目标检测方法、装置、设备以及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114926653A(43)申请公布日2022.08.19(21)申请号202210629338.8(22)申请日2022.05.31(71)申请人北京百度网讯科技有限公司地址100085北京市海淀区上地十街10号百度大厦2层(72)发明人张玉立范彦文(74)专利代理机构北京易光知识产权代理有限公司11596专利代理师徐升升阎敏(51)Int.Cl.G06V10/44(2022.01)G06V10/82(2022.01)G06V40/16(2022.01)G06N3/08(2006.01)G06N3/04(2006.01)权利要求书3页说明书11页附图6页(54)发明名称目标检测方法、装置、设备以及存储介质(57)摘要本公开提供了一种目标检测方法、装置、设备以及存储介质。涉及人工智能技术领域，具体涉及计算机视觉和深度学习技术，具体可用于人手检测、人体检测和人体关键点检测等联合检测场景下。具体实现方案为：通过目标检测模型提取待检测图片的图像特征；将图像特征分别输入至N个检测分支，N个检测分支用于检测N种类别的目标对象；将N个检测分支中第一检测分支的卷积层输出的中间卷积特征，输入至N个检测分支中第二检测分支的卷积层中，得到N个检测分支输出的最终卷积特征；根据N个检测分支输出的最终卷积特征，输出待检测图片的包括N种类别的检测结果。根据本公开的技术方案，能提高检测效率，也能提高检测精度。CN114926653ACN114926653A权利要求书1/3页1.一种目标检测方法，包括：通过目标检测模型提取待检测图片的图像特征，所述目标检测模型包括M个检测分支，M为大于等于2的正整数；将所述图像特征分别输入至N个检测分支，所述N个检测分支用于检测N种类别的目标对象，N为大于等于2的正整数，N小于等于M；将所述N个检测分支中第一检测分支的卷积层输出的中间卷积特征，输入至所述N个检测分支中第二检测分支的卷积层中，得到所述N个检测分支输出的最终卷积特征，其中，所述N个检测分支输出的最终卷积特征，包括所述第一检测分支输出的最终卷积特征和所述第二检测分支输出的最终卷积特征；根据所述N个检测分支输出的最终卷积特征，输出所述待检测图片的包括N种类别的检测结果。2.根据权利要求1所述的方法，还包括：获取指示信息，所述指示信息用于指示所述待检测图片的检测类别；基于所述指示信息确定所述待检测图片的N个检测类别；基于所述N个检测类别，从所述M个检测分支中确定出所述N个检测分支。3.根据权利要求1或2所述的方法，其中，所述将所述N个检测分支中第一检测分支的卷积层输出的中间卷积特征，输入至所述N个检测分支中第二检测分支的卷积层中，得到所述N个检测分支输出的最终卷积特征，包括：将所述第一检测分支的第i个卷积层输出的中间卷积特征，输入至所述第二检测分支的第j个卷积层中；i为大于等于1的整数，j为大于等于2的整数；基于所述第二检测分支的第j‑1个卷积层输出的中间卷积特征以及所述第一检测分支的所述第i个卷积层输出的中间卷积特征，得到所述第二检测分支的第j个卷积层输出的中间卷积特征；将所述第二检测分支的第j个卷积层输出的中间卷积特征输入至所述第二检测分支的第j+1个卷积层中，得到所述第二检测分支的第j+1个卷积层输出的中间卷积特征，以此类推，直至所述第二检测分支的最后一个卷积层输出最终卷积特征，所述N个检测分支输出的最终卷积特征，包括所述第二检测分支的最后一个卷积层输出的最终卷积特征。4.根据权利要求1或2所述的方法，其中，所述将所述N个检测分支中第一检测分支的卷积层输出的中间卷积特征，输入至所述N个检测分支中第二检测分支的卷积层中，得到所述N个检测分支输出的最终卷积特征，包括：将所述第一检测分支的第i个卷积层输出的中间卷积特征，分别输入至所述第二检测分支的第k个及第k+1个卷积层中，i和k均为大于等于1的整数；基于第k‑1个卷积层输出的中间卷积特征和所述第一检测分支的第i个卷积层输出的中间卷积特征，得到所述第二检测分支的第k个卷积层输出的中间卷积特征；基于第k个卷积层输出的中间卷积特征和所述第一检测分支的第i个卷积层输出的中间卷积特征，得到所述第二检测分支的第k+1个卷积层输出的中间卷积特征；将所述第二检测分支的第k+1个卷积层输出的中间卷积特征输入至所述第二检测分支的第k+2个卷积层中，得到所述第二检测分支的第k+2个卷积层输出的中间卷积特征，以此类推，直至所述第二检测分支的最后一个卷积层输出最终卷积特征，所述N个检测分支输出2CN114926653A权利要求书2/3页的最终卷积特征，包括所述第二检测分支的最后一个卷积层输出的最终卷积特征。5.根据权利要求1或2所述的方法，其中，所述将所述N个检测分支中第一检测