【技术实现步骤摘要】
一种目标检测方法及装置、电子设备和存储介质
本公开涉及计算机
,尤其涉及一种目标检测方法及装置、电子设备和存储介质。
技术介绍
随着计算机技术的飞速发展和计算机视觉技术的广泛应用,基于深度学习的目标检测算法被应用到日常生活中的目标检测中,例如,人脸识别、行人检测、车牌识别、无人驾驶等各个领域。相关技术中的目标检测方法,检测精度无法满足需求。
技术实现思路
本公开提出了一种目标检测方法及装置、电子设备和存储介质的技术方案。根据本公开的一方面,提供了一种目标检测方法,包括:利用目标检测网络中的第一特征提取支路,对待检测图像进行浅层特征提取,得到所述待检测图像对应的浅层特征图;利用所述目标检测网络中的第二特征提取支路,对所述待检测图像进行深层特征提取,得到所述待检测图像对应的深层特征图;对所述浅层特征图和所述深层特征图进行特征融合,得到融合特征图,其中,所述融合特征图为用于进行目标检测的特征图;根据所述融合特征图,得到所述待检测图像对应的目标检测结果。在一种可能的实现方式中,所述第一特征提取支路包括:残差特征提取模块,其中,所述残差特征提取模块包括多个卷积层;所述利用目标检测网络中的第一特征提取支路,对待检测图像进行浅层特征提取,得到所述待检测图像对应的浅层特征图,包括:利用所述残差特征提取模块,对所述待检测图像进行特征提取,得到所述浅层特征图。在一种可能的实现方式中,所述第一特征提取支路包括:多尺度特征提取模块,其中,所述多尺度特征提取模块包括多个特征提取分支,不同特征提取分支用 ...
【技术保护点】
1.一种目标检测方法,其特征在于,包括:/n利用目标检测网络中的第一特征提取支路,对待检测图像进行浅层特征提取,得到所述待检测图像对应的浅层特征图;/n利用所述目标检测网络中的第二特征提取支路,对所述待检测图像进行深层特征提取,得到所述待检测图像对应的深层特征图;/n对所述浅层特征图和所述深层特征图进行特征融合,得到融合特征图,其中,所述融合特征图为用于进行目标检测的特征图;/n根据所述融合特征图,得到所述待检测图像对应的目标检测结果。/n
【技术特征摘要】
1.一种目标检测方法,其特征在于,包括:
利用目标检测网络中的第一特征提取支路,对待检测图像进行浅层特征提取,得到所述待检测图像对应的浅层特征图;
利用所述目标检测网络中的第二特征提取支路,对所述待检测图像进行深层特征提取,得到所述待检测图像对应的深层特征图;
对所述浅层特征图和所述深层特征图进行特征融合,得到融合特征图,其中,所述融合特征图为用于进行目标检测的特征图;
根据所述融合特征图,得到所述待检测图像对应的目标检测结果。
2.根据权利要求1所述的方法,其特征在于,所述第一特征提取支路包括:残差特征提取模块,其中,所述残差特征提取模块包括多个卷积层;
所述利用目标检测网络中的第一特征提取支路,对待检测图像进行浅层特征提取,得到所述待检测图像对应的浅层特征图,包括:
利用所述残差特征提取模块,对所述待检测图像进行特征提取,得到所述浅层特征图。
3.根据权利要求1或2所述的方法,其特征在于,所述第一特征提取支路包括:多尺度特征提取模块,其中,所述多尺度特征提取模块包括多个特征提取分支,不同特征提取分支用于提取不同尺度的特征图;
所述利用目标检测网络中的第一特征提取支路,对待检测图像进行浅层特征提取,得到所述待检测图像对应的浅层特征图,包括:
利用所述多尺度特征提取模块,对所述待检测图像进行特征提取,得到多个不同尺度的第一特征图;
对多个不同尺度的所述第一特征图进行特征融合,得到所述浅层特征图。
4.根据权利要求1至3中任一项所述的方法,其特征在于,所述第一特征提取支路包括:残差特征提取模块和多尺度特征提取模块;
所述利用目标检测网络中的第一特征提取支路,对待检测图像进行浅层特征提取,得到所述待检测图像对应的浅层特征图,包括:
利用所述多尺度特征提取模块,对所述待检测图像进行特征提取,得到多个不同尺度的第一特征图;
对多个不同尺度的所述第一特征图进行特征融合,得到第二特征图;
利用所述残差特征提取模块,对所述第二特征图进行特征提取,得到所述浅层特征图。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述第一特征提取支路包括:两个卷积层;
所述利用目标检测网络中的第一特征提取支路,对待检测图像进行浅层特征提取,得到所述待检测图像对应的浅层特征图,包括:
利用所述两个卷积层,对所述待检测图像进行特征提取,得到所述浅层特征图。
6.根据权利要求1至5中任一项所述的方法,其特征在于,所述第一特征提取支路包括:一个卷积层和一个最大池化层;
所述利用目标检测网络中的第一特征提取支路,对待检测图像进行浅层特征提取,得到所述待检测图像对应的浅层特征图,包括:
通过所述一个卷积层,对所述待检测图像进行特征提取,得到第三特征图;
通过所述一个最大池化层,对所述第三特征图进行最大池化处理,得到所述浅层特征图。
7.根据权利要求1至6中任一项所述的方法,其特征在于,所述利用目标检测网络中的第一特征提取支路,对待检测图像进行浅层特征提取,得到所述待检测图像对应的浅层特征,包括:
通过一个卷积层对所述待检测图像进行特征提取,得到第四特征图;<...
【专利技术属性】
技术研发人员:林少波,曾星宇,赵瑞,朱烽,
申请(专利权)人:上海商汤智能科技有限公司,
类型:发明
国别省市:上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。