[發明專利]多尺度目標檢測方法、裝置、計算機設備及存儲介質

有效

• 申請號: 201910516139.4
• 申請日: 2019-06-14
• 公開（公告）號: CN110222787B
• 公開（公告）日: 2022-10-14
• 發明（設計）人: 方寶富;方帥;王浩;方璐;單文靜
• 申請（專利權）人: 合肥工業大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06T3/40
• 代理公司: 深圳市沈合專利代理事務所(特殊普通合伙) 44373
• 代理人: 錢麗華

1.一種多尺度目標檢測方法，其特征在于，所述多尺度目標檢測方法包括：

獲取初始圖像；

將所述初始圖像放大形成圖像金字塔，輸入到預設的特征金字塔網絡；

通過所述預設的特征金字塔網絡對所述初始圖像中的目標進行識別和框選定位處理，得到第一預測結果；

對所述初始圖像按照預設方式進行放大處理，得到放大圖像；

將所述放大圖像輸入到預設的小尺度目標檢測網絡；

通過所述預設的小尺度目標檢測網絡對所述放大圖像進行特征提取和分類，得到第二預測結果；

對所述第一預測結果和所述第二預測結果進行匯總分析，得到目標檢測結果。

2.如權利要求1所述的多尺度目標檢測方法，其特征在于，所述通過所述預設的特征金字塔網絡對所述初始圖像中的目標進行識別和框選定位處理，得到第一預測結果包括：

通過對初始圖像進行候選框特征提取，得到至少一種尺度的初始候選框；

按照預設的分類器，對所述初始候選框進行分類，得到分類后的候選框；

對所述分類后的候選框進行校正處理，得到所述第一預測結果。

3.如權利要求2所述的多尺度目標檢測方法，其特征在于，所述預設的特征金字塔網絡包括輸入層、卷積層和區域建議網絡，所述卷積層包括第一預設卷積層和第二預設卷積層，通過對初始圖像進行候選框特征提取，得到至少一種尺度的初始候選框包括：

通過所述預設的特征金字塔網絡的輸入層提取所述初始圖像中的多通道數據；

采用所述卷積層對所述多通道數據進行特征提取，并對所述第一預設卷積層提取到的數據特征進行降維處理，得到第一特征，對所述第二預設卷積層提取到的數據特征進行降維處理，得到第二特征；

采用雙線性插值的方式，對所述第一特征進行雙線性插值的上采樣，得到上采樣特征，并將所述上采樣特征與所述第二特征進行求和，得到更新后的第二特征；

使用所述區域建議網絡，根據所述第一特征和所述更新后的第二特征，生成所述初始候選框。

4.如權利要求2所述的多尺度目標檢測方法，其特征在于，所述對所述分類后的候選框進行校正處理，得到所述第一預測結果包括：

計算所述分類后的候選框與預設的真實框的歐式距離損失；

根據所述歐式距離損失，對所述分類后的候選框的位置進行調整；

返回所述計算所述分類后的候選框與真實框的歐式距離損失的步驟繼續執行，直到所述歐式距離損失小于預設閾值，將得到的分類后的候選框作為所述第一預測結果。

5.如權利要求1所述的多尺度目標檢測方法，其特征在于，所述預設的小尺度目標檢測網絡為VGG16網絡，所述通過所述預設的小尺度目標檢測網絡對所述放大圖像進行特征提取和分類，得到第二預測結果包括：

采用所述VGG16網絡的卷積層對所述放大圖像進行特征提取，并使用所述VGG16網絡的池化層對提取到的特征進行映射，生成特征圖，其中，所述VGG16網絡的池化層為ROIAlign層；

針對每個所述特征圖，通過softmax分類器計算所述特征圖屬于每個預設類別的預測概率，選取最大概率對應的預設類別，作為所述特征圖對應的預測類別；

將得到的每個所述預測類別作為所述第二預測結果。

6.如權利要求1至5任一項所述的多尺度目標檢測方法，其特征在于，所述對所述第一預測結果和所述第二預測結果進行匯總分析，得到目標檢測結果包括：

分別計算所述第一預測結果中的每個預測結果屬于預設分類的概率，獲取概率小于第一預設閾值的預測結果，作為第一候選結果；

從所述第二預測結果中，獲取預測框面積小于預設大小的預測結果，作為有效預測結果，并分別計算每個所述有效預測結果屬于所述預設分類的概率，得到第二候選結果；

對所述第一候選結果和所述第二候選結果進行非極大值抑制，得到所述目標檢測結果。