[發明專利]目標檢測模型、應用方法及相關裝置

在審

• 申請號: 202010571484.0
• 申請日: 2020-06-19
• 公開（公告）號: CN111767947A
• 公開（公告）日: 2020-10-13
• 發明（設計）人: 尚太章
• 申請（專利權）人: OPPO廣東移動通信有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強

1.一種目標檢測模型，其特征在于，包括特征提取模塊、特征融合模塊和目標檢測模塊，所述特征提取模塊連接所述特征融合模塊和所述目標檢測模塊，所述特征融合模塊連接所述目標檢測模塊；

所述特征提取模塊，用于提取原始圖像的多種尺度的特征圖；

所述特征融合模塊，用于對所述多種尺度的特征圖中至少三個特征圖進行特征融合，所述至少三個特征圖包括尺度相同和不同的特征圖；

所述目標檢測模塊，用于根據所述多個特征圖中未進行特征融合的特征圖和特征融合后的特征圖，得到所述原始圖像中待檢測目標的目標類別和目標位置。

2.根據權利要求1所述的方法，其特征在于，所述至少三個特征圖包括第一特征圖、第二特征圖和第三特征圖，所述第一特征圖對應第一卷積層，所述第二特征圖對應第二卷積層，所述第二特征圖對應第三卷積層，所述第一卷積層和所述第二卷積層的尺度相同，所述第三卷積層的尺度大于所述第二卷積層；

所述特征融合模塊包括第一特征融合模塊和第二特征融合模塊；

所述第一卷積層連接所述目標檢測模塊，所述第一卷積層和所述第二卷積層連接所述第一特征融合模塊，所述第一特征融合模塊和所述第三卷積層連接所述第二特征融合模塊，所述第二特征融合模塊連接所述目標檢測模塊；

所述第一特征融合模塊用于對所述第一特征圖和所述第二特征圖進行第一特征融合處理，得到第一融合特征圖；

所述第二特征融合模塊用于對所述第一融合特征圖和所述第三特征圖進行第二特征融合處理，得到第二融合特征圖；

所述目標檢測模塊，用于根據所述第一特征圖、所述第二融合特征圖以及未進行特征融合的特征圖中除所述第一特征圖之外的特征圖，得到所述原始圖像中待檢測目標的目標類別和目標位置。

3.根據權利要求2所述的方法，其特征在于，所述第一特征融合模塊包括第一卷積單元、第二卷積單元、第一批量正則化單元、第二批量正則化單元、第一點乘單元、第一激活函數單元；

所述第一卷積單元連接所述第一批量正則化單元，所述第二卷積單元連接所述第二批量正則化單元，所述第一批量正則化單元和所述第二批量正則化單元連接所述第一點乘單元，所述第一點乘單元連接所述第一激活函數單元；

所述第一卷積單元對所述第一特征圖進行處理，所述第二卷積單元對所述第二特征圖進行處理，所述第一激活函數單元輸出所述第一融合特征圖。

4.根據權利要求2或3所述的方法，其特征在于，所述第二特征融合模塊包括第三卷積單元、反卷積單元、第四卷積單元、第五卷積單元、第三批量正則化單元、第四批量正則化單元、第二點乘單元、第二激活函數單元；

所述第三卷積單元連接所述第三批量正則化單元，所述反卷積單元連接所述第四卷積單元，所述第四卷積單元連接所述第五卷積單元，所述第五卷積單元連接所述第四批量正則化單元，所述第四批量正則化單元連接所述第二激活函數單元；

所述反卷積單元對所述第一融合特征圖進行處理，所述第三卷積單元對所述第三特征圖進行處理，所述第二激活函數單元輸出所述第二融合特征圖。

5.根據權利要求1-4任一項所述的方法，其特征在于，所述目標檢測模塊具體用于：

通過卷積濾波器處理所述多個特征圖中未進行特征融合的特征圖和特征融合后的特征圖，得到待檢測目標的多個特征圖的多個預測邊框內的目標類別和相對默認邊框的位置偏移量；

以及使用非極大值抑制對所述多個預測邊框內的目標類別及預測邊框相對所述默認邊框的位置偏移量進行抑制，得到最終的預測邊框內的目標類別及預測邊框相對所述默認邊框的位置偏移量；

以及根據最終的預測邊框相對默認邊框的位置偏移量和所述默認邊框的位置坐標確定預測邊框的位置坐標。

6.根據權利要求1-5任一項所述的方法，其特征在于，所述特征提取模塊包括支持單階段多目標檢測的深度學習模型網絡。

7.根據權利要求6所述的方法，其特征在于，所述支持單階段多目標檢測的深度學習模型網絡包括改進的mobileNet；

所述改進的mobileNet包括mobileNet的卷積層0至卷積層11，以及包括自定義的依次減小的卷積層12至卷積層16。