[发明专利]一种目标检测方法、系统、装置及可读存储介质

说明书

本申请公开了一种目标检测方法、系统、装置及可读存储介质，包括：获取待检测图像；将所述待检测图像输入级联骨干网络；所述级联骨干网络包括K个独立骨干网络，每个所述独立骨干网络包括N个网络模块，第i个独立骨干网络的第j级网络模块的输出特征图经过预处理后与第i+1个独立骨干网络的第j‑1级网络模块的输出特征图求和并输入第i+1个独立骨干网络的第j级网络模块，其中1≤i＜K，1＜j≤N；将第K个独立骨干网络每一级的输出特征图输入目标检测网络。本申请中无需从头训练骨干网络，而是将成熟的独立骨干网络级联，使骨干网络高层特征和低层特征融合，提高了目标检测的精度，节省了训练骨干网络的成本。

技术领域

本发明涉及计算机视觉领域，特别涉及一种目标检测方法、系统、装置及可读存储介质。

背景技术

目标检测在计算机视觉领域具有相当重要的地位，属于计算机视觉的基础领域，也是当前进计算机视觉领域的研究热点。

通常目标检测框架包括骨干网络Backbones、特征金字塔(FPN，Feature PyramidNetwork)、区域框提取网络(RPN，Region Proposal Network)、具体任务头网络Heads，如果骨干网络可以提取更多的代表性特征，相应目标检测的性能就会更好。但是设计一个复杂并且能提取强有力特征的骨干网络的成本极高，如何提供一种解决上述技术问题的方案是目前本领域技术人员需要解决的问题。

发明内容

有鉴于此，本发明的目的在于提供一种目标检测方法、系统、装置及可读存储介质。其具体方案如下：

一种目标检测方法，包括：

获取待检测图像；

将所述待检测图像输入级联骨干网络；所述级联骨干网络包括K个独立骨干网络，每个所述独立骨干网络包括N个网络模块，第i个独立骨干网络的第j级网络模块的输出特征图经过预处理后与第i+1个独立骨干网络的第j-1级网络模块的输出特征图求和并输入所述第i+1个独立骨干网络的第j级网络模块，其中1≤i＜K，1＜j≤N；

将第K个独立骨干网络每一级的输出特征图输入目标检测网络。

优选的，对第i个独立骨干网络的第j级网络模块的输出特征图进行预处理的过程，具体包括：

对第i个独立骨干网络的第j级网络模块的输出特征图进行预处理，以使该输出特征图与所述第i+1个独立骨干网络的第j-1级网络模块的输出特征图在分辨率与通道数上保持一致。

优选的，所述对第i个独立骨干网络的第j级网络模块的输出特征图进行预处理的过程，具体包括：

对第i个独立骨干网络的第j级网络模块的输出特征图进行1*1卷积操作；

对第i个独立骨干网络的第j级网络模块的输出特征图进行上采样操作。

优选的，所述对第i个独立骨干网络的第j级网络模块的输出特征图进行上采样操作的过程，具体包括：

对第i个独立骨干网络的第j级网络模块的输出特征图进行最近邻插值计算或双线性插值计算或双三次插值计算。

优选的，所述独立骨干网络具体为resnet50、resnet101、resnext152或senet154。

优选的，所述网络模块具体为stage网络模块；

每个所述独立骨干网络还包括：

位于N个所述网络模块前的stem网络模块。

优选的，所述目标检测网络具体包括FPN网络和/或RPN网络和/或HEADS网络。

相应的，本发明还公开了一种目标检测系统，包括：