[發(fā)明專利]目標(biāo)對(duì)象檢測方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110371834.3
• 申請(qǐng)日: 2021-04-07
• 公開（公告）號(hào): CN112766244B
• 公開（公告）日: 2021-06-08
• 發(fā)明（設(shè)計(jì)）人: 張博深;王昌安;王亞彪;汪鋮杰;李季檁;黃飛躍
• 申請(qǐng)（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/08;G06N3/04
• 代理公司: 廣州華進(jìn)聯(lián)合專利商標(biāo)代理有限公司 44224
• 代理人: 毛丹

本申請(qǐng)涉及一種目標(biāo)對(duì)象檢測方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)，包括：將包括標(biāo)簽標(biāo)注框的訓(xùn)練圖像輸入待訓(xùn)練的目標(biāo)對(duì)象檢測模型；對(duì)通過對(duì)訓(xùn)練圖像進(jìn)行特征提取得到的各個(gè)初始訓(xùn)練特征圖進(jìn)行特征處理，得到初始訓(xùn)練特征圖上各個(gè)預(yù)設(shè)標(biāo)注框?qū)?yīng)的初始預(yù)測標(biāo)注框，基于預(yù)設(shè)標(biāo)注框和標(biāo)簽標(biāo)注框的位置差異從各個(gè)初始預(yù)測標(biāo)注框中確定更新標(biāo)注框；對(duì)初始訓(xùn)練特征圖進(jìn)行變換和融合得到目標(biāo)訓(xùn)練特征圖；基于更新標(biāo)注框?qū)δ繕?biāo)訓(xùn)練特征圖進(jìn)行特征處理，得到更新標(biāo)注框?qū)?yīng)的目標(biāo)預(yù)測標(biāo)注框；基于初始預(yù)測標(biāo)注框、目標(biāo)預(yù)測標(biāo)注框分別和標(biāo)簽標(biāo)注框的位置差異生成回歸損失，基于回歸損失訓(xùn)練目標(biāo)對(duì)象檢測模型，從而訓(xùn)練得到檢測更準(zhǔn)確的目標(biāo)對(duì)象檢測模型。

技術(shù)領(lǐng)域

本申請(qǐng)涉及計(jì)算機(jī)技術(shù)領(lǐng)域，特別是涉及一種目標(biāo)對(duì)象檢測方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著計(jì)算機(jī)技術(shù)的發(fā)展，出現(xiàn)了人臉檢測技術(shù)，人臉檢測在視頻監(jiān)控、社交娛樂、門禁打卡、表情分析、圖像搜索等非常多的領(lǐng)域都有著重要的作用。

傳統(tǒng)的人臉檢測算法使用手工設(shè)計(jì)特征對(duì)圖片進(jìn)行特征提取，隨后用滑動(dòng)窗的方式對(duì)待檢測圖像進(jìn)行模板匹配，如果圖像區(qū)域和人臉模板的特征高度匹配，則認(rèn)為該區(qū)域就是人臉區(qū)域。這種傳統(tǒng)人臉檢測算法的手工特征部分泛化性能有限，從而導(dǎo)致檢測準(zhǔn)確性低。

發(fā)明內(nèi)容

基于此，有必要針對(duì)上述技術(shù)問題，提供一種能夠提高目標(biāo)對(duì)象的檢測準(zhǔn)確性的目標(biāo)對(duì)象檢測方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)。

一種目標(biāo)對(duì)象檢測方法，所述方法包括：

獲取訓(xùn)練圖像，將訓(xùn)練圖像輸入待訓(xùn)練的目標(biāo)對(duì)象檢測模型，訓(xùn)練圖像包括目標(biāo)對(duì)象對(duì)應(yīng)的標(biāo)簽標(biāo)注框；

對(duì)訓(xùn)練圖像進(jìn)行特征提取，得到多個(gè)尺度的初始訓(xùn)練特征圖，各個(gè)初始訓(xùn)練特征圖中包括對(duì)應(yīng)的預(yù)設(shè)標(biāo)注框；

對(duì)各個(gè)初始訓(xùn)練特征圖進(jìn)行特征處理，得到各個(gè)預(yù)設(shè)標(biāo)注框?qū)?yīng)的初始預(yù)測標(biāo)注框，基于各個(gè)預(yù)設(shè)標(biāo)注框和標(biāo)簽標(biāo)注框之間的位置差異，從各個(gè)初始預(yù)測標(biāo)注框中確定更新標(biāo)注框；

基于初始訓(xùn)練特征圖得到初始訓(xùn)練特征圖對(duì)應(yīng)的中間訓(xùn)練特征圖，將初始訓(xùn)練特征圖與對(duì)應(yīng)的中間訓(xùn)練特征圖進(jìn)行融合，得到對(duì)應(yīng)的目標(biāo)訓(xùn)練特征圖；

基于更新標(biāo)注框?qū)δ繕?biāo)訓(xùn)練特征圖進(jìn)行特征處理，得到更新標(biāo)注框?qū)?yīng)的目標(biāo)預(yù)測標(biāo)注框；

基于初始預(yù)測標(biāo)注框和標(biāo)簽標(biāo)注框的位置差異、目標(biāo)預(yù)測標(biāo)注框和標(biāo)簽標(biāo)注框的位置差異生成回歸損失，基于回歸損失調(diào)整目標(biāo)對(duì)象檢測模型的模型參數(shù)，直至滿足收斂條件，得到已訓(xùn)練的目標(biāo)對(duì)象檢測模型。

在一個(gè)實(shí)施例中，目標(biāo)對(duì)象檢測模型包括多個(gè)特征提取層，各個(gè)特征提取層依次連接，不同的特征提取層用于進(jìn)行不同尺度的特征提取。對(duì)訓(xùn)練圖像進(jìn)行特征提取，得到多個(gè)尺度的初始訓(xùn)練特征圖，包括：

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

在一個(gè)實(shí)施例中，對(duì)各個(gè)初始訓(xùn)練特征圖進(jìn)行特征處理，得到各個(gè)預(yù)設(shè)標(biāo)注框?qū)?yīng)的初始預(yù)測標(biāo)注框，基于各個(gè)預(yù)設(shè)標(biāo)注框和標(biāo)簽標(biāo)注框之間的位置差異，從各個(gè)初始預(yù)測標(biāo)注框中確定更新標(biāo)注框，包括：

分別對(duì)各個(gè)初始訓(xùn)練特征圖進(jìn)行特征處理，得到各個(gè)初始訓(xùn)練特征圖分別對(duì)應(yīng)的初始預(yù)測偏移量集合；初始預(yù)測偏移量集合包括初始訓(xùn)練特征圖上各個(gè)預(yù)設(shè)標(biāo)注框分別對(duì)應(yīng)的初始預(yù)測偏移量；

基于預(yù)設(shè)標(biāo)注框和對(duì)應(yīng)的初始預(yù)測偏移量得到對(duì)應(yīng)的初始預(yù)測標(biāo)注框；

在當(dāng)前初始訓(xùn)練特征圖中，基于各個(gè)預(yù)設(shè)標(biāo)注框和標(biāo)簽標(biāo)注框之間的重合度，從各個(gè)預(yù)設(shè)標(biāo)注框中確定參考標(biāo)注框，將參考標(biāo)注框?qū)?yīng)的初始預(yù)測標(biāo)注框作為當(dāng)前初始訓(xùn)練特征圖對(duì)應(yīng)的中間預(yù)測標(biāo)注框；

基于各個(gè)初始訓(xùn)練特征圖分別對(duì)應(yīng)的中間預(yù)測標(biāo)注框得到更新標(biāo)注框。