目标对象的检测方法、装置、电子设备及存储介质.pdf

(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CN113870254A(43)申请公布日2021.12.31(21)申请号202111440333.2(22)申请日2021.11.30(71)申请人中国科学院自动化研究所地址100190北京市海淀区中关村东路95号中国科学院自动化研究所申请人人民中科(济南)智能技术有限公司(72)发明人王博卢鹏李兵胡卫明(74)专利代理机构北京墨丘知识产权代理事务所(普通合伙)11878代理人唐忠仙谷轶楠(51)Int.Cl.G06T7/00(2017.01)G06K9/32(2006.01)G06K9/62(2006.01)权利要求书3页说明书9页附图2页(54)发明名称目标对象的检测方法、装置、电子设备及存储介质(57)摘要本发明实施例公开了一种目标对象的检测方法、装置、电子设备及存储介质。该方法包括：根据待检测图像生成第一图像和第二图像，第一图像和第二图像的尺寸不同，第一图像和第二图像中的至少一个图像由待检测图像等比缩放得到，采用第一子模型检测第一图像，分别得到至少一类目标对像的第一子特征，以及采用第二子模型检测第二图像，分别得到至少一类目标对像的第二子特征，第一子模型与第二子模型是预训练的检测模型中相同的子模型，分别融合各类目标对像的第一子特征和第二子特征得到相应类的目标对像在待检测图像中的特征，实现了对待检测图像的整体轮廓和目标对象的同时检测，从而提高了目标对象检测方法检测的性能。CN113870254ACN113870254A权利要求书1/3页1.一种目标对象的检测方法，其特征在于，所述方法包括：获取待检测图像，所述待检测图像中包含至少一类目标对象；根据所述待检测图像生成第一图像和第二图像，所述第一图像和所述第二图像的尺寸不同，所述第一图像和所述第二图像中的至少一个图像由所述待检测图像等比缩放得到；采用第一子模型检测所述第一图像，分别得到所述至少一类目标对像的第一子特征，以及采用第二子模型检测所述第二图像，分别得到所述至少一类目标对像的第二子特征，所述第一子模型与所述第二子模型是预训练的检测模型中相同的子模型；分别融合各类目标对像的第一子特征和第二子特征得到相应类的目标对像在所述待检测图像中的特征，作为所述至少一类目标对象的检测结果。2.根据权利要求1所述的方法，其特征在于，所述任一目标对像在所述待检测图像中的特征包括：所述目标对像对应的类别特征，以及所述目标对像在所述待检测图像中位置特征。3.根据权利要求1所述的方法，其特征在于，还包括：采用第一训练样本集和第二训练样本集训练初始模型，得到所述检测模型，其中，所述第二训练样本集是等比缩放所述第一训练样本集中的各个图像得到的，所述初始模型包括第一子网络和第二子网络，所述第一子网络与所述第一子模型对应，所述第二子网络与所述第二子模型对应。4.根据权利要求3所述的方法，其特征在于，所述采用第一训练样本集和第二训练样本集训练初始模型，得到所述检测模型，包括：获取所述第一子网络对所述第一训练样本集处理得到的第一处理数据集，以及所述第二子网络对所述第二训练样本集处理得到的第二处理数据集；计算所述第一处理数据集与所述第二处理数据集之间的损失函数值loss；若所述loss小于或者等于预设阈值，将所述初始模型确定为所述检测模型；若所述loss大于所述预设阈值，调整所述初始模型的参数，重复执行获取所述第一子网络对所述第一训练样本集处理得到的第一处理数据集，以及所述第二子网络对所述第二训练样本集处理得到的第二处理数据集的步骤。5.根据权利要求4所述的方法，其特征在于，所述获取所述第一子网络对所述第一训练样本集处理得到的第一处理数据集，以及所述第二子网络对所述第二训练样本集处理得到的第二处理数据集，包括：获取所述第一子网络所提取的所述第一训练样本集的至少两个第一特征图，以及所述第一子网络对所述第一训练样本集所包含对象的第一分类数据；根据预设的掩码规则获得所述至少两个第一特征图对应的至少一个第一掩码图；将所述至少一个第一掩码图和所述第一分类数据确定为所述第一处理数据集；获取所述第二子网络所提取的所述第二训练样本集的至少两个第二特征图，以及所述第二子网络对所述第二训练样本集所包含对象的第二分类数据；根据所述预设的掩码规则获得所述至少两个第二特征图对应的至少一个第二掩码图；将所述至少一个第二掩码图和所述第二分类数据确定为所述第二处理数据集。6.根据权利要求5所述的方法，其特征在于，所述计算所述第一处理数据集与所述第二处理数据集之间的损失函数值loss，包括：2CN113870254A权利要求书2/3页计算所述至少一个第一掩码图与所述至少一个第二掩码图之间的损失值，得到第一子loss，所述第一子loss表征所述第一子网络检测的目标对象