【技术实现步骤摘要】
本公开涉及计算机领域，特别涉及一种目标检测方法、目标检测模型的训练方法及电子设备。
技术介绍
1、相关技术的目标检测模型，会把属性相同的物体检测为相同的目标。相关技术的目标检测模型包括一阶段和两阶段两种模型。两阶段的目标检测模型，第一阶段会得到候选的目标区域，第二阶段针对候选区域进行分类，得到目标。一阶段的目标检测模型，不使用候选区域，直接在网络中提取特征来预测目标的分类和位置。
2、无论一阶段的目标检测模型还是二阶段的目标检测模型，都先将图像缩放到预设大小，然后提取特征，接着对特征进行不同的处理，来检测目标。
技术实现思路
1、相关目标检测技术的图像缩放处理使得图像丢失了目标的尺度信息，造成目标检测不准确，例如，无法区分形状类似但大小不同的不同目标，或者无法区分由于拍摄距离不同形成的图像大小不同的相同目标。
2、本公开实施例，通过带有标尺的图像，即使图像经过缩放处理，也可以保留图像中的尺度信息，根据标尺的单位长度对应的估计像素数和期望像素数对图像进行缩放，使得目标在图像中的尺寸与目标实际尺寸相适配，再进行目标检测，可以提高目标检测的准确性，有效识别形状类似但大小不同的不同目标以及由于拍摄距离不同形成的图像大小不同的相同目标。
3、本公开一些实施例提出一种目标检测方法，包括：
4、获取带有标尺的目标的第一图像；
5、将所述第一图像缩放到预设大小，得到第二图像；
6、利用特征提取网络提取所述第二图像的特征；>
7、根据所述第二图像的特征，确定所述第一图像中标尺的单位长度对应的估计像素数；
8、根据标尺的单位长度对应的估计像素数和期望像素数，基于所述第二图像的特征对所述第二图像进行缩放；
9、根据缩放后的所述第二图像，利用目标检测网络，检测并输出所述目标的检测结果。
10、在一些实施例中，所述特征提取网络包括前后级联的第一特征提取子网络和第二特征提取子网络，利用特征提取网络提取所述第二图像的特征包括：
11、利用所述第一特征提取子网络提取所述第二图像的第一特征；
12、利用所述第一特征提取子网络和所述第二特征提取子网络提取所述第二图像的第二特征。
13、在一些实施例中，确定所述第一图像中标尺的单位长度对应的估计像素数包括：根据所述第二图像的第一特征，利用标尺检测网络，检测标尺，利用标尺估计网络，确定所述标尺的单位长度对应的估计像素数。
14、在一些实施例中，基于所述第二图像的特征对所述第二图像进行缩放包括：根据标尺的单位长度对应的估计像素数和期望像素数，基于所述第二图像的第二特征，对所述第二图像进行缩放。
15、在一些实施例中，所述标尺检测网络为能够检测目标的神经网络，所述标尺估计网络为回归网络。
16、在一些实施例中，根据标尺的单位长度对应的估计像素数和期望像素数，基于所述第二图像的特征对所述第二图像进行缩放包括：
17、根据标尺的单位长度对应的估计像素数与标尺的单位长度对应的期望像素数的比例，确定缩放比例；
18、根据所述缩放比例，基于所述第二图像的特征对所述第二图像进行缩放。
19、在一些实施例中，标尺包括水平标尺和垂直标尺，根据标尺的单位长度对应的估计像素数与标尺的单位长度对应的期望像素数的比例，确定缩放比例包括：
20、计算水平标尺的单位长度对应的估计像素数与标尺的单位长度对应的期望像素数的第一比例；
21、计算垂直标尺的单位长度对应的估计像素数与标尺的单位长度对应的期望像素数的第二比例；
22、将所述第一比例和所述第二比例中的较大比例，确定为缩放比例。
23、本公开一些实施例提出一种目标检测模型的训练方法，所述目标检测模型包括特征提取网络、标尺检测网络、标尺估计网络、以及目标检测网络，所述训练方法包括：
24、获取第一训练图像，所述第一训练图像包括带有标尺的目标，并具有标尺的标注信息、标尺的单位长度对应的标注像素数、目标的标注信息；
25、将所述第一训练图像缩放到预设大小，得到第二训练图像；
26、利用所述特征提取网络提取所述第二训练图像的特征；
27、根据所述第二训练图像的特征，利用所述标尺检测网络，获取标尺的检测信息，利用所述标尺估计网络，获取标尺的单位长度对应的估计像素数；
28、根据标尺的单位长度对应的估计像素数和期望像素数，基于所述第二训练图像的特征，对所述第二训练图像进行缩放；
29、根据缩放后的所述第二训练图像，利用所述目标检测网络，获取所述目标的检测信息；
30、根据第一损失、第二损失和第三损失，对所述目标检测模型进行训练，其中，所述第一损失根据标尺的标注信息和检测信息确定，所述第二损失根据标尺的单位长度对应的标注像素数和估计像素数确定，所述第三损失根据目标的标注信息和检测信息确定。
31、在一些实施例中，所述特征提取网络包括前后级联的第一特征提取子网络和第二特征提取子网络，利用所述特征提取网络提取所述第二训练图像的特征包括：
32、利用所述第一特征提取子网络提取所述第二训练图像的第一特征；
33、利用所述第一特征提取子网络和所述第二特征提取子网络提取所述第二训练图像的第二特征。
34、在一些实施例中，获取标尺的单位长度对应的估计像素数包括：根据所述第二训练图像的第一特征，利用所述标尺检测网络，获取标尺的检测信息，利用所述标尺估计网络，获取标尺的单位长度对应的估计像素数；对所述第二训练图像进行缩放包括：根据标尺的单位长度对应的估计像素数和期望像素数，基于所述第二训练图像的第二特征，对所述第二训练图像进行缩放。
35、在一些实施例中，根据标尺的单位长度对应的估计像素数和期望像素数，基于所述第二训练图像的特征，对所述第二训练图像进行缩放包括：
36、根据标尺的单位长度对应的估计像素数与标尺的单位长度对应的期望像素数的比例，确定缩放比例；
37、根据所述缩放比例，基于所述第二训练图像的特征，对所述第二训练图像进行缩放。
38、在一些实施例中，标尺包括水平标尺和垂直标尺；
39、根据标尺的单位长度对应的估计像素数与标尺的单位长度对应的期望像素数的比例，确定缩放比例包括：
40、计算水平标尺的单位长度对应的估计像素数与标尺的单位长度对应的期望像素数的第一比例；
41、计算垂直标尺的单位长度对应的估计像素数与标尺的单位长度对应的期望像素数的第二比例；
42、将所述第一比例和所述第二比例中的较大比例，确定为缩放比例。
43、在一些实施例中，将所述第一训练图像缩放到预设大小，得到第二训练图像包括：
44、确定所述第一训练图像缩放到预设大小对应的水平方向的缩放比例和垂直方向的缩放比例；<本文档来自技高网...
