[发明专利]目标对象检测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种目标对象检测方法、装置、计算机设备和存储介质，包括：将包括标签标注框的训练图像输入待训练的目标对象检测模型；对通过对训练图像进行特征提取得到的各个初始训练特征图进行特征处理，得到初始训练特征图上各个预设标注框对应的初始预测标注框，基于预设标注框和标签标注框的位置差异从各个初始预测标注框中确定更新标注框；对初始训练特征图进行变换和融合得到目标训练特征图；基于更新标注框对目标训练特征图进行特征处理，得到更新标注框对应的目标预测标注框；基于初始预测标注框、目标预测标注框分别和标签标注框的位置差异生成回归损失，基于回归损失训练目标对象检测模型，从而训练得到检测更准确的目标对象检测模型。

技术领域

本申请涉及计算机技术领域，特别是涉及一种目标对象检测方法、装置、计算机设备和存储介质。

背景技术

随着计算机技术的发展，出现了人脸检测技术，人脸检测在视频监控、社交娱乐、门禁打卡、表情分析、图像搜索等非常多的领域都有着重要的作用。

传统的人脸检测算法使用手工设计特征对图片进行特征提取，随后用滑动窗的方式对待检测图像进行模板匹配，如果图像区域和人脸模板的特征高度匹配，则认为该区域就是人脸区域。这种传统人脸检测算法的手工特征部分泛化性能有限，从而导致检测准确性低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高目标对象的检测准确性的目标对象检测方法、装置、计算机设备和存储介质。

一种目标对象检测方法，所述方法包括：

获取训练图像，将训练图像输入待训练的目标对象检测模型，训练图像包括目标对象对应的标签标注框；

对训练图像进行特征提取，得到多个尺度的初始训练特征图，各个初始训练特征图中包括对应的预设标注框；

对各个初始训练特征图进行特征处理，得到各个预设标注框对应的初始预测标注框，基于各个预设标注框和标签标注框之间的位置差异，从各个初始预测标注框中确定更新标注框；

基于初始训练特征图得到初始训练特征图对应的中间训练特征图，将初始训练特征图与对应的中间训练特征图进行融合，得到对应的目标训练特征图；

基于更新标注框对目标训练特征图进行特征处理，得到更新标注框对应的目标预测标注框；

基于初始预测标注框和标签标注框的位置差异、目标预测标注框和标签标注框的位置差异生成回归损失，基于回归损失调整目标对象检测模型的模型参数，直至满足收敛条件，得到已训练的目标对象检测模型。

在一个实施例中，目标对象检测模型包括多个特征提取层，各个特征提取层依次连接，不同的特征提取层用于进行不同尺度的特征提取。对训练图像进行特征提取，得到多个尺度的初始训练特征图，包括：

将当前特征提取层输出的当前初始训练特征图输入下一特征提取层，得到与当前初始训练特征图尺度相邻的初始训练特征图。

在一个实施例中，对各个初始训练特征图进行特征处理，得到各个预设标注框对应的初始预测标注框，基于各个预设标注框和标签标注框之间的位置差异，从各个初始预测标注框中确定更新标注框，包括：

分别对各个初始训练特征图进行特征处理，得到各个初始训练特征图分别对应的初始预测偏移量集合；初始预测偏移量集合包括初始训练特征图上各个预设标注框分别对应的初始预测偏移量；

基于预设标注框和对应的初始预测偏移量得到对应的初始预测标注框；

在当前初始训练特征图中，基于各个预设标注框和标签标注框之间的重合度，从各个预设标注框中确定参考标注框，将参考标注框对应的初始预测标注框作为当前初始训练特征图对应的中间预测标注框；

基于各个初始训练特征图分别对应的中间预测标注框得到更新标注框。