[發明專利]一種實時目標檢測的方法、系統及裝置

在審

• 申請號: 201811623883.6
• 申請日: 2018-12-28
• 公開（公告）號: CN109800770A
• 公開（公告）日: 2019-05-24
• 發明（設計）人: 葛海玉;楊琳;郝祿國;龍鑫;曾文彬;李偉儒
• 申請（專利權）人: 廣州海昇計算機科技有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 胡輝

1.一種實時目標檢測的方法，其特征在于，包括以下步驟：

獲取待檢測的圖片，并對圖片進行第一卷積處理后，獲得第一特征圖；

提取第一特征圖的第一空間信息和第一通道信息后，結合第一特征圖、第一空間信息和第一通道信息獲得第二特征圖；

對第二特征圖進行第二卷積處理后，獲得第三特征圖；

提取第三特征圖的第二空間信息和第二通道信息后，結合第三特征圖、第二空間信息和第二通道信息獲得第四特征圖；

對第四特征圖進行第三卷積處理后，獲得第五特征圖；

對第五特征圖進行第一反卷積處理后，獲得第六特征圖；

對第六特征圖進行第二反卷積處理后，獲得第七特征圖；

對第七特征圖進行第三反卷積處理后，獲得第八特征圖；

將第一特征圖與第八特征圖進行合并后獲得第九特征圖，以及將第三特征圖與第七特征圖進行合并后獲得第十特征圖；

根據預設的損失函數分別對第六特征圖、第九特征圖和第十特征圖進行分類和邊界框的預測。

2.根據權利要求1所述的一種實時目標檢測的方法，其特征在于，所述預設的損失函數包括分類損失函數、邊界框回歸損失函數和聚焦損失函數。

3.根據權利要求2所述的一種實時目標檢測的方法，其特征在于，所述根據預設的損失函數分別對第六特征圖、第九特征圖和第十特征圖進行分類和邊界框的預測這一步驟，具體為：

結合分類損失函數、邊界框回歸損失函數、聚焦損失函數和預設的IOU閾值分別對第六特征圖、第九特征圖和第十特征圖進行分類和邊界框的預測。

4.根據權利要求1所述的一種實時目標檢測的方法，其特征在于，所述提取第一特征圖的第一空間信息和第一通道信息這一步驟，具體為：

采用預設的卷積塊注意模塊提取第一特征圖的第一空間信息和第一通道信息。

5.根據權利要求4所述的一種實時目標檢測的方法，其特征在于，所述卷積塊注意模塊包括通道注意模塊和空間注意模塊。

6.根據權利要求5所述的一種實時目標檢測的方法，其特征在于，所述對圖片進行第一卷積處理這一步驟，具體為：

采用預設的卷積層對圖片進行第一卷積處理，并提取圖片中的特征信息，所述特征信息包括位置信息和語義信息。

7.根據權利要求6所述的一種實時目標檢測的方法，其特征在于，所述卷積層采用VGG-16網絡模型。

8.一種實時目標檢測的系統，其特征在于，包括：

第一卷積模塊，用于獲取待檢測的圖片，并對圖片進行第一卷積處理后，獲得第一特征圖；

第一提取模塊，用于提取第一特征圖的第一空間信息和第一通道信息后，結合第一特征圖、第一空間信息和第一通道信息獲得第二特征圖；

第二卷積模塊，用于對第二特征圖進行第二卷積處理后，獲得第三特征圖；

第二提取模塊，用于提取第三特征圖的第二空間信息和第二通道信息后，結合第三特征圖、第二空間信息和第二通道信息獲得第四特征圖；

第三卷積模塊，用于對第四特征圖進行第三卷積處理后，獲得第五特征圖；

第四卷積模塊，用于對第五特征圖進行第一反卷積處理后，獲得第六特征圖；

第五卷積模塊，用于對第六特征圖進行第二反卷積處理后，獲得第七特征圖；

第六卷積模塊，用于對第七特征圖進行第三反卷積處理后，獲得第八特征圖；

合并模塊，用于將第一特征圖與第八特征圖進行合并后獲得第九特征圖，以及將第三特征圖與第七特征圖進行合并后獲得第十特征圖；

預測模塊，用于根據預設的損失函數分別對第六特征圖、第九特征圖和第十特征圖進行分類和邊界框的預測。

9.根據權利要求8所述的一種實時目標檢測的系統，其特征在于，所述預設的損失函數包括分類損失函數、邊界框回歸損失函數和聚焦損失函數，所述預測模塊具體用于結合分類損失函數、邊界框回歸損失函數、聚焦損失函數和預設的IOU閾值分別對第六特征圖、第九特征圖和第十特征圖進行分類和邊界框的預測。

10.一種實時目標檢測的裝置，其特征在于，包括：

至少一個處理器；

至少一個存儲器，用于存儲至少一個程序；

當所述至少一個程序被所述至少一個處理器執行，使得所述至少一個處理器實現權利要求1-7任一項所述的一種實時目標檢測的方法。