CN110533105A

CN110533105A - 一种目标检测方法及装置、电子设备和存储介质

Info

Publication number: CN110533105A
Application number: CN201910816307.1A
Authority: CN
Inventors: 余伟江; 张伟
Original assignee: Beijing Sensetime Technology Development Co Ltd
Current assignee: Beijing Sensetime Technology Development Co Ltd
Priority date: 2019-08-30
Filing date: 2019-08-30
Publication date: 2019-12-03
Anticipated expiration: 2039-08-30
Also published as: CN110533105B

Abstract

本公开涉及一种目标检测方法及装置、电子设备和存储介质，其中，该方法包括：对图像进行特征提取，得到不同层级的图像特征；根据不同粒度网格对所述不同层级的图像特征进行空间位置信息处理，得到处理结果；根据所述不同层级的图像特征和所述处理结果，得到具备不同尺度和不同语义的特征；根据所述不同尺度和不同语义的特征进行目标检测，得到检测结果。采用本公开，可以提高分类精度且降低计算量。

Description

一种目标检测方法及装置、电子设备和存储介质

技术领域

本公开涉及计算机视觉处理技术领域，尤其涉及一种目标检测方法及装置、电子设备和存储介质。

背景技术

在计算机视觉处理的一目标检测场景中，为了实现目标检测，需要建模。方式一：在建模过程中，根据深层语义特征可以实现语义分类以很好的获取语义信息，可丢失了空间位置信息；方式二：根据浅层特征可以获取空间位置信息，可导致了很大的计算量，对计算资源要求高。总的来说，采用这两种方式，不仅分类精度不高且计算量很大，对此，相关技术中未存在有效的解决方案。

发明内容

本公开提出了一种目标检测的技术方案。

根据本公开的一方面，提供了一种目标检测方法，所述方法包括：

对图像进行特征提取，得到不同层级的图像特征；

根据不同粒度网格对所述不同层级的图像特征进行空间位置信息处理，得到处理结果；

根据所述不同层级的图像特征和所述处理结果，得到具备不同尺度和不同语义的特征；

根据所述不同尺度和不同语义的特征进行目标检测，得到检测结果。

采用本公开，可以通过不同粒度网格的网格化处理，将该图像特征以网格化进行划分再运算，可以降低运算量；且网格化的划分并不影响图像特征空间位置精准的确定，可以根据不同粒度网格对该图像特征进行空间位置信息处理，得到用于表征图像特征位置的处理结果，将该处理结果与该图像特征(如语义特征)进行融合，从而得到了具备不同尺度和不同语义的特征，根据具备不同尺度和不同语义的该特征，可以提高分类精度，并最终提高目标检测的精度。

可能的实现方式中，所述根据不同粒度网格对所述不同层级的图像特征进行空间位置信息处理，得到处理结果，包括：

根据不同粒度网格，对所述不同层级的图像特征进行网格所在区域和网格相连接区域的空间位置信息处理，得到所述处理结果。

采用本公开，可以将该图像特征由不同粒度网格的网格化处理后，对该图像特征进行网格所在区域和网格相连接区域的空间位置信息处理，以确定网格化的图像特征所对应的空间位置。

可能的实现方式中，所述根据不同粒度网格，对所述不同层级的图像特征进行网格所在区域和网格相连接区域的空间位置信息处理，得到所述处理结果，包括：

对所述不同层级图像特征，进行在不同粒度网格所在区域内部的空间位置关系处理，得到第一中间处理结果；

对所述第一中间处理结果，进行同一层级图像特征在不同粒度网格与网格外部相连接区域的空间位置关系处理，得到所述处理结果。

采用本公开，可以对该图像特征进行在不同粒度网格所在区域内部的空间位置关系处理，得到第一中间处理结果；对第一中间处理结果，进行同一层级图像特征在不同粒度网格与网格外部相连接区域的空间位置关系处理，由于可以对该图像特征所在网格当前区域，及与该当前区域相连接区域的位置进行确定，从而实现了对网格化的该图像特征所对应的空间位置的精准定位。

