[发明专利]密集目标检测方法、电子设备及相关产品

说明书

本申请实施例公开了一种密集目标检测方法、电子设备及相关产品，所述方法包括：获取待处理图像；对所述待处理图像进行预处理，得到第一图像；将所述第一图像输入到预设神经网络模型中，得到第一候选框信息，所述预设神经网络模型包括主干网、分类与回归子网络以及中心点检测网络，所述主干网用于获取图像的特征图，所述分类与回归子网络用于获取特征图的候选框信息；所述中心点检测网络用于获取图像的中心点特征图，对获取的回归框信息进行重排，获取重排后的候选框信息，所述第一候选框信息为重排后的候选框信息；采用非极大值抑制方式对第一候选框信息进行筛选，得到第二候选框信息。采用本申请实施例可以提升密集目标检测精度。

技术领域

本申请涉及图像处理技术领域，具体涉及一种密集目标检测方法、电子设备及相关产品。

背景技术

目标检测作为计算机视觉中最基本的任务，主要解决目标的分类与定位问题，广泛应用于智能驾驶、安防监控、智慧城市、人机交互等方面。而密集目标检测是将背景多变、目标数量及尺度变化多样、目标特征不明显等复杂场景中的目标与背景分离，在目标检测领域中极具挑战性。同时，在遥感目标检测、人群计数和质量检测等领域的应用需求也在不断增加。

尽管基于深度学习的目标检测方法已取得了突破性的进展，如使用更深更宽的主干网络、融入多尺度的特征、引入注意力模型等方法都构建了强大的目标检测器，提升了目标检测的精度和速度。但是针对数据分布不均、目标类别和数目众多、目标尺度和变化较大的密集场景下的目标检测方法，依然存在误检和漏检的问题。因此很多研究者提出使用数据增强、增加模型输入分辨率、使用多网络级联以及多尺度融合上下文信息等方法提升密集目标的检测性能。虽然这些方法很大程度提升了密集目标的检测精度，但是仍然存在边界框定位不准的问题，而且密集目标检测的整体精度不高，因此，如何提升密集目标检测精度的问题亟待解决。

发明内容

本申请实施例提供了一种密集目标检测方法及相关产品，能够提升密集目标检测精度。

第一方面，本申请实施例提供一种密集目标检测方法，应用于电子设备，所述方法包括：

获取待处理图像；

对所述待处理图像进行预处理，得到第一图像；

将所述第一图像输入到预设神经网络模型中，得到第一候选框信息，所述预设神经网络模型包括主干网、分类与回归子网络以及中心点检测网络，所述主干网用于获取图像的特征图，所述分类与回归子网络用于获取特征图的候选框信息；所述中心点检测网络用于获取图像的中心点特征图，对获取的回归框信息进行重排，以获取重排后的候选框信息，所述第一候选框信息为重排后的候选框信息；

采用非极大值抑制方式对重排后的候选框信息进行筛选，得到第二候选框信息。

第二方面，本申请实施例提供一种密集目标检测装置，应用于电子设备，所述装置包括：获取单元、处理单元、运算单元和筛选单元，其中，

所述获取单元，用于获取待处理图像；

所述处理单元，用于对所述待处理图像进行预处理，得到第一图像；

所述运算单元，用于将所述第一图像输入到预设神经网络模型中，得到第一候选框信息，所述预设神经网络模型包括主干网、分类与回归子网络以及中心点检测网络，所述主干网用于获取图像的特征图，所述分类与回归子网络用于获取特征图的候选框信息；所述中心点检测网络用于获取图像的中心点特征图，对获取的回归框信息进行重排，以获取重排后的候选框信息，所述第一候选框信息为重排后的候选框信息；

所述筛选单元，用于采用非极大值抑制方式对所述第一候选框信息进行筛选，得到第二候选框信息。

第三方面，本申请实施例提供了一种电子设备，包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行本申请实施例第一方面中的步骤的指令。