目标检测方法、装置、电子设备及存储介质与流程

本发明涉及人工智能领域，尤其涉及一种目标检测方法、装置、电子设备及存储介质。

背景技术：

1、在目标检测任务中，就是需要去解决目标在图像中的哪里和目标是什么类别的问题。通过对图像进行特征提取，得到图像的目标特征，对图像的目标特征进行分类，从而检测出目标的类别，对图像的目标特征进行回归，从而检测出目标在图像中的位置。其中，分类要求目标特征具有平移和尺度不变性，不管目标在图片中是什么位置，学到的目标特征不会因为尺度、旋转和位置等变换发生改变。回归需要保证目标的位置和形状变化反映在目标特征上，进而回归得到目标在图像中的位置，即平移和尺度的相等性。可以看出，不同任务所需要的目标特征在特性上是不一样的，这就导致了用于目标检测的目标特征中存在特征冲突的问题，从而降低了目标检测的性能。

技术实现思路

1、本发明实施例提供一种目标检测方法，旨在解决现有目标检测过程中不同任务所需要的目标特征在特性上不一样，导致用于目标检测的目标特征中存在特征冲突，降低了目标检测性能的问题。通过将待检测图像的目标特征进行通道分配，使得分配后的目标特征更适应于不同的检测器，利用通道分配解决不同检测任务的特征冲突问题，从而提高了目标检测的性能。

2、第一方面，本发明实施例提供一种目标检测方法，所述方法包括：

3、通过训练好的特征提取器对待检测图像进行特征提取，得到所述待检测图像的目标特征；

4、通过训练好的通道分配器对所述目标特征进行通道分配，得到分配后的目标特征，所述通道分配器与分配后的所述目标特征一一对应；

5、将分配后的所述目标特征分配到对应的所述检测器进行检测，得到所述待检测图像的目标检测结果，所述通道分配器至少与一个所述检测器。

6、可选的，所述通道分配器包括与所述检测器对应的通道注意力序列，不同检测器对应不同的通道注意力序列，所述通过训练好的通道分配器对所述目标特征进行通道分配，得到分配后的目标特征，包括：

7、通过所述通道注意力序列对所述目标特征进行通道分配，得到分配后的目标特征。

8、可选的，在所述通过训练好的特征提取器对待检测图像进行特征提取，得到所述待检测图像的目标特征之前，所述方法还包括：

9、确定数据集与待训练模型，所述数据集包括样本图像以及与所述样本图像对应的多个属性标签，每个属性标签对应一个所述初始检测器，所述待识别模型包括初始特征提取器、初始通道分配器以及初始检测器，所述初始分配器至少与一个所述初始检测器；

10、通过所述数据集对所述待训练模型进行训练，得到训练好的模型；

11、基于所述训练好的模型，确定训练好的所述特征提取器、训练好的所述通道分配器以及训练好的所述检测器。

12、可选的，所述确定数据集与待训练模型，包括：

13、根据所述初始检测器的属性数据，确定所述样本图像对应的属性标签，一个属性标签对应一个初始检测器；

14、将所述样本图像与对应的属性标签进行关联，得到所述数据集；

15、根据所述初始特征提取器的输出通道以及所述初始检测器的属性数据，确定各个所述通道分配器中的初始通道注意力序列；

16、将所述初始通道分配器与对应的所述初始检测器进行连接，得到所述待训练模型。

17、可选的，所述根据所述初始特征提取器的输出通道以及所述初始检测器的属性数据，确定各个所述通道分配器中的初始通道注意力序列，包括：

18、根据所述初始特征提取器的输出通道，确定所述初始通道注意力序列的长度；

19、根据各个所述初始检测器的属性数据，确定对应所述初始通道注意力序列中的初始通道注意力值。

20、可选的，所述初始通道注意力序列包括第一通道注意力子序列与第二通道注意力子序列，所述根据各个所述初始检测器的属性数据，确定对应所述初始通道注意力序列中的初始通道注意力值，包括：

21、根据各个所述初始检测器的属性数据，确定对应所述初始通道注意力序列中所述第一通道注意力子序列以及所述第二通道注意力子序列；

22、根据所述初始检测器的属性数据，确定各个所述初始通道注意力序列之间的约束关系；

23、根据所述第一通道注意力子序列的位置、所述第二通道注意力子序列的位置以及所述各个初始通道注意力序列之间的约束关系，确定所述初始通道注意力序列中的初始通道注意力值。

