对象检测方法、装置、计算机可读存储介质和计算机设备.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CN109886282A(43)申请公布日2019.06.14(21)申请号201910143267.9(22)申请日2019.02.26(71)申请人腾讯科技（深圳）有限公司地址518000广东省深圳市南山区高新区科技中一路腾讯大厦35层申请人华中科技大学(72)发明人沈荣波颜克洲田宽张军周可(74)专利代理机构广州华进联合专利商标代理有限公司44224代理人李文渊何平(51)Int.Cl.G06K9/46(2006.01)G06T5/00(2006.01)G06T7/11(2017.01)权利要求书4页说明书25页附图14页(54)发明名称对象检测方法、装置、计算机可读存储介质和计算机设备(57)摘要本申请涉及一种对象检测方法、装置、计算机可读存储介质和计算机设备，该方法包括：获取待检测图像；将待检测图像输入至目标对象检测模型中，得到待检测图像对应的预测图；根据预测图获取待检测图像的各个像素点属于目标检测对象的关系度，根据关系度进行轮廓提取得到目标检测对象显著区域；根据目标检测对象显著区域从预测图中确定多个不同尺度的显著区域子图；将各个显著区域子图输入至目标对象分类模型中的各个特征提取子网络中，根据各个特征提取子网络的特征提取结果得到待检测图像中的目标检测对象预测区域。本申请提供的方案能够提高待检测图像中目标对象所在区域的准确度。CN109886282ACN109886282A权利要求书1/4页1.一种对象检测方法，包括：获取待检测图像；将所述待检测图像输入至目标对象检测模型中，得到所述待检测图像对应的预测图；根据所述预测图获取所述待检测图像的各个像素点属于目标检测对象的关系度，根据所述关系度进行轮廓提取得到目标检测对象显著区域；根据所述目标检测对象显著区域从所述预测图中确定多个不同尺度的显著区域子图；将各个所述显著区域子图输入至目标对象分类模型中的各个特征提取子网络中，根据各个特征提取子网络的特征提取结果得到所述待检测图像中的目标检测对象预测区域。2.根据权利要求1所述的方法，其特征在于，所述目标对象检测模型包括编码层网络和解码层网络,所述将所述待检测图像输入至目标对象检测模型中，得到所述待检测图像对应的预测图，包括：所述目标对象检测模型通过所述编码层网络对所述待检测图像进行编码压缩，得到对象状态特征信息；所述目标对象检测模型将所述对象状态特征信息输入至所述解码层网络，通过所述编码层网络对所述对象状态特征信息进行解码运算，得到所述待检测图像的各个像素点属于目标检测对象的关系度组成所述预测图。3.根据权利要求1所述的方法，其特征在于，所述根据所述预测图获取所述待检测图像的各个像素点属于目标检测对象的关系度，根据所述关系度进行轮廓提取得到目标检测对象显著区域，包括：根据所述关系度对所述预测图进行二值化得到对应的二值化预测图；根据所述二值化预测图进行轮廓提取得到多个目标检测对象显著区域。4.根据权利要求1所述的方法，其特征在于，所述根据所述目标检测对象显著区域从所述预测图确定多个不同尺度的显著区域子图，包括：根据所述目标检测对象显著区域的大小确定基础裁剪区域范围，根据所述基础裁剪区域范围从所述预测图中裁剪得到基础显著区域子图；根据所述基础裁剪区域范围确定多个不同尺度的目标裁剪区域范围，根据所述目标裁剪区域范围从所述预测图中裁剪得到多个不同尺度的目标显著区域子图；将所述基础显著区域子图和所述目标显著区域子图组成所述多个不同尺度的显著区域子图。5.根据权利要求1所述的方法，其特征在于，所述特征提取子网络包括基本特征提取网络和辅助特征提取网络，所述将各个所述显著区域子图输入至目标对象分类模型中的各个特征提取子网络中，根据各个特征提取子网络的特征提取结果得到所述待检测图像中的目标检测对象预测区域，包括：所述目标对象分类模型将各个所述显著区域子图输入至对应的所述基本特征提取网络，所述基本特征提取网络对所述显著区域子图进行特征提取，得到对应的第一显著区域特征图；所述目标对象分类模型将各个所述第一显著区域特征图输入至与所述基本特征提取网络对应的所述辅助特征提取网络，所述辅助特征提取网络对所述第一显著区域特征图提取得到第二显著区域特征图；2CN109886282A权利要求书2/4页根据各个所述辅助特征提取网络输出的第二显著区域特征图生成所述目标检测对象显著区域对应的待目标检测对象分类图；将所述待目标检测对象分类图输入至所述目标对象分类模型中的对象分类子网络中，通过所述对象分类子网络对各个所述待目标检测对象分类图进行分类，得到所述待检测图像中的目标检测对象预测区域。6.根据权利要求1所述的方法，其特征在于，所述目标对象检测模型的训练步骤包括：获取训练样本图像集，所述训练样