【技术保护点】
1.一种目标检测方法，包括：
2.根据权利要求1所述的目标检测方法，其中，所述特征提取网络包括前后级联的第一特征提取子网络和第二特征提取子网络，利用特征提取网络提取所述第二图像的特征包括：
3.根据权利要求2所述的目标检测方法，其中，确定所述第一图像中标尺的单位长度对应的估计像素数包括：
4.根据权利要求2所述的目标检测方法，其中，基于所述第二图像的特征对所述第二图像进行缩放包括：
5.根据权利要求3所述的目标检测方法，其中，所述标尺检测网络为能够检测目标的神经网络，所述标尺估计网络为回归网络。
6.根据权利要求1-5任一项所述的目标检测方法，其中，根据标尺的单位长度对应的估计像素数和期望像素数，基于所述第二图像的特征对所述第二图像进行缩放包括：
7.根据权利要求6所述的目标检测方法，其中，标尺包括水平标尺和垂直标尺，根据标尺的单位长度对应的估计像素数与标尺的单位长度对应的期望像素数的比例，确定缩放比例包括：
8.一种目标检测模型的训练方法，所述目标检测模型包括特征提取网络、标尺检测网络、标尺估计
9.根据权利要求8所述的目标检测模型的训练方法，其中，所述特征提取网络包括前后级联的第一特征提取子网络和第二特征提取子网络，利用所述特征提取网络提取所述第二训练图像的特征包括：
10.根据权利要求9所述的目标检测模型的训练方法，其中，
11.根据权利要求8所述的目标检测模型的训练方法，其中，所述标尺检测网络为能够检测目标的神经网络，所述标尺估计网络为回归网络。
12.根据权利要求8-11任一项所述的目标检测模型的训练方法，其中，根据标尺的单位长度对应的估计像素数和期望像素数，基于所述第二训练图像的特征，对所述第二训练图像进行缩放包括：
13.根据权利要求12所述的目标检测模型的训练方法，其中，标尺包括水平标尺和垂直标尺；
14.根据权利要求8所述的目标检测模型的训练方法，其中，将所述第一训练图像缩放到预设大小，得到第二训练图像包括：
15.根据权利要求8-14任一项所述的目标检测模型的训练方法，其中，对所述目标检测模型进行训练包括：
16.一种电子设备，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行权利要求1-15中任一项所述的方法。
17.一种电子设备，包括：执行权利要求1-15中任一项所述的方法的模块。
18.一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现权利要求1-15中任一项所述的方法的步骤。
19.一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现权利要求1-15中任一项所述方法的步骤。
...【技术特征摘要】
1.一种目标检测方法，包括：
2.根据权利要求1所述的目标检测方法，其中，所述特征提取网络包括前后级联的第一特征提取子网络和第二特征提取子网络，利用特征提取网络提取所述第二图像的特征包括：
3.根据权利要求2所述的目标检测方法，其中，确定所述第一图像中标尺的单位长度对应的估计像素数包括：
4.根据权利要求2所述的目标检测方法，其中，基于所述第二图像的特征对所述第二图像进行缩放包括：
5.根据权利要求3所述的目标检测方法，其中，所述标尺检测网络为能够检测目标的神经网络，所述标尺估计网络为回归网络。
6.根据权利要求1-5任一项所述的目标检测方法，其中，根据标尺的单位长度对应的估计像素数和期望像素数，基于所述第二图像的特征对所述第二图像进行缩放包括：
7.根据权利要求6所述的目标检测方法，其中，标尺包括水平标尺和垂直标尺，根据标尺的单位长度对应的估计像素数与标尺的单位长度对应的期望像素数的比例，确定缩放比例包括：
8.一种目标检测模型的训练方法，所述目标检测模型包括特征提取网络、标尺检测网络、标尺估计网络、以及目标检测网络，所述训练方法包括：
9.根据权利要求8所述的目标检测模型的训练方法，其中，所述特征提取网络包括前后级联的第一特征提取子网络和第二特征提取子网络，利用所述特征提取网络提取所述第二训练图像的特征包括：
1...
【专利技术属性】
技术研发人员：张虎，
申请(专利权)人：北京沃东天骏信息技术有限公司，
类型：发明
国别省市：
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。