[發(fā)明專利]目標(biāo)檢測方法、裝置、設(shè)備和計(jì)算機(jī)可讀介質(zhì)

有效

• 申請?zhí)枺?/td>: 201811273526.1
• 申請日: 2018-10-29
• 公開（公告）號: CN110163057B
• 公開（公告）日: 2023-06-09
• 發(fā)明（設(shè)計(jì)）人: 羅棟豪;王亞彪;崔志鵬;汪鋮杰;李季檁;黃飛躍;吳永堅(jiān)
• 申請（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V20/40;G06V10/82;G06N3/0464
• 代理公司: 北京市柳沈律師事務(wù)所 11105
• 代理人: 于小寧

公開了一種目標(biāo)檢測方法、裝置、設(shè)備和計(jì)算機(jī)可讀介質(zhì)。所述方法包括：利用第一卷積神經(jīng)網(wǎng)絡(luò)從輸入圖像中提取輸入特征圖像，其中所述輸入特征圖像的尺寸小于所述輸入圖像的尺寸；利用第二卷積神經(jīng)網(wǎng)絡(luò)對所述輸入特征圖像執(zhí)行卷積處理；以及利用第三卷積神經(jīng)網(wǎng)絡(luò)對所述第二卷積神經(jīng)網(wǎng)絡(luò)輸出的經(jīng)過卷積處理的輸入特征圖像執(zhí)行預(yù)測，并根據(jù)所述第三卷積神經(jīng)網(wǎng)絡(luò)輸出的預(yù)測結(jié)果確定目標(biāo)所在的區(qū)域的位置。

技術(shù)領(lǐng)域

本公開涉及圖像處理領(lǐng)域，具體涉及一種利用卷積神經(jīng)網(wǎng)絡(luò)執(zhí)行的目標(biāo)檢測方法、裝置、設(shè)備以及計(jì)算機(jī)可讀介質(zhì)。

背景技術(shù)

基于深度學(xué)習(xí)的方法是目前常見的目標(biāo)檢測方法，例如兩階段法如RCNN、Fast-RCNN、Faster-RCNN或一階段法SSD、YOLO、DSSD、SSH等。通過上述通用的目標(biāo)檢測方法，可以檢測多個(gè)類別的目標(biāo)，例如人臉。例如通過設(shè)置用作候選區(qū)域的“錨”(anchor)來回歸出目標(biāo)的位置并分類得到目標(biāo)的類別。

在只需要單一類別的目標(biāo)檢測的使用場景下，可以使用針對特定目標(biāo)設(shè)計(jì)的檢測器(如人臉檢測器MRCNN、S3FD等)進(jìn)行特定目標(biāo)的檢測。

然而，現(xiàn)有的目標(biāo)檢測模型都存在速度較慢、模型較大的缺點(diǎn)。例如兩階段法的Faster-CNN在普通CPU上的運(yùn)行速度約為10s/幀。一階段法如YOLO算法在普通CPU上的運(yùn)行速度約為2s/幀。為了滿足目標(biāo)檢測的實(shí)時(shí)性要求，需要提供一種速度更快的目標(biāo)檢測模型。

發(fā)明內(nèi)容

為此，本公開提供了一種利用卷積神經(jīng)網(wǎng)絡(luò)執(zhí)行的目標(biāo)檢測方法、裝置、設(shè)備以及計(jì)算機(jī)可讀介質(zhì)。

根據(jù)本公開的一個(gè)方面，提供了一種目標(biāo)檢測方法，包括：利用第一卷積神經(jīng)網(wǎng)絡(luò)從輸入圖像中提取輸入特征圖像，其中所述輸入特征圖像的尺寸小于所述輸入圖像的尺寸；利用第二卷積神經(jīng)網(wǎng)絡(luò)對所述輸入特征圖像執(zhí)行卷積處理；以及利用第三卷積神經(jīng)網(wǎng)絡(luò)對所述第二卷積神經(jīng)網(wǎng)絡(luò)輸出的經(jīng)過卷積處理的輸入特征圖像執(zhí)行預(yù)測，并根據(jù)所述第三卷積神經(jīng)網(wǎng)絡(luò)輸出的預(yù)測結(jié)果確定目標(biāo)所在的區(qū)域的位置。

在一些實(shí)施例中，利用第一卷積神經(jīng)網(wǎng)絡(luò)從輸入圖像中提取輸入特征圖像包括：利用第一卷積層將輸入圖像變換成特征圖像，其中所述特征圖像的通道數(shù)多于所述輸入圖像的通道數(shù)；利用第一池化層對所述特征圖像進(jìn)行池化以獲得池化后的特征圖像；利用第二卷積層對所述特征圖像進(jìn)行卷積以獲得卷積后的特征圖像；利用拼接層拼接所述池化后的特征圖像和所述卷積后的特征圖像；利用第三卷積層將所述拼接層輸出的特征圖像變換為具有預(yù)設(shè)通道數(shù)的特征圖像；以及利用第二池化層對具有預(yù)設(shè)通道數(shù)的特征圖像進(jìn)行池化，以獲得所述輸入特征圖像。

在一些實(shí)施例中，利用第二卷積神經(jīng)網(wǎng)絡(luò)對所述輸入特征圖像執(zhí)行卷積處理包括：利用級聯(lián)的多個(gè)第一語義提取神經(jīng)網(wǎng)絡(luò)對所述輸入特征圖像進(jìn)行卷積處理，對于所述級聯(lián)的多個(gè)第一語義提取神經(jīng)網(wǎng)絡(luò)中的每一個(gè)，所述卷積處理包括：對該第一語義提取神經(jīng)網(wǎng)絡(luò)的輸入特征執(zhí)行多路卷積，其中各路卷積的感受野大小互不相同；利用加法操作融合各路卷積輸出的結(jié)果；以及輸出融合的各路卷積的結(jié)果作為該第一語義提取神經(jīng)網(wǎng)絡(luò)的輸出。

在一些實(shí)施例中，所述多路卷積中的至少一路卷積包括深度可分離卷積。

在一些實(shí)施例中，利用第二卷積神經(jīng)網(wǎng)絡(luò)對所述輸入特征圖像執(zhí)行卷積處理還包括：利用第三池化層對所述級聯(lián)的多個(gè)第一語義提取神經(jīng)網(wǎng)絡(luò)中的至少一個(gè)第一語義提取神經(jīng)網(wǎng)絡(luò)的輸出執(zhí)行池化，以獲得更小尺寸的特征圖像。

在一些實(shí)施例中，所述第二卷積神經(jīng)網(wǎng)絡(luò)還包括第二語義提取神經(jīng)網(wǎng)絡(luò)，利用第二卷積神經(jīng)網(wǎng)絡(luò)對所述輸入特征圖像執(zhí)行卷積處理還包括利用第二語義提取神經(jīng)網(wǎng)絡(luò)執(zhí)行以下操作：對所述級聯(lián)的多個(gè)第一語義提取神經(jīng)網(wǎng)絡(luò)的輸出執(zhí)行多路卷積，其中各路卷積的感受野大小互不相同，利用加法操作融合各路卷積輸出的結(jié)果，以及輸出融合的各路卷積的結(jié)果作為所述第二語義提取神經(jīng)網(wǎng)絡(luò)的輸出，其中，所述第二語義提取神經(jīng)網(wǎng)絡(luò)中的至少一路卷積包括擴(kuò)張卷積。