可能的实现方式中，所述进行同一层级图像特征在不同粒度网格与网格外部相连接区域的空间位置关系处理，得到所述处理结果，包括：

进行同一层级图像特征在不同粒度网格与网格外部相连接区域的空间位置关系处理，得到多个第二中间处理结果；

将所述多个第二中间处理结果以串接方式进行融合处理，得到所述处理结果。

采用本公开，将同一层级图像特征在不同粒度网格与网格外部相连接区域的空间位置关系处理，得到多个第二中间处理结果，将多个第二中间处理结果以串接方式进行融合处理，融合得到的该处理结果，相比第一中间处理结果更为精确，实现了对网格化的该图像特征所对应的空间位置的精准定位。

可能的实现方式中，所述根据所述不同层级的图像特征和所述处理结果，得到具备不同尺度和不同语义的特征，包括：

根据所述不同层级的图像特征和所述处理结果，按照像素级相加的操作进行聚集处理，得到所述具备不同尺度和不同语义的特征。

采用本公开，可以得到用于表征图像特征位置的处理结果，将该处理结果与该图像特征(如语义特征)进行融合，从而得到了具备不同尺度和不同语义的特征，根据具备不同尺度和不同语义的该特征，可以提高分类精度，并最终提高目标检测的精度。

可能的实现方式中，所述对所述不同层级图像特征，进行在不同粒度网格所在区域内部的空间位置关系处理，得到第一中间处理结果，包括：

将所述不同层级的图像特征，按照由不同粒度网格划分规则得到的网格池转换为每个网格对应的第一子特征；

识别所述每个网格对应的第一子特征所在的空间位置关系，将识别的所述空间位置关系作为所述第一中间处理结果。

采用本公开，对该图像特征进行网格化的处理过程中，可以将所述不同层级的图像特征，按照由不同粒度网格划分规则得到的网格池转换为每个网格对应的第一子特征，识别所述每个网格对应的第一子特征所在的空间位置关系，将识别的所述空间位置关系作为所述第一中间处理结果，以实现该图像特征位于所在网格当前区域的位置确定，从而实现了对网格化的该图像特征所对应的空间位置的精准定位且降低运算量。

可能的实现方式中，所述对所述第一中间处理结果，进行同一层级图像特征在不同粒度网格与网格外部相连接区域的空间位置关系处理，得到所述处理结果，包括：

根据所述第一中间处理结果，定位出与所述不同层级的图像特征所在空间位置相连接的待处理区域；

在所述待处理区域，将所述同一层级图像特征，按照由不同粒度网格划分规则得到的网格池转换为每个网格对应的第二子特征；

识别所述每个网格对应的第二子特征以及每个网格相连接区域的第二子特征所在的空间位置关系，将所述空间位置关系进行融合及多层卷积操作，得到所述处理结果。

采用本公开，对该图像特征进行网格化的处理过程中，可以根据该图像特征所在网格当前区域的位置确定与其位置相连接的待处理区域，在所述待处理区域，将所述同一层级图像特征，按照由不同粒度网格划分规则得到的网格池转换为每个网格对应的第二子特征，识别所述每个网格对应的第二子特征以及每个网格相连接区域的第二子特征所在的空间位置关系，将所述空间位置关系进行融合及多层卷积操作，得到所述处理结果。实现了对网格化的该图像特征所对应及相连接的空间位置的精准定位，使得到的处理结果定位更准确且降低运算量。

