[發明專利]一種物體檢測方法、裝置、終端設備及存儲介質在審
| 申請號： | 202110160557.1 | 申請日： | 2021-02-05 |
| 公開（公告）號： | CN112966565A | 公開（公告）日： | 2021-06-15 |
| 發明（設計）人： | 趙雨佳;程駿;龐建新 | 申請（專利權）人： | 深圳市優必選科技股份有限公司 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 深圳中一聯合知識產權代理有限公司 44414 | 代理人： | 劉永康 |
| 地址： | 518000 廣東省深圳市南山區*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 物體 檢測 方法 裝置 終端設備 存儲 介質 | ||
1.一種物體檢測方法，其特征在于，包括：
對預設的優化網絡模型進行訓練，得到預訓練的優化網絡模型；
對所述預訓練的優化網絡模型進行模型剪枝，得到目標網絡模型；
在獲取到目標圖像時，通過所述目標網絡模型進行目標物體檢測，獲得檢測結果。
2.根據權利要求1所述的物體檢測方法，其特征在于，在獲得檢測結果之后，還包括：
當所述檢測結果包括目標物體時，獲得所述目標物體的類型和位置；
根據所述目標物體的類型和位置，執行所述目標物體類型和位置對應的操作。
3.根據權利要求1所述的物體檢測方法，其特征在于，所述在獲取到目標圖像時，通過所述目標網絡模型進行目標物體檢測，獲得檢測結果之前，包括：
通過TensorRT框架模型，對所述目標網絡模型進行優化，得到TensorRT引擎模型。
4.根據權利要求1所述的物體檢測方法，其特征在于，所述通過TensorRT框架模型，對所述目標網絡模型進行優化，得到TensorRT引擎模型，包括：
將所述目標網絡模型轉換為預設格式的目標網絡模型；
將所述預設格式的目標網絡模型加載至TensorRT框架模型中，得到已加載預設格式的目標網絡模型的TensorRT引擎模型。
5.根據權利要求4所述的物體檢測方法，其特征在于，通過所述目標網絡模型進行目標物體檢測，獲得檢測結果，包括：
通過所述TensorRT引擎模型進行目標物體檢測，獲得所述檢測結果。
6.根據權利要求1至5任一項所述的物體檢測方法，其特征在于，所述對所述預訓練的優化網絡模型進行模型剪枝，得到目標網絡模型，包括：
根據預設壓縮算法對所述預訓練的優化網絡模型進行網絡結構剪枝和網絡權重剪枝，得到目標網絡模型。
7.根據權利要求1至5任一項所述的物體檢測方法，其特征在于，所述優化網絡模型基于YOLOv5模型構建且以MobileNetV3的small模型為骨干網絡。
8.一種物體檢測裝置，其特征在于，包括：
訓練模塊，用于對預設的優化網絡模型進行訓練，得到預訓練的優化網絡模型；
剪枝模塊，用于對所述預訓練的優化網絡模型進行模型剪枝，得到目標網絡模型；
檢測模塊，用于在獲取到目標圖像時，通過所述目標網絡模型進行目標物體檢測，獲得檢測結果。
9.一種終端設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至7任一項所述的方法。
10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述的方法。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于深圳市優必選科技股份有限公司，未經深圳市優必選科技股份有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110160557.1/1.html，轉載請聲明來源鉆瓜專利網。
