[发明专利]一种目标检测模型及其训练方法、目标检测方法及设备

权利要求书

1.一种目标检测模型，其特征在于，包括：

骨干网络，用于获取待检测图像，提取所述待检测图像不同层级的空间信息，并利用所述空间信息提取得到语义信息；

颈部网络，用于对所述空间信息及所述语义信息进行交叉融合处理，分别得到上采样融合信息和卷积融合信息；

头部网络，用于对所述上采样融合信息和所述卷积融合信息进行预测处理，得到所述待检测图像中目标的位置信息。

2.根据权利要求1所述的目标检测模型，其特征在于，所述骨干网络包括：

第一提取模块，用于提取所述待检测图像中的空间信息；

第二提取模块，用于根据所述空间信息提取所述待检测图像中的语义信息。

3.根据权利要求2所述的目标检测模型，其特征在于，所述第一提取模块包括：

卷积单元，用于调整所述待检测图像的通道数，并对所述待检测图像进行若干次特征提取，得到若干个中间卷积信息；

卷积融合单元，用于将所有所述中间卷积信息进行融合，得到空间信息。

4.根据权利要求2所述的目标检测模型，其特征在于，所述第二提取模块包括：

池化单元，用于通过不同窗口大小对输入的图像进行特征提取，得到若干个中间池化信息；

池化融合单元，用于将所有所述中间池化信息进行融合，得到语义信息。

5.根据权利要求1所述的目标检测模型，其特征在于，所述颈部网络包括：

第一融合模块，用于对所述空间信息和上采样处理后的所述语义信息进行融合处理，得到上采样融合信息；

第二融合模块，用于对所述上采样融合信息和所述语义信息进行融合处理，得到卷积融合信息。

6.根据权利要求1所述的目标检测模型，其特征在于，所述头部网络包括：

第一预测模块，用于根据所述上采样融合信息对输入的图像在第一维度进行预测，输出所述待检测图像中目标的第一位置信息；

第二预测模块，用于根据所述卷积融合信息对输入的图像在第二维度进行预测，输出所述待检测图像中的目标的第二位置信息。

7.一种目标检测方法，其特征在于，包括：

获取待检测图像；

将所述待检测图像输入如权利要求1～6任一项所述的目标检测模型，得到目标检测结果。

8.一种目标检测模型的训练方法，其特征在于，包括：

获取待训练目标检测模型；其中，所述待训练目标检测模型的网络结构如权利要求1～6任一项所述；

获取训练图像集；其中，所述训练图像集包括多幅训练图像，所述训练图像含有标注信息，所述标注信息用于指示对所述训练图像中目标的标注；

将所述训练图像集输入所述待训练目标检测模型；

根据所述训练图像集和所述待训练目标检测模型的输出计算损失值，以及根据计算出的损失值对所述待训练目标检测模型进行迭代优化，得到损失值满足预设范围的目标检测模型。

9.一种电子设备，其特征在于，所述电子设备包括相机、处理器及可供所述处理器执行的计算机指令；

所述相机用于采集待检测图像；

所述处理器用于获取所述待检测图像，并在执行所述计算机指令时可实现如权利要求7或8所述的方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机指令，所述计算机指令被执行时实现如权利要求7或8所述的方法。