可能的实现方式中，所述由不同粒度网格划分规则得到的网格池，为基础网格池；

所述方法还包括：

根据所述不同层级的图像特征的特征分类，得到所述不同粒度网格划分规则。

采用本公开，可以针对不同层级的图像特征，采用基础网格池进行不同粒度网格的划分。

可能的实现方式中，所述由不同粒度网格划分规则得到的网格池，为可变形网格池；

所述方法还包括：

根据所述同一层级图像特征的特征分类，得到所述不同粒度网格划分规则。

采用本公开，可以针对同一层级图像特征，采用可变形网格池进行不同粒度网格的划分。

根据本公开的一方面，提供了一种目标检测装置，所述装置包括：

特征提取单元，用于对图像进行特征提取，得到不同层级的图像特征；

第一处理单元，用于根据不同粒度网格对所述不同层级的图像特征进行空间位置信息处理，得到处理结果；

第二处理单元，用于根据所述不同层级的图像特征和所述处理结果，得到具备不同尺度和不同语义的特征；

检测单元，用于根据所述不同尺度和不同语义的特征进行目标检测，得到检测结果。

可能的实现方式中，所述第一处理单元，用于：

可能的实现方式中，所述第二处理单元，用于：

可能的实现方式中，所述第一处理单元，用于：

所述装置还包括第一配置单元，用于：

所述装置还包括第二配置单元，用于：

根据本公开的一方面，提供了一种电子设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：执行上述目标检测方法。

根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述目标检测方法。

在本公开实施例中，对图像进行特征提取，得到不同层级的图像特征；根据不同粒度网格对所述不同层级的图像特征进行空间位置信息处理，得到处理结果；根据所述不同层级的图像特征和所述处理结果，得到具备不同尺度和不同语义的特征；根据所述不同尺度和不同语义的特征进行目标检测，得到检测结果。采用本公开，通过不同粒度网格的网格化处理，将特征以网格化进行划分再运算，可以降低运算量；且网格化的划分并不影响特征空间位置精准的确定，可以根据不同粒度网格对所述不同层级的图像特征进行空间位置信息处理，得到用于表征位置的处理结果，将该处理结果与不同层级的图像特征(如语义特征)进行融合，得到了具备不同尺度和不同语义的特征，从而可以提高分类精度，提高目标检测的精度。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。

图1示出根据本公开实施例的目标检测方法的一流程图。

图2示出根据本公开实施例的目标检测方法的又一流程图。

图3示出根据本公开实施例的目标检测方法的又一流程图。

图4-图5示出根据本公开实施例的目标检测场景中小目标检测的示意图。

图6示出根据本公开实施例的目标检测处理的架构图。

图7示出根据本公开实施例的不同粒度网格的划分示意图。

图8示出根据本公开实施例的目标检测装置的框图。

图9示出根据本公开实施例的电子设备的框图。

图10示出根据本公开实施例的电子设备的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

目前，计算机视觉技术作为人工智能的重要组成部分，已经越来越造福和便利人类的日常生活。其中，数据处理的一目标检测场景中，利用计算机视觉，可以针对如交通摄像头对行人车辆的检测，监控摄像头对可疑人物的检测，VR游戏中对各种目标的检测等等。

目标检测任务的分类精度，可以得益于从广泛的特征尺度范围所聚集的多层次的信息。1、对深层特征通过关系推理操作来辅助提升目标检测的分类准确率；2、对浅层特征进行多尺度聚集操作来增强特征的感受野。

对于方式1“基于深层语义特征关系建模”的过程中，是将图网络推理的方法应用于每个深层特征之间，利用各个深层特征之间的类别关系、相似度关系、属性关系等约束关系来辅助提升目标检测任务的分类准确率，包括利用卷积神经网络、图卷积网络、多层感知机等技术。对于基于深层语义特征关系建模的方法，由于该方法需要利用从数据集中统计得到的关系约束信息，而受限于不同数据集需要重新统计不同的关系约束信息，因此，人工成本比较大，可迁移性较差。同时受限于深层特征之间的语义分类，丢失了部分空间位置信息，对于特征内部的位置信息缺乏有效利用。

