[发明专利]对象分析方法、装置及存储介质

权利要求书

1.一种对象分析方法，其特征在于，所述方法包括：

获取目标图像；

将所述目标图像输入预先训练的图像识别模型，得到所述目标图像的对象分析结果，所述对象分析结果包括目标对象位置信息、目标对象关键点信息和目标对象属性信息；

其中，图像识别模型包括主干网络、与所述主干网络相连的第一网络分支和第二网络分支；

所述主干网络包括依次相连的m层特征提取层，以提取多尺寸特征图；所述m层特征提取层中的n层指定特征提取层分别采用深度可分离卷积调整特征图的通道尺寸，并将浅层特征与深层特征融合；所述m为大于1的整数，所述n为大于1且小于或等于m的整数；

对于所述n层指定特征提取层中的第k层指定特征提取层，

在k＝n的情况下，所述第k层指定特征提取层得到特征图后，采用深度可分离卷积对所述特征图的通道尺寸进行更新；对更新后的特征图进行上采样，得到第n-1层指定特征提取层对应的上采样后的特征图；

在1＜k＜n的情况下，所述第k层指定特征提取层得到特征图后，采用深度可分离卷积对所述特征图的通道尺寸进行更新；将更新后的特征图与第k层对应的上采样后的特征图进行按照通道进行拼接；对拼接后的特征图使用深度可分离卷积进行通道调整；对调整后的特征图进行上采样，得到第k-1层指定特征提取层对应的上采样后的特征图；

在k＝1的情况下，第1层指定特征提取层得到特征图后，采用深度可分离卷积对所述特征图的通道尺寸进行更新；将更新后的特征图与第1层对应的上采样后的特征图进行按照通道进行拼接；对拼接后的特征图使用深度可分离卷积进行通道调整；调整后的特征图为所述第1层指定特征提取层的输出数据。

2.根据权利要求1所述的方法，其特征在于，

所述第一网络分支与第m层特征提取层相连，并用于根据所述第m层特征提取层输出的特征图提取所述目标对象属性信息；

所述第二网络分支与第1层指定特征提取层相连，且所述第二网络分支包括第一子分支、第二子分支和第三子分支；所述第一子分支用于根据所述第1层指定特征提取层的输出数据计算目标对象的中心点；所述第二子分支用于根据所述第1层指定特征提取层的输出数据进行所述目标对象的宽高回归；所述第三子分支用于根据所述第1层指定特征提取层的输出数据检测所述目标对象的关键点。

3.根据权利要求2所述的方法，其特征在于，所述图像识别模型基于基于中心点的检测网络CenterNet建立；

所述第一子分支包括第一热度图预测支路和中心点位置偏移预测支路；

所述第二子分支包括宽高预测支路；

所述第三子分支包括第二热度图预测支路、关键点位置偏移预测支路和关键点相对于中心点距离回归支路。

4.根据权利要求2所述的方法，其特征在于，所述目标对象的种类为多种，所述第一子分支和所述第二子分支使用损失函数和每个种类的目标对象的权重参数训练得到；

每个种类的目标对象的权重参数是基于第一数量与第二数量的比值计算得到，其中，第一数量为输入图像中所述种类的目标对象的数量；所述第二数量为所述输入图像中所有种类的目标对象的数量。

5.根据权利要求4所述的方法，其特征在于，种类I的目标对象的权重参数weight_I通过下式计算：

其中，N表示目标对象的种类总数，median(*)表示计算所有类别目标对象的中位数，clsnum_I表示种类I的目标对象的数量。

6.根据权利要求2所述的方法，其特征在于，所述将所述目标图像输入预先训练的图像识别模型，得到所述目标图像的对象分析结果之后，还包括：

按照所述目标对象位置信息对所述目标对象关键点信息进行分组，得到的同一目标对象的关键点。