[發(fā)明專利]目標(biāo)檢測(cè)方法及裝置、存儲(chǔ)介質(zhì)、電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202111254346.0
• 申請(qǐng)日: 2021-10-27
• 公開(kāi)（公告）號(hào): CN113989709A
• 公開(kāi)（公告）日: 2022-01-28
• 發(fā)明（設(shè)計(jì)）人: 王金波;許盛宏;原思平;鄭三強(qiáng);王秋森
• 申請(qǐng)（專利權(quán)）人: 中國(guó)電信股份有限公司
• 主分類號(hào): G06V20/40
• 分類號(hào): G06V20/40;G06V10/774;G06V10/80;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京律智知識(shí)產(chǎn)權(quán)代理有限公司 11438
• 代理人: 王輝;闞梓瑄

本公開(kāi)屬于人工智能技術(shù)領(lǐng)域，涉及一種目標(biāo)檢測(cè)方法及裝置、存儲(chǔ)介質(zhì)、電子設(shè)備。該方法包括：獲取待檢測(cè)圖像，并將待檢測(cè)圖像輸入至預(yù)先訓(xùn)練好的圖像優(yōu)化模型中，以使預(yù)先訓(xùn)練好的圖像優(yōu)化模型輸出優(yōu)化圖像；對(duì)優(yōu)化圖像進(jìn)行語(yǔ)義信息提取得到圖像語(yǔ)義信息，并對(duì)圖像語(yǔ)義信息進(jìn)行特征融合處理得到融合信息；對(duì)融合信息進(jìn)行多尺度目標(biāo)檢測(cè)得到待檢測(cè)圖像中的檢測(cè)目標(biāo)。本公開(kāi)從根源上解決了直接對(duì)低分辨率或者目標(biāo)遮擋的待檢測(cè)圖像進(jìn)行目標(biāo)檢測(cè)帶來(lái)的目標(biāo)檢測(cè)準(zhǔn)確率低，甚至漏檢的情況發(fā)生，提高了目標(biāo)檢測(cè)對(duì)前景特征信息的提取速度和關(guān)注度，也提高了目標(biāo)檢測(cè)精度，并且，能夠更進(jìn)一步兼顧多尺寸的目標(biāo)檢測(cè)精度，豐富了目標(biāo)檢測(cè)的應(yīng)用場(chǎng)景。

技術(shù)領(lǐng)域

本公開(kāi)涉及人工智能技術(shù)領(lǐng)域，尤其涉及一種目標(biāo)檢測(cè)方法與目標(biāo)檢測(cè)裝置、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)及電子設(shè)備。

背景技術(shù)

隨著社會(huì)的發(fā)展，攝像頭作為一種重要的圖像信息采集工具應(yīng)用越來(lái)越廣泛。從樓宇電梯監(jiān)控、商場(chǎng)到交通路口電子眼違章車輛抓拍和無(wú)人駕駛都離不開(kāi)攝像頭的身影。其中，監(jiān)控?cái)z像頭每天都能采集到大量的圖像信息，單純靠人工對(duì)視頻圖像進(jìn)行信息提取已經(jīng)不可能完成，需要將研究方向轉(zhuǎn)向如何讓機(jī)器對(duì)視頻內(nèi)人類關(guān)注的目標(biāo)進(jìn)行自動(dòng)識(shí)別、檢測(cè)和追蹤等。

目前，圖像視頻的目標(biāo)檢測(cè)主要是基于深度學(xué)習(xí)理論和深度網(wǎng)絡(luò)模型。基于深度學(xué)習(xí)理論和深度網(wǎng)絡(luò)模型的目標(biāo)檢測(cè)算法準(zhǔn)確性、計(jì)算速度會(huì)受到圖像分辨率和模型結(jié)構(gòu)的影響。并且，現(xiàn)實(shí)生活中老舊的攝像頭的分辨率普遍較低，大批量更換攝像頭的成本很高，更換下來(lái)的老舊攝像頭只能做報(bào)廢處理，也會(huì)導(dǎo)致資源的浪費(fèi)。因此，對(duì)低分辨率圖像進(jìn)行高分辨率重構(gòu)和改變模型架構(gòu)，以提高目標(biāo)檢測(cè)的準(zhǔn)確性是非常有必要的。

