[发明专利]目标检测方法和装置

说明书

本发明公开了一种目标检测方法和装置。其中，该方法包括：获取待检测图像；将待检测图像输入至预设模型进行检测，得到检测结果，其中，检测包括深度特征提取，深度特征提取通过对待检测图像进行逐层提取抽象特征表达，得到特征空间。本发明解决了现有技术在通过图像检测目标的过程中模型训练耗时的技术问题。

技术领域

本发明涉及机器学习领域，具体而言，涉及一种目标检测方法和装置。

背景技术

随着计算机技术的发展，图像处理技术为人们的生活和工作提供了方便。图像处理技术通过各类算法来加强图片的视觉效果，比如对比度，降噪等等。目前，图像处理技术最常见的应用包括脸部检测与识别，例如，通过人脸识别实现支付、上班签到。

但是，目前的检测算法在模型训练和检测速度方面还有待提升。

发明内容

本发明实施例提供了一种目标检测方法和装置，以至少解决现有技术在通过图像检测目标的过程中模型训练耗时的技术问题。

根据本发明实施例的一个方面，提供了一种目标检测方法，包括：获取待检测图像；将待检测图像输入至预设模型进行检测，得到检测结果，其中，检测包括深度特征提取，深度特征提取通过对待检测图像进行逐层提取抽象特征表达，得到特征空间。

进一步地，特征空间包含多个特征向量。

进一步地，目标检测方法还包括通过卷积层对待检测图像进行第一次处理，得到第一特征；通过池化层对第一特征进行第二次处理，得到第二特征；通过进行至少一次第一次处理和至少一次第二次处理，提取抽象特征表达，得到特征空间。

进一步地，检测还包括特征对齐，特征对齐使用不同采样率对抽象特征表达进行特征采样，以得到尺寸对齐的第三特征。

进一步地，检测还包括特征抽象和融合，特征抽象和融合包括：对第三特征进行多个分支卷积操作，得到多个分支结果；对多个分支结果进行逐点求和操作，得到多个求和结果；对多个求和结果进行连接操作，得到第四特征。

进一步地，检测还包括：将第四特征输入全连接层，得到预测结果；将预测结果进行分类和回归，得到检测结果。

进一步地，对预测结果进行分类和回归包括对负样本进行过滤。

进一步地，对负样本进行过滤包括设定正样本和负样本的比例，根据置信度的排序过滤负样本。

进一步地，目标检测方法还包括：检测结果包括以下至少之一：待检测图像是否存在待检测目标、待检测目标的位置、类型和特征点的位置。

进一步地，在将待检测图像输入至预设模型进行检测，得到检测结果之前，目标检测方法还包括：获取图像样本，并对神经网络模型进行训练，得到预设模型。

进一步地，目标检测方法还包括：根据神经网络模型输出的分析结果与实际结果，得到损失函数；对损失函数进行迭代优化。

进一步地，预设模型包括级联结构的多级检测器，其中，每一级检测器包含至少一个卷积层和至少一个池化层。

进一步地，预设模型包括单级检测器，其中，单级检测器包含至少一个卷积层和至少一个池化层。

进一步地，目标检测方法还包括：根据检测结果监控特定封闭空间中的目标。

根据本发明实施例的另一方面，还提供了一种目标检测装置，包括：获取模块，用于获取待检测图像；检测模块，用于将待检测图像输入至预设模型进行检测，得到检测结果，其中，检测包括深度特征提取，深度特征提取通过对待检测图像进行逐层提取抽象特征表达，得到特征空间，特征空间包含多个特征向量。