[发明专利]目标检测方法、设备及存储介质

说明书

本发明实施例提供一种目标检测方法、设备及存储介质，该方法包括：获取目标图像，目标图像中包括多个不同尺寸和/或不同形状的目标对象；采用主干网络层提取目标图像的特征，以获得多个不同尺寸的主干特征图；按照筛选策略从主干特征图中获取多个第一主干特征图；采用多尺寸可变形的感受野模块提取各第一主干特征图中不同尺寸和/或不同形状的目标特征信息，以获得对应的感受野特征图；采用目标检测层根据各感受野特征图检测目标图像中的目标对象。可提取不同尺寸和不同形状的目标对象的特征信息，所以可准确检测出多种目标对象，大大提高多目标检测场景下的目标检测准确率。

技术领域

本发明实施例涉及图像处理技术领域，尤其涉及一种目标检测方法、设备及存储介质。

背景技术

随着人工智能技术的发展，深度学习技术也得到了飞速发展。并在语音识别、计算机视觉等领域得到了广泛应用。其中，目标检测作为计算机视觉的一个重要研究方向，也已经取得了突破进展。

现有技术中，目标检测主要针对的是单一目标的场景，如车辆的检测，车牌的检测，人物的检测等。主要应用到Faster-RCNN、SSD等深度学习模型进行目标检测。采用这些深度学习模型进行单一目标的检测时，具有较高的准确率。

但目前目标检测的场景不再只有单一目标检测的场景，对于不同尺寸或形状差异较大的多种目标检测场景，在采用现有的深度学习模型进行目标检测时，并不能准确检测出多种目标，导致多目标检测场景下的目标检测准确率较低。

发明内容

本发明实施例提供一种目标检测方法、设备及存储介质，解决了现有技术中对于不同尺寸或形状差异较大的多种目标检测场景，在采用现有的深度学习模型进行目标检测时，并不能准确检测出多种目标，导致多目标检测场景下的目标检测准确率较低的技术问题。

第一方面，本发明实施例提供一种目标检测方法，采用训练至收敛的目标检测模型对目标进行检测，所述训练至收敛的目标检测模型包括：主干网络层、多尺寸可变形的感受野模块及目标检测层，所述方法包括：

获取目标图像，所述目标图像中包括多个不同尺寸和/或不同形状的目标对象；

采用所述主干网络层提取所述目标图像的特征，以获得多个不同尺寸的主干特征图；

按照筛选策略从所述主干特征图中获取多个第一主干特征图；

采用所述多尺寸可变形的感受野模块提取各所述第一主干特征图中不同尺寸和/或不同形状的目标特征信息，以获得对应的感受野特征图；

采用所述目标检测层根据各所述感受野特征图检测所述目标图像中的目标对象。

第二方面，本发明实施例提供一种电子设备，包括：

存储器，处理器以及计算机程序；

其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如第一方面中任一项所述的方法。

第三方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现如第一方面中任一项所述的方法。

本发明实施例提供一种目标检测方法、设备及存储介质，通过获取目标图像，目标图像中包括多个不同尺寸和/或不同形状的目标对象；采用主干网络层提取目标图像的特征，以获得多个不同尺寸的主干特征图；按照筛选策略从主干特征图中获取多个第一主干特征图；采用多尺寸可变形的感受野模块提取各第一主干特征图中不同尺寸和/或不同形状的目标特征信息，以获得对应的感受野特征图；采用目标检测层根据各感受野特征图检测目标图像中的目标对象。由于多尺寸可变形的感受野模块中通过设置可提取不同尺寸和不同形状的目标对象特征信息的网络层，可提取不同尺寸和不同形状的目标对象的特征信息，所以可准确检测出多种目标对象，大大提高多目标检测场景下的目标检测准确率。