[发明专利]一种基于渐进式候选框高亮的检测方法、设备和介质

权利要求书

1.一种基于渐进式候选框高亮的检测方法，其特征在于，将图像输入检测器中，通过检测器识别图像中目标，获得目标在图像中位置。

2.根据权利要求1所述的基于渐进式候选框高亮的检测方法，其特征在于，

所述检测器通过以下步骤进行图像中目标位置的识别：

S1、通过Conformer网络提取图像的候选框嵌入向量与特征向量；

S2、根据候选框嵌入向量获得目标候选框；

S3、通过区域特征聚集对目标候选框内的特征向量进行提取，获得局部特征向量；

S4、将候选框嵌入向量与局部特征向量融合，获得新的候选框嵌入向量；

S5、以新的候选框嵌入向量替代原有的候选框嵌入向量，依次重复步骤S2～S4，经过多次重复，获得图像中目标所在位置，所述位置通过最后一次获得的目标候选框标示出来。

3.根据权利要求2所述的基于渐进式候选框高亮的检测方法，其特征在于，

在S2中，通过感知层对初始目标边界框进行修正，获得目标边界框，所述初始目标边界框由Conformer网络生成。

4.根据权利要求3所述的基于渐进式候选框高亮的检测方法，其特征在于，

所述感知层的参数为利用候选框嵌入向量，通过最小化匹配损失法训练获得，包括以下步骤：

S21、将候选框嵌入向量输入线性层获得预测分类分数；

S22、通过将候选框嵌入向量输入感知层得到边界框偏移量，通过边界框偏移量对初始目标边界框进行修正，获得预测边界框；

S23、预测边界框与预测分类分数组合成预测集合R，将预测集合R与真值目标集合进行匹配，通过最小化匹配损失更新并获得感知层的参数。

5.根据权利要求4所述的基于渐进式候选框高亮的检测方法，其特征在于，

S23中，通过匈牙利法实现最小化匹配损失，其中匹配的损失函数为分类损失函数、目标定位L1损失函数和GioU损失函数的加权和；

分类损失函数表征预测分类分数与真值目标分类分数的损失；目标定位L1损失函数和GioU损失函数表征预测边界框与真值目标边界框的损失。

6.根据权利要求2所述的基于渐进式候选框高亮的检测方法，其特征在于，

在S3中，通过RoIAlign方法对特征向量进行提取，获得局部特征向量。

7.根据权利要求2所述的基于渐进式候选框高亮的检测方法，其特征在于，

在S4中，所述融合包括以下子步骤：

S41、通过线性层将候选框嵌入向量增强至I个，形成嵌入向量集；

S42、将候选框嵌入向量集和局部特征向量通过交叉注意力方法进行增强，获得增强特征向量；

S43、将增强特征向量输入卷积层，获得新的候选框嵌入向量。

8.根据权利要求7所述的基于渐进式候选框高亮的检测方法，其特征在于，

在S42中，所述交叉注意力方法可以表示为：

其中，为增强特征向量，f_i为局部特征向量，e_φi为嵌入向量集，θ_q、θ_k、θ_v为线性转换层参数，C表示特征向量的维度，h′为超参数，上标_T表示转置。

9.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。

10.一种存储有计算机指令的计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。