[发明专利]目标检测方法、装置及系统

权利要求书

1.一种目标检测方法，其特征在于，包括：

获取待检测图像和预设种类数量的锚点参数；其中，所述锚点参数为在所述待检测图像上设置的锚点的参数；每种所述锚点参数包括锚点面积和锚点长宽比；

将所述待检测图像和所述锚点参数输入至目标检测模型；所述目标检测模型包括骨干网络以及与所述骨干网络连接的子网络，还包括与所述子网络相连接的元网络；所述骨干网络的输入为所述待检测图像，所述骨干网络的输出为所述待检测图像的特征图；所述元网络的输入为所述锚点参数，所述元网络的输出为所述子网络的层网络参数；所述子网络的输入为所述特征图和所述层网络参数，所述子网络的输出为所述检测结果；

通过所述目标检测模型基于所述锚点参数对所述待检测图像进行目标检测，得到检测结果；所述检测结果包括所述待检测图像所包含的目标对象的类别和/或位置。

2.根据权利要求1所述的方法，其特征在于，所述通过所述目标检测模型基于所述锚点参数对所述待检测图像进行目标检测，得到检测结果的步骤，包括：

通过所述骨干网络对输入的所述待检测图像进行特征提取，得到所述待检测图像的特征图，并将所述特征图输入至所述子网络；

通过所述元网络对输入的所述锚点参数进行非线性映射处理，得到所述子网络的层网络参数，并将所述层网络参数输入至所述子网络；

通过所述子网络基于所述层网络参数对所述特征图进行分类处理，确定所述待检测图像中的目标对象的类别，和/或，基于所述层网络参数对所述特征图进行回归处理，确定所述待检测图像中的目标对象的位置。

3.根据权利要求2所述的方法，其特征在于，所述子网络包括分类子网络和回归子网络；所述元网络包括第一元网络和第二元网络；

其中，所述第一元网络与所述分类子网络相连，所述第二元网络与所述回归子网络相连；所述层网络参数包括分类层网络参数和回归层网络参数；

所述通过所述元网络对输入的所述锚点参数进行非线性映射处理，得到所述子网络的层网络参数，并将所述层网络参数输入至所述子网络的步骤，包括：

通过所述第一元网络对输入的所述锚点参数进行非线性映射处理，得到所述分类层网络参数，并将所述分类层网络参数输入至所述分类子网络；

通过所述第二元网络对输入的所述锚点参数进行非线性映射处理，得到所述回归层网络参数，并将所述回归层网络参数输入至所述回归子网络。

4.根据权利要求3所述的方法，其特征在于，所述分类子网络包括多个卷积层，所述第一元网络与所述分类子网络的分类结果输出层相连；其中，所述分类层网络参数为所述分类结果输出层的网络参数；所述分类结果输出层为所述分类子网络中多个所述卷积层的末端卷积层；

所述回归子网络包括多个卷积层；所述第二元网络与所述回归子网络的回归结果输出层相连；其中，所述回归层网络参数为所述回归结果输出层的网络参数；所述回归结果输出层为所述回归子网络中多个所述卷积层的末端卷积层。

5.根据权利要求3或4所述的方法，其特征在于，所述第一元网络和所述第二元网络均包括至少两层全连接层；

所述第一元网络的末端全连接层输出的分类层网络参数与所述分类子网络的输出通道数、输入通道数和卷积核大小相关；其中，所述分类子网络的输出通道数与输入至所述第一元网络的所述锚点种类数量和所述分类子网络的输出类别数相关；

所述第二元网络的末端全连接层输出的回归层网络参数与所述回归子网络的输出通道数、输入通道数和卷积核大小相关；其中，所述回归子网络的输出通道数与输入至所述第二元网络的所述锚点种类数量和所述回归子网络输出的目标对象的位置参数的数量相关。

6.根据权利要求1所述的方法，其特征在于，所述获取预设种类数量的锚点参数的步骤，包括：

查找已存储的多种原始锚点参数；

按照预设参数扩充方式，在多种所述原始锚点参数的基础上增加新锚点参数，以达到预设种类数量的锚点参数。