[发明专利]一种基于DETR-YOLO的目标检测方法、装置及存储介质

说明书

本申请提供一种基于DETR‑YOLO的目标检测方法、装置及存储介质。该基于DETR‑YOLO的目标检测方法通过获取待检测图像；将所述待检测图像输入到训练好的DETR‑YOLO模型；其中，所述DETR‑YOLO模型包括依次连接的基准网络、DETR网络、Neck网络；最后，根据所述DETR‑YOLO模型检测出所述待检测图像中的目标。该基于DETR‑YOLO的目标检测方法通过DETR‑YOLO模型对目标进行检测，由于该DETR‑YOLO模型包括依次连接的基准网络、DETR网络、Neck网络，而DETR网络在特征图处理的过程中可以一次性输出所有的预测结果，进而提高了模型的训练效率和目标检测效率。

技术领域

本申请图像处理技术领域，具体涉及一种基于DETR-YOLO的目标检测方法、装置及存储介质。

背景技术

随着侧扫声纳探测技术的不断进步，使用侧扫声纳搜索失事沉船已经成为了海道测量障碍物核查和海上搜救的重要内容。

在通过侧扫声纳探测采集到图像后，通过目标检测算法对图像进行识别与检测，输出相应的矩形框和分类信息，并通过所输出的矩形框和分类信息进行障碍物核查和海上搜救。

Faster R-CNN模型是现有的一种通过目标检测算法实现侧扫声纳海底沉船目标的自动检测的模型，但是该模型存在训练效率和检测效率较低的技术问题。

发明内容

本申请实施例的目的在于提供一种基于DETR-YOLO的目标检测方法、装置及存储介质，以改善上述目标检测模型中训练和检测效率低的技术问题。

为实现上述目的，本申请提供如下技术方案：

第一方面，本申请实施例提供一种基于DETR-YOLO的目标检测方法，所述方法包括：

获取待检测图像；

将所述待检测图像输入到训练好的DETR-YOLO模型；其中，所述DETR-YOLO模型包括依次连接的基准网络、DETR网络、Neck网络；

根据所述DETR-YOLO模型检测出所述待检测图像中的目标。

在上述方案中，该基于DETR-YOLO的目标检测方法通过获取待检测图像；将所述待检测图像输入到训练好的DETR-YOLO模型；其中，所述DETR-YOLO模型包括依次连接的基准网络、DETR网络、Neck网络；最后，根据所述DETR-YOLO模型检测出所述待检测图像中的目标。该基于DETR-YOLO的目标检测方法通过DETR-YOLO模型对目标进行检测，由于该DETR-YOLO模型包括依次连接的基准网络、DETR网络、Neck网络，而DETR网络在特征图处理的过程中可以一次性输出所有的预测结果，进而提高了模型的训练效率和目标检测效率。

可选的，所述根据所述DETR-YOLO模型检测出所述待检测图像中的目标，包括：通过所述基准网络对输入的所述待检测图像进行特征提取，获得第一特征图，并向所述DETR网络发送所述第一特征图；通过所述DETR网络对接收到的所述第一特征图进行目标检测，获得第一目标检测结果，并向所述Neck网络发送所述第一目标检测结果；通过所述Neck网络对接收到的所述第一目标检测结果进行特征融合和特征提取，获得第二目标检测结果；根据所述第二目标检测结果确定所述待检测图像中的目标。

可选的，所述DETR-YOLO模型还可以包括输入端和输出端；所述输入端和所述基准网络连接，所述输出端和所述Neck网络连接；通过所述输入端接收所输入的所述待检测图像，并向所述基准网络发送所述待检测图像；所述输出端接收所述Neck网络所获得的所述第二目标检测结果，所述输出端对所述第二目标检测结果进行向量卷积运算获得所述待检测图像中的目标，并输出所述目标。