[发明专利]一种目标检测方法、装置、存储介质及终端

说明书

本发明提供一种目标检测方法、装置、存储介质及终端，所述方法包括：获取预先进行过标注的图像样本；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；根据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。本发明方案能够高效准确的检测出特定尺寸的目标物体。

技术领域

本发明涉及目标检测领域，尤其涉及一种目标检测方法、装置、存储介质及终端。

背景技术

随着科技的飞速发展，工业自动化产线的普及率不断提高，越来越多的工业产线开始使用机器视觉技术来代替工人，如图像分类、目标检测、物体分割等。对于目标物体检测方面，首先对不同目标物体定义不同的标签，然后使用目标检测等技术将目标物体检测出来。目前的深度学习检测网络主要考虑大小不均匀、多种类多目标的图像检测，为保证目标检测的精度，设计出的网络结构往往比较宽和深，对于多个大小均匀的目标物体同时存在于一张图像时，宽而深的网络结构耗费了大量不必要的时间，尤其对于工业场景，检测物体的尺寸基本一致，对检测时间要求较高，使用目前主流的网络结构显得冗余导致检测效率不高。

发明内容

本发明的主要目的在于克服上述现有技术的缺陷，提供一种目标检测方法、装置、存储介质及终端，以解决现有技术中目标检测对于多个大小均匀的目标物体，宽而深的网络结构耗费不必要的时间的问题。

本发明一方面提供了一种目标检测方法，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。

可选地，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。