[发明专利]目标检测方法及装置、存储介质及电子设备

权利要求书

1.一种目标检测方法，其特征在于，用于利用检测模型检测输入图像中的目标，所述检测模型为神经网络模型，该模型包括主干网络，隐式特征金字塔网络以及检测头部网络，所述隐式特征金字塔网络包括特征变换模块和特征求解器，所述方法包括：

利用所述主干网络提取所述输入图像的多尺度基础特征；

利用所述特征求解器迭代求解所述特征变换模块所表征的隐函数的、关于多尺度均衡特征的不动点方程，获得作为所述隐式特征金字塔网络的输出的稳态多尺度均衡特征；其中，所述特征变换模块的输入包括所述多尺度基础特征以及所述多尺度均衡特征，所述特征变换模块为能够对其输入特征进行跨尺度融合的网络模块；

利用所述检测头部网络根据所述稳态多尺度均衡特征进行目标检测。

2.根据权利要求1所述的目标检测方法，其特征在于，所述利用所述特征求解器迭代求解所述特征变换模块所表征的隐函数的、关于多尺度均衡特征的不动点方程，获得作为所述隐式特征金字塔网络的输出的稳态多尺度均衡特征，包括：

迭代执行以下步骤直至满足迭代终止条件：

将当前的多尺度均衡特征与所述多尺度基础特征输入至所述特征变换模块，获得多尺度变换特征；

利用所述特征求解器根据所述多尺度变换特征以及当前的多尺度均衡特征计算新的多尺度均衡特征；

其中，最后一轮迭代计算出的新的多尺度均衡特征为所述稳态多尺度均衡特征。

3.根据权利要求2所述的目标检测方法，其特征在于，所述将当前的多尺度均衡特征与所述多尺度基础特征输入至所述特征变换模块，获得多尺度变换特征，包括：

将当前的多尺度均衡特征与所述多尺度基础特征按照对应尺度相加后输入至所述特征变换模块，获得多尺度变换特征。

4.根据权利要求3所述的目标检测方法，其特征在于，所述利用所述特征求解器根据所述多尺度变换特征以及当前的多尺度均衡特征计算新的多尺度均衡特征，包括：

利用所述特征求解器按照如下公式计算新的多尺度均衡特征：

其中，i为当前的迭代轮次，α为迭代步长，Q_θ为所述特征变换模块表示的隐函数，为Q_θ关于Pⁱ的雅可比逆矩阵，Pⁱ和Pⁱ⁺¹分别为当前的多尺度均衡特征以及新的多尺度均衡特征，B为所述多尺度基础特征。

5.根据权利要求3所述的目标检测方法，其特征在于，所述特征变换模块包括多条支路，每条支路用于处理一种尺度下的输入特征，每条支路均包括变换组件、跨尺度连接组件以及融合组件，所述获得多尺度变换特征，包括：

针对每条支路，利用该支路的变换组件对相应尺度下的输入特征进行变换，获得相应尺度下的中间特征；

利用该支路的跨尺度连接组件将相应尺度下的中间特征重采样至其他支路对应的尺度后输出至其他支路的融合组件，以及，将相应尺度下的中间特征输出至该支路的融合组件；

利用该支路的融合组件将相应尺度下的中间特征与来自其他支路的、被重采样至该尺度的中间特征融合，获得相应尺度下的变换特征。

6.根据权利要求5所述的目标检测方法，其特征在于，所述利用该支路的变换组件对相应尺度下的输入特征进行变换，获得相应尺度下的中间特征，包括：

利用该支路的变换组件对相应尺度下的输入特征进行非线性变换，获得相应尺度下的中间特征。

7.根据权利要求5所述的目标检测方法，其特征在于，在利用该支路的跨尺度连接组件将相应尺度下的中间特征输出至该支路的融合组件或重采样后输出其他支路的融合组件之前，所述方法还包括：利用该支路的跨尺度连接组件对相应尺度下的中间特征执行1×1的卷积操作。