损失；

根据所述模型损失，调整所述第一目标检测网络模型中的参数权重。

对于以上方法，在一种可能的实现方式中，将所述样本图像输入所述第一目标检测网络模型中进行处理，通过目标损失函数计算得到模型损失，包括：

将所述样本图像输入所述第一目标检测网络模型中进行处理，获取针对所述样本图像的训练检测结果；

根据所述训练检测结果、期望检测结果以及所述目标损失函数，确定所述第一目标检测网络模型的模型损失。

根据本公开实施例的第二方面，提供一种目标检测装置，所述装置包括：

图像接收模块，用于接收待检测的图像；

信息确定模块，用于利用目标检测网络模型，确定所述待检测的图像中移动目标的类别信息以及位置信息，

其中，所述目标检测网络模型是通过去除更快速区域卷积神经网络Faster RCNN中参数权重为零的通道所确定的。