[发明专利]一种目标检测方法、装置及存储介质有效
申请号: | 201910100096.1 | 申请日: | 2019-01-31 |
公开(公告)号: | CN109816671B | 公开(公告)日: | 2021-09-24 |
发明(设计)人: | 陈海波 | 申请(专利权)人: | 深兰科技(上海)有限公司 |
主分类号: | G06T7/11 | 分类号: | G06T7/11;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 北京同达信恒知识产权代理有限公司 11291 | 代理人: | 黄志华 |
地址: | 200336 上海市长宁区威*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 目标 检测 方法 装置 存储 介质 | ||
1.一种目标检测方法,其特征在于,所述方法包括:
将待检测图像输入给层叠的多层卷积层进行处理,得到各卷积层对应的特征图;
针对每个卷积层,将该卷积层的特征图与其指定相邻卷积层的特征图进行特征融合,得到该卷积层的融合后的特征图,其中,至少一个卷积层的指定相邻卷积层为2个;
针对每个融合后的特征图,将该融合后的特征图根据预设的卷积核进行卷积处理,得到该融合后的特征图的特征映射;
根据得到各特征映射对待检测图像进行目标检测;
其中,所述针对每个卷积层,将该卷积层的特征图与其指定相邻卷积层的特征图进行特征融合,得到该卷积层的融合后的特征图,具体包括:
针对除第1层卷积层之外的每个卷积层执行:
若该卷积层为第2卷积层,则将该卷积层的特征图与第3卷积层的特征图进行特征融合,得到该卷积层的融合后的特征图;
若该卷积层为最后一个卷积层,则将该卷积层的特征图与上一卷积层的特征图进行特征融合,得到该卷积层的融合后的特征图;
若该卷积层为除第2和最后一个卷积层之外的卷积层,则将该卷积层的特征图、上一卷积层的特征图以及下一卷积层的特征图进行特征融合,得到该卷积层的融合后的特征图;
其中,将该卷积层的特征图与上一卷积层的特征图进行特征融合,得到该卷积层的融合后的特征图,具体包括:
对上一卷积层的特征图进行下采样,得到下采样后的特征图;其中,下采样后的特征图与该卷积层的特征图的大小相同;
将该卷积层的特征图与上一卷积层下采样后的特征图进行降维处理;
将降维处理后的该卷积层的特征图与上一卷积层下采样后的特征图相加,得到该卷积层的融合后的特征图。
2.根据权利要求1所述的方法,其特征在于,将该卷积层的特征图、上一卷积层的特征图以及下一卷积层的特征图进行特征融合,得到该卷积层的融合后的特征图,具体包括:
对上一卷积层的特征图进行下采样,得到下采样后的特征图;以及,对下一卷积层的特征图进行上采样,得到上采样后的特征图;其中,下采样后的特征图和上采样后的特征图与该卷积层的特征图的大小相同;
将该卷积层的特征图、上一卷积层下采样后的特征图以及下一卷积层上采样后的特征图进行降维处理;
将降维处理后的该卷积层的特征图、上一卷积层下采样后的特征图以及下一卷积层上采样后的特征图相加,得到该卷积层的融合后的特征图。
3.根据权利要求1所述的方法,其特征在于,得到该融合后的特征图的特征映射之前,所述方法还包括:
将融合次数增加指定值;
判断增加后的融合次数是否达到预期值;
若没有达到预期值,则针对各层融合后的特征图执行:
针对每个卷积层,将该卷积层融合后的特征图与其指定相邻卷积层的融合后的特征图进行特征融合,得到该卷积层的再次融合后的特征图,其中,至少一个卷积层的指定相邻卷积层为2个;
返回执行将融合次数增加指定值的步骤。
4.根据权利要求1所述的方法,其特征在于,所述根据获取的所述特征映射对待检测图像进行目标检测,具体包括:
根据获取的所述特征映射对待检测图像进行目标检测,得到检测的目标在待检测图像中候选框;
剔除包含在另一个候选框中的候选框;
将剩余的候选框确定为检测的目标所在的候选框。
5.根据权利要求4所述的方法,其特征在于,得到候选框时每个候选框对应一个得分,所述剔除包含在另一个候选框中的候选框,具体包括:
确定得分最高的候选框;
针对低于最高得分的每个候选框执行:
计算该候选框与得分最高的候选框的重叠区域与该候选框面积的比值是否大于预设比值;
若大于预设比值,则剔除该候选框;
若不大于预设比值,则保留该候选框;
若保留的候选框大于1个,则由保留的候选框构成一个待处理集合,针对该待处理集合返回执行确定得分最高的候选框的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深兰科技(上海)有限公司,未经深兰科技(上海)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910100096.1/1.html,转载请声明来源钻瓜专利网。