24、可选的，所述通过所述数据集对所述待训练模型进行训练，得到训练好的模型，包括：

25、将所述样本图像输入到所述待识别模型中进行处理，得到所述样本图像的各属性输出；

26、基于所述样本图像的各属性输出以及所述样本图像的各属性标签，确定所述样本图像的总损失函数；

27、根据所述样本图像的总损失函数，对所述待识别模型进行参数调整，并迭代训练过程，直到迭代次数满足预测次数或所述待识别模型收敛为止，得到训练好的模型。

28、第二方面，本发明实施例提供一种目标检测装置，所述装置包括：

29、提取模块，用于通过训练好的特征提取器对待检测图像进行特征提取，得到所述待检测图像的目标特征；

30、分配模块，用于通过训练好的通道分配器对所述目标特征进行通道分配，得到分配后的目标特征，所述通道分配器与分配后的所述目标特征一一对应；

31、检测模块，用于将分配后的所述目标特征分配到对应的所述检测器进行检测，得到所述待检测图像的目标检测结果，所述通道分配器至少与一个所述检测器对应。

32、第三方面，本发明实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并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计算机程序时实现本发明实施例提供的目标检测方法中的步骤。

33、第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现发明实施例提供的目标检测方法中的步骤。

34、本发明实施例中，通过训练好的特征提取器对待检测图像进行特征提取，得到所述待检测图像的目标特征；通过训练好的通道分配器对所述目标特征进行通道分配，得到分配后的目标特征，所述通道分配器与分配后的所述目标特征一一对应；将分配后的所述目标特征分配到对应的所述检测器进行检测，得到所述待检测图像的目标检测结果，所述通道分配器至少与一个所述检测器对应。通过将待检测图像的目标特征进行通道分配，使得分配后的目标特征更适应于不同的检测器，利用通道分配解决不同检测任务的特征冲突问题，从而提高了目标检测的性能。

技术特征：

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所述的目标检测方法，其特征在于，所述通道分配器包括与所述检测器对应的通道注意力序列，不同检测器对应不同的通道注意力序列，所述通过训练好的通道分配器对所述目标特征进行通道分配，得到分配后的目标特征，包括：

3.如权利要求2所述的目标检测方法，其特征在于，在所述通过训练好的特征提取器对待检测图像进行特征提取，得到所述待检测图像的目标特征之前，所述方法还包括：

4.如权利要求3所述的目标检测方法，其特征在于，所述确定数据集与待训练模型，包括：

5.如权利要求4所述的目标检测方法，其特征在于，所述根据所述初始特征提取器的输出通道以及所述初始检测器的属性数据，确定各个所述通道分配器中的初始通道注意力序列，包括：

6.如权利要求5所述的目标检测方法，其特征在于，所述初始通道注意力序列包括第一通道注意力子序列与第二通道注意力子序列，所述根据各个所述初始检测器的属性数据，确定对应所述初始通道注意力序列中的初始通道注意力值，包括：

7.如权利要求6所述的目标检测方法，其特征在于，所述通过所述数据集对所述待训练模型进行训练，得到训练好的模型，包括：

8.一种目标检测装置，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并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计算机程序时实现如权利要求1至7中任一项所述的目标检测方法中的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的目标检测方法中的步骤。

技术总结
本发明实施例提供一种目标检测方法，通过训练好的特征提取器对待检测图像进行特征提取，得到所述待检测图像的目标特征；通过训练好的通道分配器对所述目标特征进行通道分配，得到分配后的目标特征，所述通道分配器与分配后的所述目标特征一一对应；将分配后的所述目标特征分配到对应的所述检测器进行检测，得到所述待检测图像的目标检测结果，所述通道分配器至少与一个所述检测器对应。通过将待检测图像的目标特征进行通道分配，使得分配后的目标特征更适应于不同的检测器，利用通道分配解决不同检测任务的特征冲突问题，从而提高了目标检测的性能。

技术研发人员：高声荣,曾卓熙,肖嵘,王孝宇
受保护的技术使用者：深圳云天励飞技术股份有限公司
技术研发日：
技术公布日：2024/1/13