[发明专利]一种目标检测方法及装置

说明书

本申请公开了一种目标检测方法及装置，方法包括：获取初始图像；将初始图像输入预先训练的深度卷积网络模型，得到深度卷积网络模型输出的标注有兴趣目标候选框的第二图像，其中，兴趣目标候选框中可能存在所述初始图像上所包含的兴趣目标；深度卷积网络模型为预先利用标注有兴趣目标的真实信息的训练图像进行训练得到；深度卷积网络模型中最深层次的卷积层的输入包括：至少一其它卷积层的输出结果以及，层次最深的卷积层的相邻卷积层的输出结果与网络参数进行卷积运算得到的卷积结果。在本申请中，通过以上方式提高输出的初始图像上所包含的兴趣目标的候选框的位置的准确度。

技术领域

本申请涉及目标检测领域，更具体地说，涉及一种目标检测方法及装置。

背景技术

目标检测是图像领域的一个重要课题，主要是检测图像中目标物体可能存在的位置及类别。目前，目标检测被应用在各种场景中，如在交通领域，常被应用于检测图像中的道路交通标志，即：道路交通标志为目标物体。

在目标检测领域，目前常采用以深度卷积网络为代表的图像检测技术进行目标检测。其中，深度卷积网络为多层串行网络结构，且越深层次的卷积层的局部位置敏感度越弱(即对目标物体可能所在位置的检测能力越弱)，语义敏感性越强(即识别图片上的区域是否为目标物体的能力越强)，此特点导致越深层次的卷积层检测到的目标物体所在位置与目标物体的实际所在位置偏移越大，进而导致最深层次的卷积层输出的目标物体所在位置的准确率相对较低。

发明内容

有鉴于此，本申请提供了一种目标检测方法及装置，用于解决最深层次的卷积层输出的目标位置的准确率相对较低。

为了实现上述目的，现提出的方案如下：

一种目标检测方法，包括：

获取初始图像；

将所述初始图像输入预先训练的深度卷积网络模型，得到所述深度卷积网络模型输出的标注有兴趣目标候选框的第二图像，其中，所述候选框中可能存在所述初始图像上所包含的兴趣目标；

所述深度卷积网络模型为预先利用标注有兴趣目标的真实信息的训练图像进行训练得到；所述深度卷积网络模型中最深层次的卷积层的输入包括：至少一其它卷积层的输出结果以及，所述最深层次的卷积层的相邻卷积层的输出结果与网络参数进行卷积运算得到的卷积结果。

优选的，所述深度卷积网络模型的训练过程包括：

获取训练图像，所述训练图像上标注有包围兴趣目标的真实框，及标注有真实框代表的兴趣目标的真实类别；

利用所述训练图像对深度卷积网络模型进行训练，以使得深度卷积网络模型输出的图像上标注的兴趣目标候选框与所述训练图像上标注的真实框的重合度满足设定重合度条件，且输出的各候选框代表的兴趣目标的类别与其真实类别相同的概率满足设定概率条件。

优选的，所述将所述初始图像输入预先训练的深度卷积网络模型，得到所述深度卷积网络模型输出的标注有兴趣目标候选框的第二图像的步骤包括：

将所述初始图像输入预先训练的深度卷积网络模型，得到分类类别为非噪声的各类别的候选框，及候选框的置信度；

针对非噪声的每一类别的候选框，按照候选框的置信度由高至低的顺序，选取设定数目的候选框；

将各类别中选取的候选框作为标注于所述第二图像上的兴趣目标候选框。

优选的，所述深度卷积网络模型为候选区域提取网络模型，该方法还包括：

将所述候选区域提取网络模型输出的所述第二图像输入目标区域池化网络模型，得到所述目标区域池化网络模型输出的标注有兴趣目标候选框的第三图像，其中，所述第三图像上标注的各兴趣目标候选框的尺寸相同；