[发明专利]目标检测方法、装置、计算机设备和存储介质

权利要求书

1.一种目标检测方法，其特征在于，所述方法包括：

获取待检测图像；

将所述待检测图像输入至已训练的目标检测模型中，所述目标检测模型包括预处理单元、特征提取单元以及预测单元；

通过所述预处理单元提取所述待检测图像对应的第一特征图，得到所述第一特征图对应的第一低维特征图；

通过所述特征提取单元对所述第一低维特征图进行特征提取，得到所述待检测图像对应的目标胶囊信息；

通过所述预测单元对所述目标胶囊信息进行目标检测，得到所述待检测图像对应的目标检测结果。

2.根据权利要求1所述的方法，其特征在于，所述通过所述预处理单元提取所述待检测图像对应的第一特征图包括：

通过所述预处理单元中的卷积神经网络对所述待检测图像进行特征提取，将所述卷积神经网络最后两个卷积层输出的特征图确定为所述待检测图像对应的第一特征图。

3.根据权利要求1所述的方法，其特征在于，所述对所述第一特征图进行基于注意力的池化处理，得到所述第一特征图对应的第一低维特征图包括：

对所述第一特征图进行多头注意力计算，得到所述第一特征图对应的多头注意力值；

对所述多头注意力值进行归一化处理，得到所述第一特征图对应的第一低维特征图。

4.根据权利要求1所述的方法，其特征在于，所述特征提取单元包括编码单元和解码单元；所述通过所述特征提取单元对所述第一低维特征图进行特征提取，得到所述待检测图像对应的目标胶囊信息包括：

通过所述编码单元对所述第一低维特征图进行全局特征提取，得到全局特征信息，对所述全局特征信息进行胶囊转换，得到初始胶囊信息；

将所述初始胶囊信息输入至所述解码单元，对所述初始胶囊信息进行类别特征提取，得到类别特征信息，对所述类别特征信息进行胶囊转换，得到目标胶囊信息。

5.根据权利要求1所述的方法，其特征在于，所述通过所述预测单元对所述目标胶囊信息进行目标检测，得到所述待检测图像对应的目标检测结果包括：

通过所述预测单元基于注意力路由对所述目标胶囊信息进行目标检测，得到第一检测结果；

通过所述预测单元对所述目标胶囊信息进行线性变换，得到第二检测结果；

将所述第一检测结果以及所述第二检测结果进行融合，得到所述待检测图像对应的目标检测结果。

6.根据权利要求1所述的方法，其特征在于，在所述获取待检测图像之前，所述方法还包括：

获取样本图像集；

将所述样本图像集输入至待训练目标检测模型中，通过所述待训练目标检测模型中的预处理单元提取所述样本图像集对应的第二特征图，对所述第二特征图进行基于注意力的池化处理，得到所述第二特征图对应的第二低维特征图；

通过所述待训练目标检测模型中的特征提取单元对所述第二低维特征图进行特征提取，得到所述样本图像集对应的目标胶囊信息；

通过所述待训练目标检测模型中的预测单元对所述样本图像集对应的目标胶囊信息进行目标检测，得到所述样本图像集对应的目标检测结果；

根据所述样本图像集对应的目标检测结果计算所述待训练目标检测模型的损失值，根据所述损失值更新所述待训练目标检测模型的网络参数，直至满足预设条件，得到已训练的目标检测模型。

7.根据权利要求6所述的方法，其特征在于，所述样本图像集标注有目标标签信息；所述根据所述样本图像集对应的目标检测结果计算所述待训练目标检测模型的损失值包括：

将所述样本图像集对应的目标检测结果与所述目标标签信息进行二分匹配，得到匹配结果；

根据所述匹配结果计算所述待训练目标检测模型的损失值。

8.根据权利要求7所述的方法，其特征在于，所述待训练目标检测模型的损失值包括目标位置偏移损失值、分类损失值以及匹配损失值。