[發明專利]一種目標檢測方法、設備及計算機存儲介質

有效

• 申請號: 202011387920.5
• 申請日: 2020-12-01
• 公開（公告）號: CN112348121B
• 公開（公告）日: 2022-06-28
• 發明（設計）人: 劉富;王新博;康冰;劉云;侯濤;王媛媛
• 申請（專利權）人: 吉林大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 北京知迪知識產權代理有限公司 11628
• 代理人: 王勝利

1.一種目標檢測方法，其特征在于，包括：

獲取待檢測圖像；

利用遞歸網絡結構模型對所述待檢測圖像進行檢測，獲得目標特征信息；所述遞歸網絡結構模型包括架構相同的M級特征提取網絡，M為大于或等于2的整數；每級所述特征提取網絡具有至少兩個輸出特征，第i級所述特征提取網絡具有的至少兩個輸出特征為第i+1級所述特征提取網絡的至少兩個輸入特征，i為大于或等于1，且小于M的整數；

每級所述特征提取網絡包括骨干網絡和處理網絡；

所述骨干網絡的輸入特征至少包括所述待檢測圖像，所述骨干網絡的輸出特征包括至少兩層輸出特征；

所述處理網絡用于對所述骨干網絡的輸出特征進行卷積處理或拼接處理，得到所述特征提取網絡的至少兩層輸出特征；

所述特征提取網絡的級別j為大于或等于2，且小于或等于M的整數時，所述骨干網絡的輸入特征還包括：第j-1級特征提取網絡的至少兩層輸出特征。

2.根據權利要求1所述的目標檢測方法，其特征在于，所述遞歸網絡結構模型包括：遞歸YOLOv4-Tiny網絡結構模型或遞歸YOLOv4網絡結構模型。

3.根據權利要求1所述的目標檢測方法，其特征在于，所述骨干網絡為CSPDarknet網絡，所述處理網絡為FPN網絡。

4.根據權利要求1～3任一項所述的目標檢測方法，其特征在于，所述遞歸網絡結構模型還包括：卷積網絡，用于在第i級特征提取網絡的至少兩層輸出特征輸入第i+1級特征提取網絡前，提取所述第i級特征提取網絡的每層所述輸出特征的特征信息。

5.根據權利要求4所述的目標檢測方法，其特征在于，所述卷積網絡為ASPP網絡、SPP網絡中的至少一種。

6.根據權利要求1～3任一項所述的目標檢測方法，其特征在于，所述遞歸網絡結構模型還包括：融合網絡，用于對M級所述特征提取網絡的至少兩層輸出特征進行融合處理，得到目標特征信息。

7.一種目標檢測設備，其特征在于，包括處理器以及與處理器耦合的通信接口；所述處理器用于運行計算機程序或指令，以實現如權利要求1至6任一項所述目標檢測方法。

8.一種計算機存儲介質，其特征在于，所述計算機存儲介質中存儲有指令，當所述指令被運行時，實現如權利要求1至6任一項所述目標檢測方法。