[發明專利]目標檢測方法、裝置及設備

在審

• 申請號: 202010561372.7
• 申請日: 2020-06-18
• 公開（公告）號: CN111753702A
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 程戰戰
• 申請（專利權）人: 上海高德威智能交通系統有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 王葉娟

1.一種目標檢測方法，其特征在于，包括：

獲取待檢測的目標圖像，所述目標圖像包含目標對象；

將所述目標圖像輸入至已訓練的目標對象檢測網絡，得到所述目標對象檢測網絡中的至少一個指定處理層輸出的目標特征信息，所述目標特征信息是在所述目標對象檢測網絡檢測目標對象的位置信息的過程中輸出的；

將所述目標特征信息輸入至質量檢測網絡，以得到圖像質量參數，所述圖像質量參數用于表征所述目標對象在所述目標圖像中的圖像質量。

2.如權利要求1所述的目標檢測方法，其特征在于，該方法進一步包括：

將所述目標特征信息輸入至位置檢測網絡，以得到準確度指標，所述準確度指標用于指示所述目標對象檢測網絡檢測的所述目標對象的位置信息的準確性；

所述位置檢測網絡與所述目標對象檢測網絡和所述質量檢測網絡中的至少一個集成在同一神經網絡；或者，

所述位置檢測網絡、所述目標對象檢測網絡和所述質量檢測網絡為相互獨立的神經網絡。

3.如權利要求1或2所述的目標檢測方法，其特征在于，目標對象檢測網絡通過以下方式訓練：

獲取訓練樣本集，所述訓練樣本集包括多個圖像樣本，每一圖像樣本被標定有對應的第一標簽信息，所述第一標簽信息用于指示圖像樣本中對象的位置與類別；

利用所述訓練樣本集中的圖像樣本及對應的第一標簽信息對初始目標對象檢測網絡進行訓練，以得到所述目標對象檢測網絡。

4.如權利要求3所述的目標檢測方法，其特征在于，所述訓練樣本集的圖像樣本還被標定有對應的第二標簽信息；所述第二標簽信息用于指示對象在圖像樣本中的圖像質量；

所述質量檢測網絡通過以下方式訓練：

在完成所述目標對象檢測網絡的訓練后，將所述訓練樣本集中的圖像樣本輸入至訓練出的目標對象檢測網絡，得到所述目標對象檢測網絡中的至少一個指定處理層輸出的特征信息，所述特征信息是在所述目標檢測網絡檢測對象的位置信息的過程中輸出的，并輸出至初始質量檢測網絡，以由初始質量檢測網絡基于輸入的特征信息預測圖像質量標簽信息并輸出；

基于所述初始質量檢測網絡輸出的圖像質量標簽信息與所述圖像樣本對應的第二標簽信息優化所述初始質量檢測網絡，并在優化后的初始質量檢測網絡滿足第一訓練結束條件時，將優化后的初始質量檢測網絡確定為所述質量檢測網絡。

5.如權利要求2所述的目標檢測方法，其特征在于，所述訓練樣本集的圖像樣本還被標定有對應的第三標簽信息；所述第三標簽信息用于指示所述第一標簽信息所指示位置的準確性；

所述位置檢測網絡通過以下方式訓練：

在完成所述目標對象檢測網絡的訓練后，將所述訓練樣本集中的圖像樣本輸入至訓練出的目標對象檢測網絡，得到所述目標對象檢測網絡中的至少一個指定處理層輸出的特征信息，所述特征信息是在所述目標檢測網絡檢測對象的位置信息的過程中輸出的，并輸出至初始位置檢測網絡，以由初始位置檢測網絡基于輸入的特征信息預測位置準確性標簽信息并輸出；

基于所述初始位置檢測網絡輸出的位置準確性標簽信息與所述圖像樣本對應的第三標簽信息優化所述初始位置檢測網絡，并在優化后的初始位置檢測網絡滿足第二訓練結束條件時，將優化后的初始位置檢測網絡確定為所述位置檢測網絡。

6.如權利要求1所述的目標檢測方法，其特征在于，

所述質量檢測網絡包括至少一個卷積層和與卷積層相連接的全連接層；所述卷積層先于所述全連接層對輸入至質量檢測網絡的目標特征信息進行處理。

7.一種目標檢測裝置，其特征在于，包括：

目標圖像獲取模塊，用于獲取待檢測的目標圖像，所述目標圖像包含目標對象；

目標檢測模塊，用于將所述目標圖像輸入至已訓練的目標對象檢測網絡，得到所述目標對象檢測網絡中的至少一個指定處理層輸出的目標特征信息，所述目標特征信息是在所述目標對象檢測網絡檢測目標對象的位置信息的過程中輸出的；

質量檢測模塊，用于將所述目標特征信息輸入至質量檢測網絡，以得到圖像質量參數，所述圖像質量參數用于表征所述目標對象在所述目標圖像中的圖像質量。