[发明专利]目标检测方法、模型训练方法、装置、介质和电子设备在审

专利信息
申请号: 202310037880.9 申请日: 2023-01-10
公开(公告)号: CN115761430A 公开(公告)日: 2023-03-07
发明(设计)人: 吕文玉;徐尚良;黄奎;王冠中;党青青 申请(专利权)人: 北京百度网讯科技有限公司
主分类号: G06V10/80 分类号: G06V10/80;G06V10/764;G06V10/774;G06T3/40;G06N3/0464;G06N3/08
代理公司: 中科专利商标代理有限责任公司 11021 代理人: 李世阳
地址: 100085 北京市*** 国省代码: 北京;11
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 模型 训练 装置 介质 电子设备
【权利要求书】:

1.一种目标检测方法,包括:

根据目标图像的M个目标特征图中的第一目标特征图,得到N个初始特征图,其中,N个所述初始特征图的尺寸彼此不同,N为大于1的整数,M为大于1的整数;

根据所述初始特征图的偏移信息,从M个所述目标特征图中提取与所述初始特征图对应的M个采样特征图;

将N个所述初始特征图各自的M个采样特征图融合,得到N个融合特征图;以及

根据N个所述融合特征图进行目标检测,得到所述目标图像的检测结果。

2.根据权利要求1所述的方法,其中,所述根据目标图像的M个目标特征图中的第一目标特征图,得到N个初始特征图包括:

对所述目标图像进行多级特征提取,得到M个所述目标特征图;以及

对所述第一目标特征图进行N次采样,得到N个所述初始特征图。

3.根据权利要求1所述的方法,其中,所述根据所述初始特征图的偏移信息,从M个所述目标特征图中提取与所述初始特征图对应的M个采样特征图包括:

对所述初始特征图进行卷积,得到所述初始特征图的所述偏移信息,其中,所述偏移信息包括所述初始特征图中多个初始特征点各自的偏移值;

根据所述偏移信息,从M个所述目标特征图中提取与所述初始特征图对应的M个采样特征图。

4.根据权利要求1所述的方法,其中,所述根据所述初始特征图的偏移信息,从M个所述目标特征图中提取与所述初始特征图对应的M个采样特征图包括:

根据所述偏移信息,对M个所述目标特征图分别进行插值,得到M个插值特征图;

根据所述偏移信息,从M个所述插值特征图中提取与所述初始特征图对应的M个所述采样特征图,其中,与所述初始特征图对应的M个所述采样特征图的尺寸与所述初始特征图的尺寸一致。

5.根据权利要求1所述的方法,其中,所述将N个所述初始特征图各自的M个采样特征图融合,得到N个融合特征图包括:

根据M个所述采样特征图各自的预设权重,对M个所述采样特征进行加权融合,得到所述融合特征图。

6.根据权利要求1所述的方法,其中,所述检测结果包括所述目标图像中目标对象的检测框和所述目标对象的类别,所述检测框用于指示所述目标对象在所述目标图像中所处的位置。

7.一种目标检测模型的训练方法,所述目标检测模型包括特征提取网络、特征生成网络和检测网络,所述方法包括:

将所述样本图像输入所述特征提取网络,得到所述样本图像的M个目标特征图,其中,M为大于1的整数;

利用所述特征生成网络对M个目标特征图执行以下操作,得到N个融合特征图:

根据M个所述目标特征图中的第一目标特征图,得到N个初始特征图,其中,N个所述初始特征图的尺寸彼此不同,N为大于1的整数;

根据所述初始特征图的偏移信息,从M个所述目标特征图中提取与所述初始特征图对应的M个采样特征图;

将N个所述初始特征图各自的M个采样特征图融合,得到N个融合特征图;

将N个所述融合特征图输入所述检测网络,得到所述样本图像的检测结果;以及

根据所述检测结果和所述样本图像的标签,训练所述目标检测模型。

8.根据权利要求7所述的方法,其中,所述根据M个所述目标特征图中的第一目标特征图,得到N个初始特征图包括:

对所述第一目标特征图进行N次采样,得到N个所述初始特征。

9.根据权利要求7所述的方法,其中,所述特征生成网络包括卷积单元,

所述根据所述初始特征图的偏移信息,从M个所述目标特征图中提取与所述初始特征图对应的M个采样特征图包括:

利用所述卷积单元对所述初始特征图进行卷积,得到所述初始特征图的所述偏移信息,其中,所述偏移信息包括所述初始特征图中多个初始特征点各自的偏移值;

根据所述偏移信息,从M个所述目标特征图中提取与所述初始特征图对应的M个采样特征图。

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北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,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/202310037880.9/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

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