[發明專利]目標檢測方法、裝置、電子設備及存儲介質

在審

• 申請號: 202010584346.6
• 申請日: 2020-06-24
• 公開（公告）號: CN113836977A
• 公開（公告）日: 2021-12-24
• 發明（設計）人: 喻雨峰
• 申請（專利權）人: 順豐科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/46;G06K9/62;G06N3/08
• 代理公司: 深圳紫藤知識產權代理有限公司 44570
• 代理人: 遠明

1.一種目標檢測方法，其特征在于，所述方法包括：

獲取包含目標物體的待檢測圖像，其中，所述目標物體是指待檢測的物體；

對所述待檢測圖像進行特征提取處理，得到所述待檢測圖像的目標特征圖；

根據所述目標特征圖，預測所述目標物體的目標中心點區域數據、以及所述目標物體的目標偏移量數據，其中，所述目標偏移量數據是指所述目標物體的邊框頂點與所述目標物體的中心點區域之間的坐標差值的數據；

根據所述目標中心點區域數據和所述目標偏移量數據，生成所述目標物體的目標檢測框。

2.根據權利要求1所述的目標檢測方法，其特征在于，所述對所述待檢測圖像進行特征提取處理，得到所述待檢測圖像的目標特征圖，包括：

調用預設的下采樣層，提取所述待檢測圖像的圖像特征，得到所述待檢測圖像的多個采樣特征圖；

對所述多個采樣特征圖進行特征融合處理，得到所述待檢測圖像的目標特征圖。

3.根據權利要求1所述的目標檢測方法，其特征在于，所述根據所述目標特征圖，預測所述目標物體的目標中心點區域數據、以及所述目標物體的目標偏移量數據，包括：

將所述目標特征圖輸入訓練好的預測網絡，以輸出所述目標物體的目標中心點區域數據、以及所述目標物體的目標偏移量數據。

4.根據權利要求3所述的目標檢測方法，其特征在于，所述將所述目標特征圖輸入訓練好的預測網絡，以輸出所述目標物體的目標中心點區域數據、以及所述目標物體的目標偏移量數據，之前還包括：

獲取樣本圖像，并獲取所述樣本圖像的中心點區域標簽和偏移量標簽，其中，所述中心點區域標簽用于指示與所述樣本圖像中的樣本物體的中心點的距離處于預設距離范圍內的各點，所述偏移量標簽用于指示所述樣本圖像中的樣本物體的邊框頂點與所述樣本圖像中的樣本物體的中心點區域之間的坐標差值；

調用預設網絡模型的特征提取層，對所述樣本圖像進行特征提取處理，得到所述樣本圖像的樣本特征圖；

調用預設網絡模型的預測輸出層，根據所述樣本特征圖，輸出所述樣本圖像的預測中心點區域數據和預測偏移量數據；

根據所述預測中心點區域數據、所述預測偏移量數據、所述中心點區域標簽和所述偏移量標簽，確定所述預設網絡模型的模型參數，得到訓練好的預測網絡。

5.根據權利要求4所述的目標檢測方法，其特征在于，所述根據所述預測中心點區域數據、所述預測偏移量數據、所述中心點區域標簽和所述偏移量標簽，確定所述預設網絡模型的模型參數，得到訓練好的預測網絡，包括：

根據所述預測中心點區域數據和所述中心點區域標簽，確定所述預設網絡模型的中心點預測損失值；并根據所述預測偏移量數據和所述偏移量標簽，確定所述預設網絡模型的偏移量預測損失值；

根據所述中心點預測損失值和所述偏移量預測損失值，確定所述預設網絡模型的總損失值；

根據所述總損失值，更新所述預設網絡模型的模型參數，直至所述預設網絡模型收斂，得到訓練好的預測網絡。

6.根據權利要求5所述的目標檢測方法，其特征在于，所述方法還包括：

獲取所述樣本圖像的分類標簽，其中，所述分類標簽用于指示所述樣本圖像中的樣本物體的目標類別；

調用預設網絡模型的分類輸出層，根據所述樣本特征圖，輸出所述樣本圖像的預測分類信息；

根據所述預測分類信息和所述分類標簽，確定所述預設網絡模型的分類預測損失值；

根據所述中心點預測損失值和所述偏移量預測損失值，確定所述預設網絡模型的總損失值，包括：

根據所述中心點預測損失值、所述偏移量預測損失值、以及所述分類預測損失值，確定所述預設網絡模型的總損失值。

7.根據權利要求6所述的目標檢測方法，其特征在于，所述方法還包括：

將所述目標特征圖輸入訓練好的預測網絡，以輸出所述目標物體的目標類別。