[發明專利]目標檢測方法、裝置、設備和存儲介質

在審

• 申請號: 202110459855.0
• 申請日: 2021-04-27
• 公開（公告）號: CN113283475A
• 公開（公告）日: 2021-08-20
• 發明（設計）人: 李彬;吳新橋;王昊;劉嵐;蔡思航;郭曉斌;何超林
• 申請（專利權）人: 南方電網數字電網研究院有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;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: 關志琨

本申請提供一種目標檢測方法、裝置、計算機設備和存儲介質，包括：獲取特征提取深度依次遞增的第一初始特征圖、第二初始特征圖和第三初始特征圖；第二初始特征圖和第三初始特征圖進行相加再和第一初始特征圖進行拼接，得到的特征圖分別與第一初始特征圖相加，與第三初始特征圖拼接；然后三個深度上的特征圖會與最初的初始特征圖融合，再經過自下而上的路徑相互融合，特征流動方向多樣，為目標檢測模塊提供攜帶豐富融合特征的第一目標特征圖、第二目標特征圖和第三目標特征圖，提升目標檢測精度。

技術領域

本申請涉及計算機視覺技術領域，特別是涉及一種目標檢測方法、裝置、計算機設備和存儲介質。

背景技術

依靠計算機視覺領域中的目標檢測技術可以監測輸電線路通道場景中是否存在外破危險物，是一種防范外力破壞事故有效的手段。近年隨著深度學習技術的快速發展，利用神經網絡進行目標檢測的方式相較于傳統定制特征的方式，在檢測精度上有著非常高的提升，并且花費的時間和精力成本也更低。

目前目標檢測神經網絡包括特征提取模塊和目標檢測模塊；目標檢測模塊基于特征提取模塊輸出的特征圖進行目標檢測。為了提高目標檢測精度，通常會對特征提取模塊輸出的特征圖進行多尺度融合處理(即不同特征提取深度的特征融合處理)，然后在將多尺度融合處理的特征圖輸入至目標檢測模塊，FPN(特征金字塔)就是多尺度融合處理的典型網絡模塊。但是，傳統的FPN在進行多尺度融合處理時，特征流動方向較單一，難以提供更豐富的融合特征，無法進一步提升多尺度融合效果。

發明內容

基于此，有必要針對上述技術問題，提供一種目標檢測方法、裝置、計算機設備和存儲介質。

一種目標檢測方法，所述方法包括：

獲取特征提取模塊對待檢測圖像進行特征提取后輸出的第一初始特征圖、第二初始特征圖和第三初始特征圖；所述第一初始特征圖、所述第二初始特征圖和所述第三初始特征圖對應的特征提取深度依次遞增；

對所述第二初始特征圖和第三初始特征圖相加得到第一中間特征圖，并將所述第一中間特征圖與所述第一初始特征圖進行拼接，得到第二中間特征圖；

將所述第二中間特征圖和第一初始特征圖相加得到的第三中間特征圖與所述第一初始特征圖進行拼接，得到第一目標特征圖；

將所述第二中間特征圖、第二初始特征圖和第一目標特征圖相加，得到第二目標特征圖；

將對所述第二中間特征圖與第三初始特征圖進行拼接得到的第四中間特征圖與所述第三初始特征圖、第二目標特征圖、第一目標特征圖進行融合，得到第三目標特征圖；

將所述第一目標特征圖、第二目標特征圖和第三目標特征圖輸入目標檢測模塊中，以檢測所述待檢測圖像中的目標。

在其中一個實施例中，所述對所述第二初始特征圖和第三初始特征圖相加得到第一中間特征圖，包括：

為所述第二初始特征圖賦予第一權重，并為所述第三初始特征圖賦予第二權重；

對賦予權重后的第二初始特征圖和第三初始特征圖進行相加得到第五中間特征圖，并為所述第五中間特征圖賦予第三權重；所述第三權重是所述第一權重和所述第二權重的和值的倒數；

利用卷積核對賦予權重后的第五中間特征圖進行特征提取，得到所述第一中間特征圖。

在其中一個實施例中，在為所述第二初始特征圖賦予第一權重，并為所述第三初始特征圖賦予第二權重之前，所述方法還包括：

對所述第一權重和所述第二權重進行歸一化處理。

在其中一個實施例中，在對所述第一權重和所述第二權重進行歸一化處理之前，所述方法還包括：

利用線性整流函數對所述第一權重和/或所述第二權重進行處理，以使第一權重和/或第二權重大于或等于0。