[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

本公開涉及一種目標檢測方法及裝置、電子設備和存儲介質，所述方法包括：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目標類別的第一對象的位置。本公開實施例既提高了目標檢測的敏感性，又提高了目標檢測的準確性。

技術領域

本公開涉及計算機技術領域，尤其涉及一種目標檢測方法及裝置、電子設備和存儲介質。

背景技術

肺結節是一種常見病變之一，結節特征往往表明肺病的性質，檢測診斷肺結節對確定病變是不是肺癌有重要意義。肺結節的早期發現、診斷、治療是肺癌的早期診治、降低肺癌死亡率的關鍵。電子計算機斷層掃描(Computed Tomography，CT)是肺癌早起篩查的重要手段，可以基于CT圖像對肺結節進行檢測。

發明內容

本公開提出了一種目標檢測方法及裝置、電子設備和存儲介質，既提高了目標檢測的敏感性，又提高了目標檢測的準確性。

根據本公開的一方面，提供了一種目標檢測方法，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。

在本公開實施例中，一方面，基于分類、回歸和分割的多任務學習進行目標檢測網絡的訓練，利用了任務間的關聯性提升了對目標類別的對象的識別能力；另一方面，基于遞歸式的階段性訓練策略進行目標檢測網絡的訓練，既提高了目標檢測的敏感性，又提高了目標檢測的準確性。

在一種可能的實現方式中，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。

在本公開實施例中，將目標檢測網絡的訓練過程拆分為兩個階段。在第一階段中，重點關注敏感性，使目標檢測網絡盡可能獲取更多的疑似第一對象；在第二階段中，重點關注準確性，使目標檢測網絡在高敏感性的基礎上獲取較高的準確性。

在一種可能的實現方式中，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。

這樣，可以解決因第二圖像包含的數據量大、圖像處理器(Graphics ProcessingUnit，GPU)的顯存有限等原因而造成的GPU無法直接處理的問題。

在一種可能的實現方式中，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。