[发明专利]一种目标检测方法、装置、终端设备和存储介质

说明书

本申请涉及图像处理技术领域，提出一种目标检测方法、装置、终端设备和存储介质。该方法首先提取待测图像的特征图像，然后分别对该特征图像执行角点池化操作和内部点池化操作，以得到左上角点热图、右下角点热图以及内部点热图；接着，从这三个热图中分别提取指定数量的对应概率值最大的位置点，并基于这些位置点构建得到各个物体检测框，其中每个物体检测框都是根据该左上角点热图中提取到的一个位置点、该右下角点热图中提取到的一个位置点以及该内部点热图中提取到的一个位置点构建的；最后，对构建得到的物体检测框进行识别，从而得到该待测图像的目标检测结果。采用本申请提出的目标检测方法，能够提高对图像目标的内部信息的感知能力。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种目标检测方法、装置、终端设备和存储介质。

背景技术

目标检测，是一种基于目标几何和统计特征的图像分割，用于对图像中的目标进行提取和识别。目前，目标检测通常采用的是基于锚框(anchor)的方法，例如SSD、YoloV2/V3和Faster-RCNN等。这类方法需要放置大量预定义大小的锚框，并且每个锚点的大小和高宽比需要人工设计，算法处理的复杂度较高。

针对基于锚框的方法存在的上述问题，现有技术提出了基于关键点检测的CornerNet目标检测方法，该方法利用单个卷积神经网络来检测一个以左上角和右下角为一对关键点的目标包围框，通过将目标作为成对的关键点进行检测，无需人为设置锚点。然而，CornerNet对图像目标的内部信息的感知能力较弱，制约了该方法的性能。

发明内容

有鉴于此，本申请实施例提供了一种目标检测方法、装置、终端设备和存储介质，能够提高对图像目标的内部信息的感知能力。

本申请实施例的第一方面提供了一种目标检测方法，包括：

将待测图像输入已训练的特征提取网络，得到所述待测图像的特征图像；

对所述特征图像执行角点池化操作，得到所述特征图像对应的左上角点热图和右下角点热图，所述左上角点热图记录所述特征图像中每个位置点属于各个预设类别的物体检测框的左上角关键点的概率值，所述右下角点热图记录所述特征图像中每个位置点属于各个预设类别的物体检测框的右下角关键点的概率值；

对所述特征图像执行内部点池化操作，得到所述特征图像对应的内部点热图，所述内部点热图记录所述特征图像中每个位置点属于各个预设类别的物体检测框的内部关键点的概率值，所述内部点池化操作为采用最大池化层提取所述特征图像的指定内部点在水平方向上的特征值最大的特征向量以及在垂直方向上的特征值最大的特征向量，然后将提取到的特征向量相加的操作；

从所述左上角点热图、所述右下角点热图和所述内部点热图中分别提取指定数量且对应的所述概率值最大的位置点；

根据提取到的各个所述位置点构建物体检测框，其中，每个物体检测框根据从所述左上角点热图中提取到的一个位置点、从所述右上角点热图中提取到的一个位置点以及从所述内部点热图中提取到的一个位置点构建；

对构建得到的物体检测框进行识别，得到所述待测图像的目标检测结果。

在本申请实施例中，首先提取待测图像的特征图像，然后分别对该特征图像执行角点池化操作和内部点池化操作，以得到左上角点热图、右下角点热图以及内部点热图；接着，从这三个热图中分别提取指定数量的对应概率值最大的位置点，并基于这些位置点构建得到各个物体检测框，其中每个物体检测框都是根据该左上角点热图中提取到的一个位置点、该右下角点热图中提取到的一个位置点以及该内部点热图中提取到的一个位置点构建；最后，对构建得到的物体检测框进行识别，从而得到该待测图像的目标检测结果。上述过程通过关键点的三元组，也即左上角点、右下角点和内部位置点来确定一个物体检测框，与仅仅采用左上角点和右下角点确定物体检测框的方法相比，提高了对图像目标的内部信息的感知能力。