深度检测方法、装置、设备以及存储介质.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CN113870334A(43)申请公布日2021.12.31(21)申请号202111155117.3(22)申请日2021.09.29(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)发明人邹智康叶晓青孙昊(74)专利代理机构北京市铸成律师事务所11313代理人曹远包莉莉(51)Int.Cl.G06T7/50(2017.01)G06T7/00(2017.01)G06N3/04(2006.01)G06N3/02(2006.01)G06K9/46(2006.01)权利要求书2页说明书8页附图4页(54)发明名称深度检测方法、装置、设备以及存储介质(57)摘要本公开提供了深度检测方法、装置、设备以及存储介质，涉及人工智能领域，具体涉及计算机视觉和深度学习领域，可应用于智能机器人和自动驾驶场景下。具体实现方案为：提取待检测图像中的高层语义特征，高层语义特征用于表征待检测图像中的目标物；将高层语义特征输入预先训练的深度估计分支网络，得到目标物在深度预测区间的各子区间内的分布概率；根据目标物在各子区间内的分布概率以及各子区间所表征的深度值，确定目标物的深度值。根据本公开的技术，通过设计的自适应深度分布的深度估计分支网络，可以将深度值的预测任务转化为分类任务，最终得到的深度值较为精准，有利于在针对图像的3D物体检测的应用中提升3D定位精度。CN113870334ACN113870334A权利要求书1/2页1.一种深度检测方法，包括：提取待检测图像中的高层语义特征，所述高层语义特征用于表征所述待检测图像中的目标物；将所述高层语义特征输入预先训练的深度估计分支网络，得到所述目标物在深度预测区间的各子区间内的分布概率；根据所述目标物在各所述子区间内的分布概率以及各所述子区间所表征的深度值，确定所述目标物的深度值。2.根据权利要求1所述的方法，还包括：根据样本分布数据以及预设划分标准，将所述深度预测区间划分为预设数量个子区间，其中，所述样本分布数据包括多个样本在所述深度预测区间内的深度值；根据所述样本分布数据，确定所述子区间所表征的深度值。3.根据权利要求2所述的方法，其中，所述预设划分标准为：对于任一子区间，所述子区间的深度范围与所述子区间内分布的样本数量的乘积符合预设数值范围。4.根据权利要求2所述的方法，其中，根据所述样本分布数据，确定所述子区间所表征的深度值，包括：对于任一子区间，计算分布于所述子区间内的样本的深度值的平均值，将所述平均值确定为所述子区间所表征的深度值。5.根据权利要求1所述的方法，其中，根据所述目标物在各所述子区间内的分布概率以及各所述预划分区间所表征的深度值，确定所述目标物的深度值，包括：对所述目标物在各所述子区间内的分布概率以及各个所述子区间所表征的深度值的乘积进行求和，得到所述目标物的深度值。6.根据权利要求1所述的方法，其中，对所述待检测图像进行特征提取处理，得到所述待检测图像的高层语义特征，包括：将所述待检测图像输入预先训练的目标检测模型，利用所述目标检测模型的特征提取层，得到所述待检测图像的高层语义特征。7.一种深度估计分支网络的训练方法，包括：获取样本图像中的目标物的真实分布概率；对样本图像进行特征提取处理，得到所述样本图像的高层语义特征；将所述样本图像的高层语义特征输入待训练的深度估计分支网络，得到所述高层语义特征所表征的目标物的预测分布概率；确定所述样本图像的预测分布概率与所述真实分布概率的差异，根据所述差异调整所述待训练的深度估计分支网络的参数，直至所述待训练的深度估计分支网络收敛。8.一种目标检测装置，包括：提取模块，用于提取待检测图像中的高层语义特征，所述高层语义特征用于表征所述待检测图像中的目标物；分布概率获取模块，用于将所述高层语义特征输入预先训练的深度估计分支网络，得到所述目标物在深度预测区间的各子区间内的分布概率；深度值确定模块，用于根据所述目标物在各所述子区间内的分布概率以及各所述子区2CN113870334A权利要求书2/2页间所表征的深度值，确定所述目标物的深度值。9.根据权利要求8所述的装置，还包括：子区间划分模块，用于根据样本分布数据以及预设划分标准，将所述深度预测区间划分为预设数量个子区间，其中，所述样本分布数据包括多个样本在所述深度预测区间内的深度值；子区间深度值确定模块，用于根据所述样本分布数据，确定所述子区间所表征的深度值。10.根据权利要求9所述的装置，其中，所述预设划分标准为：对于任一子区间，所述子区间的深度范围与所述子区间内分布的样本数量的乘积符合预设数值范围。11.根据权利要求9所述的装置，其中，所述深度值确定模块还用于：对于任一子区间，计