预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110909797A(43)申请公布日2020.03.24(21)申请号201911163724.7(22)申请日2019.11.22(71)申请人北京深睿博联科技有限责任公司地址102200北京市昌平区北七家镇七北路42号院4号楼3层3单元309申请人杭州深睿博联科技有限公司(72)发明人王成郑晨斌俞益洲(74)专利代理机构北京卓唐知识产权代理有限公司11541代理人唐海力(51)Int.Cl.G06K9/62(2006.01)G06T7/73(2017.01)权利要求书1页说明书9页附图3页(54)发明名称图像检测方法以及装置、设备、存储介质(57)摘要本申请公开了一种图像检测方法以及装置、设备、存储介质。该方法包括输入图像至预设检测模型;在所述预设检测模型中采用尺度限定进行目标信息的预测,所述尺度限定用于对预测层的最小长宽预测进行尺度限定;在所述预设检测模型中采用改进的center-ness分支进行预测信息的筛选,所述改进的center-ness分支用于降低边缘检测敏感性;通过所述预设检测模型输出检测结果,其中所述检测结果中包括至少一个目标位置和类别信息。本申请解决了图像检测方法的检测效果不佳的技术问题。通过本申请提升了目标检测性能。CN110909797ACN110909797A权利要求书1/1页1.一种图像检测方法,其特征在于,包括:输入图像至预设检测模型;在所述预设检测模型中采用尺度限定进行目标信息的预测,所述尺度限定用于对预测层的最小长宽预测进行尺度限定;在所述预设检测模型中采用改进的center-ness分支进行预测信息的筛选,所述改进的center-ness分支用于降低边缘检测敏感性;通过所述预设检测模型输出检测结果,其中所述检测结果中包括至少一个目标位置和类别信息。2.根据权利要求1所述的图像检测方法,其特征在于,所述预设检测模型为增强无Anchor的FCOS检测模型。3.根据权利要求1所述的图像检测方法,其特征在于,在所述预设检测模型中采用改进的center-ness分支进行预测信息的筛选包括:计算改进的center-ness分值的目标值;将目标值大于0的点作为正样本预测点送入置信度和回归损失函数;否则,作为负样本预测点送入置信度损失函数。4.根据权利要求1所述的图像检测方法,其特征在于,在所述预设检测模型中采用尺度限定进行目标信息的预测包括:将目标宽高的最小值进行限定,使得目标落入合理的检测层进行预测,其中合理的检测层是指,不会由于宽高比过大或者过小造成检测失效。5.根据权利要求1所述的图像检测方法,其特征在于,在所述预设检测模型中的多尺度预测模块,用于通过第一分支预测目标回归信息;以及通过第二分支预测目标类别与所述改进的center-ness分支信息。6.根据权利要求1所述的图像检测方法,其特征在于,在所述预设检测模型中的骨干网络模块,采用VGG、ResNet或者VOV的分类网络模型。7.根据权利要求1所述的图像检测方法,其特征在于,在所述预设检测模型中的多尺度模块,采用FSSD特征融合的方式或FPN特征融合的方式。8.一种图像检测装置,其特征在于,包括:输入模块,用于输入图像至预设检测模型;尺度限定模块,用于在所述预设检测模型中采用尺度限定进行目标信息的预测,所述尺度限定用于对预测层的最小长宽预测进行尺度限定;筛选模块,用于在所述预设检测模型中采用改进的center-ness分支进行预测信息的筛选,所述改进的center-ness分支用于降低边缘检测敏感性;输出模块,用于通过所述预设检测模型输出检测结果,其中所述检测结果中包括至少一个目标位置和类别信息。9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至7任一项所述的图像检测方法的步骤。10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至7任一项所述的图像检测方法的步骤。2CN110909797A说明书1/9页图像检测方法以及装置、设备、存储介质技术领域[0001]本申请涉及图像检测领域,具体而言,涉及一种图像检测方法以及装置、设备、存储介质。背景技术[0002]深度学习方法已经广泛地应用于计算机视觉领域,尤其是较为基础的目标检测领域。虽然使用Anchor的方法取得了很先进的结果,但是Anchor的不灵活,设置复杂,数量庞大等缺点,限制了其进一步发展。[0003]无Anchor的目标检测算法也主要分为两类:一类基于关键点检测,另一类基于语义分割。基于关键点检测模型往往需要很庞大的关键点检测网络作为骨干网络才能达到较好的检测效果,这导致需