[發明專利]目標檢測方法及裝置、電子設備和存儲介質

在審

• 申請號: 202110057241.X
• 申請日: 2021-01-15
• 公開（公告）號: CN112785565A
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 王娜;宋濤;劉星龍;黃寧;張少霆
• 申請（專利權）人: 上海商湯智能科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/12;G06T7/62;G06T7/73;G06K9/62
• 代理公司: 北京林達劉知識產權代理事務所(普通合伙) 11277
• 代理人: 劉新宇

1.一種目標檢測方法，其特征在于，包括：

對待檢測的第一圖像進行特征提取，得到所述第一圖像的多個尺度的第一特征圖；

通過已訓練的目標檢測網絡對所述第一圖像的多個尺度的第一特征圖進行處理，得到所述第一圖像中存在的目標類別的第一對象的位置；

其中，所述目標檢測網絡采用遞歸的方式進行訓練；所述目標檢測網絡包括分類子網絡、回歸子網絡和分割子網絡，所述分類子網絡用于確定所述第一圖像中是否存在所述第一對象、所述回歸子網絡用于確定所述第一圖像中存在的第一對象的邊界框，所述分割子網絡用于確定所述第一圖像中存在的第一對象的輪廓。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

根據第一訓練集，對所述目標檢測網絡進行訓練，得到第一狀態的目標檢測網絡，所述第一訓練集包括多個樣本圖像以及所述樣本圖像的第一標注信息，所述第一標注信息包括所述樣本圖像中第二對象的真實位置；

通過所述第一狀態的目標檢測網絡對所述樣本圖像進行處理，得到所述樣本圖像中第二對象的預測位置；

根據所述第二對象的預測位置及真實位置，確定所述樣本圖像中的假陽性區域、假陰性區域及真陽性區域；

根據第二訓練集，對所述第一狀態的目標檢測網絡進行訓練，得到已訓練的目標檢測網絡，所述第二訓練集包括多個樣本圖像以及所述樣本圖像的第二標注信息，所述第二標注信息包括所述樣本圖像中的假陽性區域、假陰性區域及真陽性區域。

3.根據權利要求2所述的方法，其特征在于，所述多個樣本圖像包括正樣本圖像和負樣本圖像，所述方法還包括：

對已標注的第二圖像進行裁剪，得到預設尺寸的正樣本圖像及負樣本圖像，所述正樣本圖像中包括至少一個第二對象，所述負樣本圖像中不包括第二對象。

4.根據權利要求2所述的方法，其特征在于，所述第二對象的真實位置包括所述第二對象的邊界框，所述根據第一訓練集，對所述目標檢測網絡進行訓練，得到第一狀態的目標檢測網絡，包括：

對所述樣本圖像進行特征提取，得到所述樣本圖像的多個尺度的第二特征圖；

根據所述多個尺度的第二特征圖及預設的多個錨框，確定所述樣本圖像中的多個第一參考框；

根據所述樣本圖像中第二對象的邊界框，從所述多個第一參考框中確定出預設數量的訓練樣本，所述訓練樣本包括標注信息為屬于目標類別的正樣本，以及標注信息為不屬于目標類別的負樣本；

根據所述訓練樣本，訓練所述分類子網絡。

5.根據權利要求4所述的方法，其特征在于，所述根據所述樣本圖像中第二對象的邊界框，從所述多個第一參考框中確定出預設數量的訓練樣本，包括：

將所述樣本圖像中的邊界框劃分至多個邊界框集合中，每個邊界框集合中邊界框的尺寸處于預設的尺寸區間內；

針對任一邊界框集合，從所述多個第一參考框中去除已被確定為訓練樣本的第一參考框，得到與所述邊界框集合對應的參考框集合；

針對所述邊界框集合中的任一邊界框，根據所述邊界框與對應的參考框集合中的各個第一參考框之間的交并比，確定與所述邊界框對應的正樣本和負樣本，所述正樣本的數量與所述邊界框集合的尺寸區間負相關；

根據尺寸區間由小到大的順序依次處理各個邊界框集合，得到所述預設數量的訓練樣本。

6.根據權利要求4或5所述的方法，其特征在于，所述根據所述訓練樣本，訓練所述分類子網絡，包括：

對所述第二特征圖進行裁剪，得到所述訓練樣本對應的第三特征圖；

將所述第三特征圖輸入所述分類子網絡，得到所述訓練樣本屬于目標類別的第一概率；

根據所述訓練樣本屬于目標類別的第一概率及所述訓練樣本的標注信息，確定所述分類子網絡的第一損失；

根據所述第一損失，調整所述分類子網絡的網絡參數。