[发明专利]目标检测方法及装置、电子设备和存储介质在审

专利信息
申请号: 202110448199.4 申请日: 2021-04-25
公开(公告)号: CN113139471A 公开(公告)日: 2021-07-20
发明(设计)人: 吴凌云;胡志强 申请(专利权)人: 上海商汤智能科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
代理公司: 北京林达刘知识产权代理事务所(普通合伙) 11277 代理人: 刘新宇
地址: 200233 上海市徐*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 目标 检测 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种目标检测方法,其特征在于,包括:

获取目标图像;

利用目标检测网络对所述目标图像进行检测,得到所述目标图像中目标对象的第一检测结果;

其中,所述目标检测网络是基于样本图像以及样本图像的监督信息训练得到的,以及所述样本图像的监督信息包括掩膜图。

2.根据权利要求1所述的方法,其特征在于,所述利用目标检测网络对所述目标图像进行检测,得到所述目标图像中目标对象的第一检测结果,包括:

基于所述目标检测网络,确定至少一个第一候选区域;

基于所述至少一个第一候选区域的图像特征,得到包括所述目标对象的类别信息和位置信息的第一检测结果。

3.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:

通过一神经网络对所述样本图像进行处理,得到所述样本图像中参照对象的第二检测结果和热力图;

基于所述第二检测结果、所述热力图以及所述样本图像的监督信息,确定所述神经网络的网络损失,其中,所述热力图用于指示所述参照对象在所述样本图像中的预测位置;

基于所述网络损失对所述神经网络的网络参数进行调整,得到训练好的神经网络,其中,所述训练好的神经网络包括所述目标检测网络。

4.根据权利要求3所述的方法,其特征在于,所述神经网络包括检测分支和分割分支;所述通过一神经网络对所述样本图像进行处理,得到所述样本图像中所述参照对象的第二检测结果和热力图,包括:

利用所述神经网络对所述样本图像进行特征提取,得到至少一个第二候选区域;

将所述至少一个第二候选区域输入所述检测分支,得到所述样本图像中参照对象的第二检测结果;

将所述至少一个第二候选区域输入所述分割分支,得到所述参照对象的热力图。

5.根据权利要求4所述的方法,其特征在于,所述将所述至少一个第二候选区域输入所述分割分支,得到所述参照对象的热力图,包括:

利用所述分割分支对所述至少一个第二候选区域的第一图像特征进行至少一次反卷积操作和/或至少一次上采样操作,得到所述至少一个第二候选区域的第二图像特征;

对所述第二图像特征进行归一化操作,得到所述参照对象的热力图。

6.根据权利要求3至5任意一项所述的方法,其特征在于,所述监督信息还包括参照标注,所述参照标注表示样本图像中参照对象的类别信息和位置信息;所述基于所述第二检测结果、所述热力图以及所述监督信息,确定所述神经网络的网络损失,包括:

根据所述第二检测结果与所述参照标注的比对结果,确定所述神经网络的第一损失;

根据所述热力图与所述掩膜图的比对结果,确定所述神经网络的第二损失;

根据所述第一损失和所述第二损失,得到所述神经网络的网络损失。

7.根据权利要求6所述的方法,其特征在于,所述根据所述热力图与所述掩膜图的比对结果,确定所述神经网络的第二损失,包括:

根据所述热力图与所述掩膜图在每个像素位置的比对结果,对所述热力图与所述掩膜图在多个像素位置的比对结果进行加权求和,确定所述神经网络的第二损失,其中,一个像素位置的比对结果对应的权重与该像素位置相对于中心像素位置的相对位置关系相关。

8.根据权利要求1至7任意一项所述的方法,其特征在于,所述方法还包括:

获取标注有所述参照区域的样本图像,作为标注图像;

将所述参照区域设置为第一特征值,将所述标注图像中除所述参照区域之外的非参照区域设置为第二特征值,得到所述掩膜图,其中,所述参照区域中每个像素位置的第一特征值,由每个像素位置与所述中心像素位置的相对位置关系确定。

9.根据权利要求8所述的方法,其特征在于,所述方法还包括:

根据所述参照区域中每个像素位置与所述中心像素位置的距离,确定所述参照区域中每个像素位置的第一特征值,其中,每个像素位置的第一特征值与所述距离呈负相关。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海商汤智能科技有限公司,未经上海商汤智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110448199.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top