[發明專利]一種目標檢測方法、目標檢測模型訓練方法及相關設備

在審

• 申請號: 202110046248.1
• 申請日: 2021-01-14
• 公開（公告）號: CN114764778A
• 公開（公告）日: 2022-07-19
• 發明（設計）人: 范略;熊璇;王峰;王乃巖
• 申請（專利權）人: 北京圖森智途科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/40;G06V10/764;G06V10/82;G06K9/62;G06N3/04;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

本申請實施例公開了一種目標檢測方法、目標檢測模型訓練方法、裝置、計算機設備及存儲介質，本申請實施例可以獲取待檢測深度圖像，所述待檢測深度圖像的各位置點具有屬性信息；對所述待檢測深度圖像進行特征提取，得到不同分辨率的特征圖；根據所述屬性信息對所述特征圖進行檢測，生成各特征圖所對應的預設屬性區間內的多個檢測框、以及各檢測框的分類置信度；對所述多個檢測框進行合并，得到所述待檢測深度圖像對應的目標框。本申請實施例提高了對目標檢測準確性和便捷性。

技術領域

本申請涉及計算機視覺技術領域，具體涉及一種目標檢測方法、目標檢測模型訓練方法及相關設備。

背景技術

隨著人工智能的不斷發展，目標檢測技術越來越成熟，應用越來越廣泛。其中，目標檢測可以是從圖像中找出感興趣的目標，并確定目標所在的位置等。

目前，現有的目標檢測方式一般是從某種格式的場景數據提取特征，并基于特征預測目標所在的位置。例如，基于鳥瞰圖(Bird’s Eye View，BEV)的3D物體檢測，可以將圖像中的點云從鳥瞰視角上進行體素化，使無序且不規則的點云在一定程度上結構化，便于使用標準的卷積操作基于結構化的點云對圖像進行特征提取，并基于提取得到的特征預測物體所在的位置。但是在高速駕駛環境下，為了保證自動駕駛載具的安全，載具需要較大的感知范圍，而在鳥瞰視角進行大范圍的體素化會帶來極大的計算負擔，因此這種檢測方式無法進行遠距離的物體檢測。又例如，基于多視角的3D物體檢測，融合了點云在多個視角下的特征，多視角的特征融合往往有著非常復雜的算法流程，也有著更大的算法復雜度，因此這中檢測方式很難直接在實時場景中得到應用。

發明內容

本申請實施例提供一種目標檢測方法、目標檢測模型訓練方法、裝置、計算機設備及存儲介質，可以提高對目標檢測準確性和便捷性。

為解決上述技術問題，本申請實施例提供以下技術方案：

本申請實施例提供了一種目標檢測方法，包括：

獲取待檢測深度圖像，所述待檢測深度圖像的各位置點具有屬性信息；

對所述待檢測深度圖像進行特征提取，得到不同分辨率的特征圖；

根據所述屬性信息對所述特征圖進行檢測，生成各特征圖所對應的預設屬性區間內的多個檢測框、以及各檢測框的分類置信度；

對所述多個檢測框進行合并，得到所述待檢測深度圖像對應的目標框。

根據本申請的一個方面，還提供了一種目標檢測模型訓練方法，包括：

獲取樣本深度圖像，所述樣本深度圖像包括各位置點的屬性信息和真實框；

對所述樣本深度圖像進行特征提取，得到不同分辨率的樣本特征圖，所述樣本特征圖中分配有預設屬性區間的真實框；

基于所述屬性信息對各樣本特征圖進行檢測，生成所對應的檢測框以及各檢測框的預測分類置信度；

計算所述檢測框與對應的同類別真實框的真實分類置信度；以及

基于所述預測分類置信度和真實分類置信度對初始目標檢測模型進行訓練，得到訓練后的目標檢測模型。

根據本申請的一個方面，還提供了一種目標檢測裝置，包括：

第一獲取模塊，用于獲取待檢測深度圖像，所述待檢測深度圖像的各位置點具有屬性信息；

第一提取模塊，用于對所述待檢測深度圖像進行特征提取，得到不同分辨率的特征圖；

第一檢測模塊，用于根據所述屬性信息對所述特征圖進行檢測，生成各特征圖所對應的預設屬性區間內的多個檢測框、以及各檢測框的分類置信度；

合并模塊，用于對所述多個檢測框進行合并，得到所述待檢測深度圖像對應的目標框。