[发明专利]目标检测方法、装置、存储介质及设备

说明书

本公开涉及目标检测方法、装置、存储介质及设备，所述方法包括获取待检测图像；对所述待检测图像进行特征提取得到至少一组特征图；对所述至少一组特征图进行分割，得到分割结果；所述分割结果包括所述待检测图像中的目标所在的关键区域，以及所述关键区域之外的非关键区域；根据所述至少一组特征图和所述分割结果得到所述待检测图像的目标检测结果。本公开实施例可以通过所述至少一组特征图得到所述待检测图像的分割结果，可以将所述分割结果作为一种补充信息应用于目标检测中，提升目标检测的精准度。

技术领域

本公开涉及计算机视觉技术领域，尤其涉及一种目标检测方法、装置、存储介质及设备。

背景技术

目前基于深度学习对图像进行目标检测的方法日渐成熟，也在一些场景中得到应用，比如，可以应用于身份验证，视频监控，智能驾驶等。深度学习依托于图像样本对深度的神经网络进行训练，使得训练得到的目标检测模型具备对图像中的目标进行检测的能力。目前，这一方法的检测精度尚有待提升。

发明内容

本公开提出了一种目标检测技术方案。

根据本公开的一方面，提供了一种目标检测方法，其包括：获取待检测图像；对所述待检测图像进行特征提取得到至少一组特征图；对所述至少一组特征图进行分割，得到分割结果；所述分割结果包括所述待检测图像中的目标所在的关键区域，以及所述关键区域之外的非关键区域；根据所述至少一组特征图和所述分割结果得到所述待检测图像的目标检测结果。基于上述配置，通过所述至少一组特征图得到所述待检测图像的分割结果，可以将所述分割结果作为一种补充信息应用于目标检测中，提升目标检测的精准度。

在一些可能的实施方式中，所述对所述待检测图像进行特征提取得到至少一组特征图，包括：对所述待检测图像进行多尺度特征提取，得到每个尺度对应的特征提取结果；将至少两个所述特征提取结果进行融合得到所述至少一组特征图；或将至少两个所述特征提取结果确认为所述至少一组特征图。基于上述配置，可以利用多尺度特征提取得到多个尺度的特征信息，例如可以同时得到底层丰富的位置信息和高层丰富的语义信息，从而使得特征图的信息更加丰富，进而提升目标检测的精准度。

在一些可能的实施方式中，所述对所述至少一组特征图进行分割，得到分割结果，包括：对所述至少一组特征图进行分割特征提取，得到每组特征图对应的分割特征；对各组特征图对应的分割特征进行上采样，得到所述分割结果。

在一些可能的实施方式中，所述根据所述至少一组特征图和所述分割结果得到所述待检测图像的目标检测结果，包括：根据所述至少一组特征图、所述分割结果和对应于至少一组特征图的分割特征，得到所述待检测图像的目标检测结果。基于上述配置，可以将分割特征、分割结果以及特征图都作为进行目标检测的有效信息，进一步提升对于目标的辨识能力。

在一些可能的实施方式中，所述方法还包括：获取训练样本集；根据所述训练样本集训练第一神经网络，直至所述第一神经网络产生的损失小于第一损失阈值；所述第一神经网络包括特征提取网络和与所述特征提取网络连接的分割网络；基于训练得到的所述第一神经网络，利用所述训练样本集对第二神经网络进行训练，直至所述第二神经网络产生的损失小于第二损失阈值；所述第二神经网络为分类网络，所述特征提取网络和所述分割网络均与所述分类网络连接；其中，所述特征提取网络用于对所述待检测图像进行特征提取得到至少一组特征图；所述分割网络用于对所述至少一组特征图进行分割，得到分割结果；所述分类网络用于根据所述至少一组特征图和所述分割结果得到所述待检测图像的目标检测结果。基于上述配置，可以通过训练神经网络的方式得到能够对待检测图像的特征提取、分割和检测的神经网络。通过将神经网络的训练过程分成两个阶段，使得特征提取网络和分割网络的训练过程不会对分类网络产生影响，并且能够使得分类网络在训练过程中充分参考到特征提取网络和分割网络输出的有效信息，提升分类网络的质量。