當(dāng)前，圖像分辨率重構(gòu)常用的是基于臨近像素插值法、雙線性插值法和深度學(xué)習(xí)反卷積進(jìn)行圖像重構(gòu)的方法。但是，這三種方案都存在一定的問(wèn)題。其中，基于臨近像素插值法對(duì)圖像進(jìn)行重構(gòu)處理得到的圖像，在放大后會(huì)出現(xiàn)馬賽克，在縮小后圖像會(huì)嚴(yán)重失真。低分辨率圖像進(jìn)行進(jìn)行雙線性插值重構(gòu)后可以快速放大圖像，但并不會(huì)提高圖像的清晰度。尤其是當(dāng)圖像放大4倍以上后，會(huì)導(dǎo)致圖像邊緣模糊化。基于深度學(xué)習(xí)的反卷積進(jìn)行分辨率重構(gòu)，圖像的清晰度不高，且計(jì)算量大。

鑒于此，本領(lǐng)域亟需開(kāi)發(fā)一種新的目標(biāo)檢測(cè)方法及裝置。

需要說(shuō)明的是，在上述背景技術(shù)部分公開(kāi)的信息僅用于加強(qiáng)對(duì)本公開(kāi)的背景的理解，因此可以包括不構(gòu)成對(duì)本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

發(fā)明內(nèi)容

本公開(kāi)的目的在于提供一種目標(biāo)檢測(cè)方法、目標(biāo)檢測(cè)裝置、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)及電子設(shè)備，進(jìn)而至少在一定程度上克服由于相關(guān)技術(shù)的限制而導(dǎo)致的圖像重構(gòu)效果不佳和目標(biāo)檢測(cè)準(zhǔn)確率低的技術(shù)問(wèn)題。

本公開(kāi)的其他特性和優(yōu)點(diǎn)將通過(guò)下面的詳細(xì)描述變得顯然，或部分地通過(guò)本公開(kāi)的實(shí)踐而習(xí)得。

根據(jù)本發(fā)明實(shí)施例的第一個(gè)方面，提供一種目標(biāo)檢測(cè)方法，所述方法包括：獲取待檢測(cè)圖像，并將所述待檢測(cè)圖像輸入至預(yù)先訓(xùn)練好的圖像優(yōu)化模型中，以使所述預(yù)先訓(xùn)練好的圖像優(yōu)化模型輸出優(yōu)化圖像；

對(duì)所述優(yōu)化圖像進(jìn)行語(yǔ)義信息提取得到圖像語(yǔ)義信息，并對(duì)所述圖像語(yǔ)義信息進(jìn)行特征融合處理得到融合信息；

對(duì)所述融合信息進(jìn)行多尺度目標(biāo)檢測(cè)得到所述待檢測(cè)圖像中的檢測(cè)目標(biāo)。

在本發(fā)明的一種示例性實(shí)施例中，在所述將所述待檢測(cè)圖像輸入至預(yù)先訓(xùn)練好的圖像優(yōu)化模型中之前，所述方法還包括：

獲取原始圖像樣本以及與所述原始圖像樣本對(duì)應(yīng)的優(yōu)化圖像樣本，并利用所述原始圖像樣本和所述優(yōu)化圖像樣本對(duì)所述圖像優(yōu)化模型進(jìn)行訓(xùn)練得到待評(píng)價(jià)模型；

計(jì)算所述待評(píng)價(jià)模型的生成器損失值和感知損失值，并根據(jù)所述生成器損失值和所述感知損失值對(duì)所述待評(píng)價(jià)模型繼續(xù)進(jìn)行訓(xùn)練，以得到預(yù)先訓(xùn)練好的圖像優(yōu)化模型。