[發明專利]目標對象檢測方法、裝置、計算機設備和存儲介質

有效

• 申請號: 202110371834.3
• 申請日: 2021-04-07
• 公開（公告）號: CN112766244B
• 公開（公告）日: 2021-06-08
• 發明（設計）人: 張博深;王昌安;王亞彪;汪鋮杰;李季檁;黃飛躍
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08;G06N3/04
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 毛丹

1.一種目標對象檢測方法，其特征在于，所述方法包括：

獲取訓練圖像，將所述訓練圖像輸入待訓練的目標對象檢測模型，所述訓練圖像包括目標對象對應的標簽標注框；

對所述訓練圖像進行特征提取，得到多個尺度的初始訓練特征圖，各個初始訓練特征圖中包括對應的預設標注框；

分別對各個初始訓練特征圖進行特征處理，得到各個初始訓練特征圖分別對應的初始預測偏移量集合，所述初始預測偏移量集合包括初始訓練特征圖上各個預設標注框分別對應的初始預測偏移量；

基于預設標注框和對應的初始預測偏移量得到對應的初始預測標注框；

在當前初始訓練特征圖中，基于各個預設標注框和標簽標注框之間的重合度，從各個預設標注框中確定參考標注框，將所述參考標注框對應的初始預測標注框作為所述當前初始訓練特征圖對應的中間預測標注框；

基于各個初始訓練特征圖分別對應的中間預測標注框得到更新標注框；

基于初始訓練特征圖得到初始訓練特征圖對應的中間訓練特征圖，將初始訓練特征圖與對應的中間訓練特征圖進行融合，得到對應的目標訓練特征圖；

基于所述更新標注框對所述目標訓練特征圖進行特征處理，得到更新標注框對應的目標預測標注框；

基于所述初始預測標注框和所述標簽標注框的位置差異、所述目標預測標注框和所述標簽標注框的位置差異生成回歸損失，基于所述回歸損失調整所述目標對象檢測模型的模型參數，直至滿足收斂條件，得到已訓練的目標對象檢測模型。

2.根據權利要求1所述的方法，其特征在于，所述目標對象檢測模型包括多個特征提取層，各個特征提取層依次連接，不同的特征提取層用于進行不同尺度的特征提取；

所述對所述訓練圖像進行特征提取，得到多個尺度的初始訓練特征圖，包括：

將當前特征提取層輸出的當前初始訓練特征圖輸入下一特征提取層，得到與當前初始訓練特征圖尺度相鄰的初始訓練特征圖。

3.根據權利要求1所述的方法，其特征在于，所述基于各個預設標注框和標簽標注框之間的重合度，從各個預設標注框中確定參考標注框，包括：

將最大重合度對應的預設標注框作為所述參考標注框。

4.根據權利要求1所述的方法，其特征在于，所述基于各個初始訓練特征圖分別對應的中間預測標注框得到更新標注框，包括：

在各個中間預測標注框中，將與標簽標注框重合度最大的中間預測標注框作為所述更新標注框。

5.根據權利要求1所述的方法，其特征在于，所述多個尺度的初始訓練特征圖為按尺度大小排列的初始訓練特征圖；

所述基于初始訓練特征圖得到初始訓練特征圖對應的中間訓練特征圖，包括：

將當前初始訓練特征圖的尺度縮放為所述當前初始訓練特征圖對應的相鄰尺度，將縮放后的當前初始訓練特征圖作為與所述縮放后的當前初始訓練特征圖尺度一致的初始訓練特征圖所對應的中間訓練特征圖。

6.根據權利要求1所述的方法，其特征在于，所述基于所述更新標注框對所述目標訓練特征圖進行特征處理，得到更新標注框對應的目標預測標注框，包括：

基于各個初始訓練特征圖的尺度大小確定各個初始訓練特征圖之間的映射關系；

基于映射關系將所述更新標注框映射到初始訓練特征圖對應的目標訓練特征圖上；

對映射后的目標訓練特征圖進行特征處理，得到更新標注框對應的目標預測標注框。

7.根據權利要求6所述的方法，其特征在于，所述對映射后的目標訓練特征圖進行特征處理，得到更新標注框對應的目標預測標注框，包括：

對映射后的目標訓練特征圖進行特征處理，得到更新標注框對應的目標預測偏移量；

基于更新標注框和對應的目標預測偏移量得到對應的目標預測標注框。