[发明专利]目标检测方法、装置和电子系统

说明书

本发明提供了一种目标检测方法、装置和电子系统；其中，该方法包括：提取待检测图像的图像特征；将图像特征输入至预设的目标检测网络，输出待检测图像的目标分类结果、目标定位结果以及前景识别结果；其中，前景识别结果包括待检测图像中各个位置属于前景的概率；基于前景识别结果调整目标分类结果；基于目标定位结果和调整后的目标分类结果，确定待检测图像的目标检测结果。该方式中，基于待检测图像的前景识别结果调整目标分类结果，从而可以强化属于前景区域的特征，弱化属于背景区域的特征，降低将背景误识别为目标的概率，提高了目标检测效果。

技术领域

本发明涉及人工智能技术领域，尤其是涉及一种目标检测方法、装置和电子系统。

背景技术

目标检测任务主要包括目标分类和目标检测框回归共两个子任务，常见的目标检测任务主要包括人脸检测任务、行人检测任务等；由于这些检测任务的检测目标较为单一，检测效果较佳；而对于通用物体的目标检测，由于目标种类繁多，影响网络的检测性能，容易出现目标漏检或误检的问题，导致检测效果较差。

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、装置和电子系统，以提高目标检测效果。

第一方面，本发明实施例提供了一种目标检测方法，方法包括：提取待检测图像的图像特征；将图像特征输入至预设的目标检测网络，输出待检测图像的目标分类结果、目标定位结果以及前景识别结果；其中，前景识别结果包括待检测图像中各个位置属于前景的概率；基于前景识别结果调整目标分类结果；基于目标定位结果和调整后的目标分类结果，确定待检测图像的目标检测结果。

上述目标检测网络包括分类子网络和位置回归子网络；上述将图像特征输入至预设的目标检测网络，输出待检测图像的目标分类结果、目标定位结果以及前景识别结果的步骤，包括：将图像特征输入至分类子网络，输出待检测图像的目标分类结果；将图像特征输入至位置回归子网络，输出待检测图像的目标定位结果以及前景识别结果。

上述位置回归子网络包括：第一卷积模块，以及与第一卷积模块分别连接的第一卷积层和第二卷积层；其中，第一卷积模块包括多个串联的卷积层；上述将图像特征输入至位置回归子网络，输出待检测图像的目标定位结果以及前景识别结果的步骤，包括：将图像特征输入至第一卷积模块，输出第一中间结果；将第一中间结果输入至第一卷积层，输出待检测图像的目标定位结果；将第一中间结果输入至第二卷积层，输出待检测图像的前景识别结果。

上述分类子网络包括：第二卷积模块，以及与第二卷积模块连接的第三卷积层；其中，第二卷积模块包括多个串联的卷积层；上述将图像特征输入至分类子网络，输出待检测图像的目标分类结果的步骤，包括：将图像特征输入至第二卷积模块，输出第二中间结果；将第二中间结果输入至第三卷积层，输出待检测图像的目标分类结果。

上述前景识别结果包括：待检测图像中每个像素点属于前景的概率的参数值；目标分类结果包括：待检测图像中的每个像素点属于每个预设目标类别的概率的参数值；上述基于前景识别结果调整目标分类结果的步骤，包括：针对每个像素点，将该像素点属于每个预设目标类别的概率的参数值乘以该像素点属于前景的概率的参数值，得到调整后的目标分类结果。

上述针对每个像素点，将该像素点属于每个预设目标类别的概率的参数值乘以该像素点属于前景的概率的参数值，得到调整后的目标分类结果的步骤之前，上述方法还包括：将前景识别结果和目标分类结果分别输入至预设的激活函数中，以通过激活函数将前景识别结果和目标分类结果中的各个参数值映射至指定的数值范围内，得到映射后的前景识别结果和目标分类结果；其中，数值范围的最大值为一，最小值为零。

上述提取待检测图像的图像特征的步骤，包括：将待检测图像输入至预设的残差神经网络，得到初始结果；将初始结果输入至预设的特征金字塔网络，输出多尺度的特征图；按照多尺度的特征图的尺度大小，将特征图进行拼接处理，得到待检测图像的图像特征。