本发明专利技术公开了一种目标检测方法、系统、计算机设备以及介质，包括步骤：获取待识别的图像并计算得到图像的多个特征图；对多个特征图进行侧边连接得到多个融合特征图，并从融合特征图中筛选出若干融合特征图；将若干融合特征图分别输入到目标检测模型的不同检测模块中，以分别进行不同尺寸目标的检测。本发明专利技术提出的方案通过将多种检测功能整合到一个模型中的不同模块里，在数量上减少了所需的检测模型，降低了模型部署的复杂性和维护成本。
【技术实现步骤摘要】
本专利技术涉及图像目标检测领域，具体涉及一种目标检测方法、系统、设备以及介质。
技术介绍
1、车牌检测与字符识别在智能交通领域具有广泛应用，交通参与者的检测和识别对自动驾驶车辆的安全行驶非常重要，由于车牌和车辆的像素在图像中的占比差别很大，如果使用一个单一的模型直接对车牌和交通参与者这两种目标同时进行检测，就难以兼顾两者的特点。模型在优化过程中往往会侧重于某一类目标的检测效果，从而导致对另一类目标的准确率有所牺牲。比如，若模型更倾向于准确检测出大尺寸的车辆，那么在检测小尺寸的车牌时可能就会出现较多漏检或误检的情况，反之亦然。
2、鉴于上述使用单一模型所面临的问题，目前在实际应用中，针对车牌检测和交通参与者的检测，常见的做法是使用两个独立的模型来分别进行检测。这样做的好处是每个模型可以根据其所要检测的目标特点（如车牌的小尺寸、特定形状和字符分布特点，以及交通参与者的不同类型、大小和行为模式等）进行针对性的优化，从而能够在各自的检测任务上取得较高的准确率，更好地满足智能交通领域对于车牌检测和交通参与者检测的需求。
3、虽然双模型检测有诸多优势，但过多使用独立模型在实际部署和维护过程中也带来了一些问题。不同模型可能有不同的依赖库、运行环境要求等，这就增加了部署的复杂性，需要耗费更多的时间和人力来确保每个模型都能在目标系统中正常运行。在模型的使用过程中，需要不断对其进行维护，多个模型就意味着需要对每个模型分别开展这些维护工作，这无疑提高了模型维护的成本。
技术实现思路
<
p>1、有鉴于此，为了克服上述问题的至少一个方面，本专利技术实施例提出一种目标检测方法，包括以下步骤：2、获取待识别的图像并计算得到所述图像的多个特征图；
3、对所述多个特征图进行侧边连接得到多个融合特征图，并从所述融合特征图中筛选出若干融合特征图；
4、将所述若干融合特征图分别输入到目标检测模型的不同检测模块中，以分别进行不同尺寸目标的检测。
5、在一些实施例中，对所述多个特征图进行侧边连接得到多个融合特征图，进一步包括：
6、利用第n个特征图进行卷积计算得到第n个融合特征图；
7、对第n个融合特征图进行上采样得到与第n-1个特征图的尺寸相同的第n-1个中间特征图；
8、将第一权重与所述第n-1个特征图相乘并将第二权重与所述第n-1个中间特征图相乘，将两个结果相加得到第n-1个融合特征图，其中所述第一权重与第二权重相加为1，且所述第一权重大于所述第二权重。
9、在一些实施例中，将所述若干融合特征图分别输入到目标检测模型的不同检测模块中，以分别进行不同尺寸目标的检测，进一步包括：
10、将第n-1个融合特征图作为第一特征图输入到所述第一检测模块，所述第一检测模块包括多层感知机；
11、利用所述多层感知机对所述第一特征图进行计算得到每一个第一交通参与者的类型以及边界框。
12、在一些实施例中，将所述若干融合特征图分别输入到目标检测模型的不同检测模块中，以分别进行不同尺寸目标的检测，进一步包括：
13、将第二个融合特征图作为第二特征图输入到所述第二检测模块，其中所述第二检测模块包括第一编码器、第一解码器以及多层感知机；
14、利用第一编码器对所述第二特征图进行编码计算得到编码特征；
15、利用第一解码器对所述编码特征进行解码得到解码特征；
16、利用多层感知机对所述解码特征进行计算得到每一个第一交通参与者的类型以及边界框。
17、在一些实施例中，将第二个融合特征图作为第二特征图输入到所述第二检测模块，进一步包括：
18、计算所述第二特征图中每一个点对应的位置编码向量；
19、将所述第二特征图中每一个点对应的向量分别与对应的位置编码向量相加，得到带有位置编码的第二特征图；
20、将带有位置编码的第二特征图输入到所述第二检测模块。
21、在一些实施例中，将所述若干融合特征图分别输入到目标检测模型的不同检测模块中，以分别进行不同尺寸目标的检测，进一步包括：
22、将第一个融合特征图作为第三特征图输入到所述第三检测模块，其中所述第三检测模块包括第二编码器、第二解码器以及多个前反馈神经网络；
23、利用所述第二编码器对所述第三特征图进行编码计算得到编码特征；
