[发明专利]目标检测方法及设备

说明书

本公开实施例提供一种目标检测方法及设备，该方法包括：获取待检测的图像；在目标检测模型中，通过编码网络对图像进行编码处理，得到图像的目标图像特征；在目标检测模型中，通过第一网络分支、第二网络分支对目标图像特征进行解码处理，得到第一网络分支输出的关注图和第二网络分支输出的密度图，其中，第一网络分支与第二网络分支之间通过关系建模网络进行图像特征的交互；根据关注图和密度图，生成图像的目标检测图。从而，通过网络分支之间的关系建模网络，促进网络分支之间信息的相互交流，指导彼此学习更好的图像特征，提高目标检测的准确性。

技术领域

本公开实施例涉及计算机技术领域，尤其涉及一种目标检测方法及设备。

背景技术

随着业务发展，需要在复杂场景实现目标检测。例如，在街道场景实现行人的检测，在道路场景实现车辆的检测。

目前，可采用基于方向梯度直方图(Histogram of Oriented Gradient,HOG)的检测器或者基于深度学习的检测器进行目标检测，但该方式在目标遮挡严重时容易出现误检、漏检。

因此，目标检测的准确性有待提高。

发明内容

本公开实施例提供一种目标检测方法及设备，以克服图像中目标检测的准确性有待提高的问题。

第一方面，本公开实施例提供一种目标检测方法，包括：

获取待检测的图像；

在目标检测模型中，通过编码网络对所述图像进行编码处理，得到所述图像的目标图像特征；

在所述目标检测模型中，通过第一网络分支、第二网络分支对所述目标图像特征进行解码处理，得到所述第一网络分支输出的关注图和所述第二网络分支输出的密度图，其中，所述第一网络分支与所述第二网络分支之间通过关系建模网络进行图像特征的交互；

根据所述关注图和所述密度图，生成所述图像的目标检测图，所述目标检测图中包括所述图像中目标的位置标识。

第二方面，本公开实施例提供一种模型确定方法，包括：

获取训练样本，所述训练样本中包括样本图像、所述样本图像对应的实际关注图以及所述样本图像对应的实际密度图；

在目标检测模型中，通过编码网络对所述样本图像进行编码处理，得到所述样本图像的目标图像特征；

在所述目标检测模型中，通过第一网络分支、第二网络分支对所述目标图像特征进行解码处理，得到所述第一网络分支输出的关注图和所述第二网络分支输出的密度图，其中，所述第一网络分支与所述第二网络分支之间通过关系建模网络进行图像特征的交互；

根据所述关注图和所述密度图，生成所述样本图像对应的目标检测图；

根据第一损失函数、第二损失函数、所述样本图像、所述目标检测图、所述实际关注图以及所述实际密度图，对所述目标检测模型进行调整。

第三方面，本公开实施例提供一种目标检测设备，包括：

获取单元，用于获取待检测的图像；

编码单元，用于在目标检测模型中，通过编码网络对所述图像进行编码处理，得到所述图像的目标图像特征；

解码单元，用于在所述目标检测模型中，通过第一网络分支、第二网络分支对所述目标图像特征进行解码处理，得到所述第一网络分支输出的关注图和所述第二网络分支输出的密度图，其中，所述第一网络分支与所述第二网络分支之间通过关系建模网络进行图像特征的交互；

生成单元，用于根据所述关注图和所述密度图，生成所述图像的目标检测图，所述目标检测图中包括所述图像中目标的位置标识。

第四方面，本公开实施例提供一种图像确定设备，包括：