[发明专利]一种目标检测方法、装置、存储介质及终端

权利要求书

1.一种目标检测方法，其特征在于，包括：

获取预先进行过标注的图像样本；所述标注包括：标注目标物体的类别和目标物体在图像中的坐标；

将获取的图像样本输入预设的CSPDarknet53网络结构中进行特征提取得到特征图；

对得到的特征图进行卷积处理、上采样处理以及特征融合，得到目标物体的特征信息；所述特征信息，包括：位置信息和语义特征信息；

根据所述目标物体的特征信息进行边框预测，得到预测边框的边框信息和类别置信度，并在得到的预测边框中筛选出检测框；

根据筛选出的所述检测框计算边框损失和类别损失，并根据计算得到的边框损失和类别损失更新权重参数，得到用于进行目标检测的网络模型；

将待检测的图像输入所述网络模型中进行目标检测，并在所述图像中对所述目标物体进行标注。

2.根据权利要求1所述的方法，其特征在于，采用以下的公式计算得到预测边框：

b_x＝σ(t_x)+c_x，b_y＝σ(t_y)+c_y，

其中，p_w，p_h分别表示锚框的宽和高，t_x、t_y表示网络预测的坐标偏移值，t_w、t_h表示网络预测的缩放尺度，σ(t_x)、σ(t_y)分别表示对t_x、t_y进行Sigmoid函数激活处理；c_x、c_y分别表示预测边框所在的网格在图像中的相对位置，b_x，b_y表示预测边框的中心点坐标，b_w，b_h分别表示预测边框的宽、高。

3.根据权利要求1或2所述的方法，其特征在于，

将获取的图像样本输入预设的CSPDarknet53网络结构中进行特征提取之前，还包括：

对所述图像样本进行预处理，包括：

对所述图像样本采用预设的数据增强的方式进行数据增强；

和/或，

对所述图像样本进行缩放处理，使缩放后的纵横像素点数均为32的倍数；其中，输入所述CSPDarknet53网络的图像进行五次下采样；

和/或，

将待检测的图像输入所述神经网络模型中进行目标检测之前，还包括：

对所述待检测的图像进行缩放处理，使缩放后的纵横像素点数均为32的倍数。

4.根据权利要求1或2所述的方法，其特征在于，对得到的特征图进行卷积处理、上采样以及特征融合，得到目标物体的特征信息，包括：

将每次经过卷积处理和上采样得到的特征图与在所述CSPDarknet53网络中下采样得到的尺寸相同的特征图进行特征融合后，通过跨阶段局部融合层进行跨阶段局部融合。

5.一种目标检测装置，其特征在于，包括：

获取单元，用于获取预先进行过标注的图像样本；所述标注包括：标注目标物体的类别和目标物体在图像中的坐标；

特征提取单元，用于将获取的图像样本输入预设的CSPDarknet53网络结构中进行特征提取得到特征图；

特征融合单元，用于对得到的特征图进行卷积处理、上采样处理以及特征融合，得到目标物体的特征信息；所述特征信息，包括：位置信息和语义特征信息；

边框预测单元，用于根据所述目标物体的特征信息进行边框预测，得到预测边框的边框信息和类别置信度，并在得到的预测边框中筛选出检测框；

参数更新单元，用于根据筛选出的所述检测框计算边框损失和类别损失，并根据计算得到的边框损失和类别损失更新权重参数，得到用于进行目标检测的网络模型；

目标检测单元，用于将待检测的图像输入所述网络模型中进行目标检测，并在所述图像中对所述目标物体进行标注。