24、将所述编码特征和多个预先学习的向量输入到所述第二解码器中进行解码以得到多个输出结果；
25、利用每一个所述前反馈神经网络分别对一个所述输出结果进行计算得到每一个其他目标的检测结果。
26、在一些实施例中，将第一个融合特征图作为第三特征图输入到所述第三检测模块，进一步包括：
27、计算所述第三特征图中每一个点对应的位置编码向量；
28、将所述第三特征图中每一个点对应的向量分别与对应的位置编码向量相加，得到带有位置编码的第三特征图；
29、将带有位置编码的第三特征图输入到所述第三检测模块。
30、基于同一专利技术构思，根据本专利技术的另一个方面，本专利技术的实施例还提供了一种目标检测系统，包括：
31、计算模块，配置为获取待识别的图像并计算得到所述图像的多个特征图；
32、融合模块，配置为对所述多个特征图进行侧边连接得到多个融合特征图，并从所述融合特征图中筛选出若干融合特征图；
33、检测模块，配置为将所述若干融合特征图分别输入到目标检测模型的不同检测模块中，以分别进行不同尺寸目标的检测。
34、基于同一专利技术构思，根据本专利技术的另一个方面，本专利技术的实施例还提供了一种计算机设备，包括：
35、至少一个处理器；以及
36、存储器，所述存储器存储有可在所述处理器上运行的计算机程序，所述处理器执行所述程序时执行如上所述的任一种目标检测方法的步骤。
37、基于同一专利技术构思，根据本专利技术的另一个方面，本专利技术的实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时执行如上所述的任一种目标检测方法的步骤。
38、本专利技术具有以下有益技术效果之一：本专利技术提出的方案通过在一个模型中部署多个模块，每个模块被设定去检测不同尺寸的交通参与者，例如第一检测模块检测救护车、公交车、消防车等第一交通参与者，第二检测模块检测自行车、行人等第二交通参与者，第三检测模块检测车牌等其他目标，这样的分工使得模型能够对多种不同尺寸的目标进行针对性的处理，保证对不同尺寸目标的检测都有较高的准确率。而且本申请通过将多种检测功能整合到一个模型中的不同模块里，无需为每个不同尺寸目标都单独开发和部署一个完整的模型，从而在数量上减少了所需的检测模型，同时只需对一个模型进行部署相关的操作，进一步降低了模型部署的复杂性和维护成本。
本文档来自技高网...
【技术保护点】
1.一种目标检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的方法，其特征在于，对所述多个特征图进行侧边连接得到多个融合特征图，进一步包括：
3.如权利要求2所述的方法，其特征在于，将所述若干融合特征图分别输入到目标检测模型的不同检测模块中，以分别进行不同尺寸目标的检测，进一步包括：
4.如权利要求2所述的方法，其特征在于，将所述若干融合特征图分别输入到目标检测模型的不同检测模块中，以分别进行不同尺寸目标的检测，进一步包括：
5.如权利要求4所述的方法，其特征在于，将第二个融合特征图作为第二特征图输入到第二检测模块，进一步包括：
6.如权利要求2所述的方法，其特征在于，将所述若干融合特征图分别输入到目标检测模型的不同检测模块中，以分别进行不同尺寸目标的检测，进一步包括：
7.如权利要求6所述的方法，其特征在于，将第一个融合特征图作为第三特征图输入到第三检测模块，进一步包括：
8.一种目标检测系统，其特征在于，包括：
9.一种计算机设备，包括：
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时执行如权利要求1-7任意一项所述的方法的步骤。
...
【技术特征摘要】
1.一种目标检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的方法，其特征在于，对所述多个特征图进行侧边连接得到多个融合特征图，进一步包括：
3.如权利要求2所述的方法，其特征在于，将所述若干融合特征图分别输入到目标检测模型的不同检测模块中，以分别进行不同尺寸目标的检测，进一步包括：
4.如权利要求2所述的方法，其特征在于，将所述若干融合特征图分别输入到目标检测模型的不同检测模块中，以分别进行不同尺寸目标的检测，进一步包括：
5.如权利要求4所述的方法，其特征在于，将第二个融合特征图作为第二特征图输入到...
【专利技术属性】
技术研发人员：王金波，李山，郭振华，刘亚辉，
申请(专利权)人：天翼交通科技有限公司，
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。