对于方式2“基于浅层特征聚集”的过程中，是利用可变形卷积核、空洞卷积和多尺度特征聚集的方法，对每个层级的特征进行操作，得到扩大感受野的特征，然后再将各个层级不同尺度的特征进行融合，该过程利用的技术有卷积神经网络、池化操作、插值操作和残差连接操作。对于该基于浅层特征聚集方法，由于该方法主要是对特征进行多尺度、可变形的学习，同时增强特征的感受野，因此，该方法依赖于巨大的计算量，对于计算资源的要求高，一般只能对网络后面几层较小分辨率的特征图进行操作，没法对浅层较大分辨率的特征图建模更多位置空间信息。同时受限于特征层级之间的不同尺度的融合，对不同尺度的特征内部的位置信息缺乏有效的利用。

上述两种方式都存在只对网络后面深层特征进行操作的局限性，且这两种方式聚焦的：是在单一层级特征之间的操作，并且缺乏对不同层级的图像特征内部的位置关系进行建模。大量实验表明，浅层的特征可以比较好地获取位置空间信息，而深层的特征可以比较好地获取语义信息。如果单一对深层特征进行处理，很难比较有效地检测出对位置空间敏感的目标，比如小目标检测任务，“小目标”是指在一张图像里面比较小的物体，比如，图像前景中目标主体是人，在图像背景中包括远处的羊群等等，羊群就是图像中相对人来说比较小的物体。小目标检测任务也是目前目标检测任务的一个大挑战之一，亟需得到解决。采用本公开，是基于不同粒度网格推理的目标检测方法，该方法可以对不同层级之间的特征内部位置关系进行不同粒度的网格推理建模，同时可以对同一层级特征内部的位置关系进行不同粒度的网格推理建模。从而，可以在提升目标检测准确率的同时，减少计算量。

需要指出的是，可以针对第一网格池及第二网格池，分别配置不同粒度的网格，其中，第一网格池的一个示例，为基础网格池；第二网格池的一个示例，为可变形网格池。一个基础网格池，可以根据多种网格变化规则得到多个可变形网格池，比如，一个基础网格池为2×2，可以得到两个可变形网格池，且分别为2×1和1×2。可能的实现方式中，在基础网格池为粗粒度网格化的情况下，根据基础网格池得到的可变形网格池，也可以进行粗粒度网格化；在基础网格池为细粒度网格化的情况下，根据基础网格池得到的可变形网格池，也可以进行细粒度网格化，本公开不限于这些网格变化规则，比如，在基础网格池为粗粒度网格化的情况下，根据基础网格池得到的可变形网格池，也可以进行细粒度网格化。

选择粗粒度还是细粒度网格化，可以取决于图像特征的特征分类，在当前图像特征为深层特征的情况下，可以进行粗粒度网格化；在当前图像特征为浅层特征的情况下，可以进行细粒度网格化。

粗粒度和细粒度网格化，是相对的表述，无论粗粒度和细粒度网格化的目的：都是为了得到图像特征的空间位置，而细粒度比粗粒度的网格化处理更为精确。比如，画一幅素描，粗粒度就是打轮廓，相对来说，绘制阴影和细节就是细粒度。

图1示出根据本公开实施例的目标检测方法的流程图，该方法应用于目标检测装置，例如，该装置部署于终端设备或服务器或其它处理设备执行的情况下，可以执行图像分类、图像检测和视频处理等等。其中，终端设备可以为用户设备(UE，User Equipment)、移动设备、蜂窝电话、无绳电话、个人数字处理(PDA，Personal Digital Assistant)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该处理方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图1所示，该流程包括：

步骤S101、对图像进行特征提取，得到不同层级的图像特征。

图像，可以是不同尺度的图像。一示例中，可以通过特征金字塔网络(FPN，FeaturePyramid Network)对该不同尺度的图像进行特征提取，得到不同层级的图像特征。可以结合后续步骤S102-步骤S104的网格化的空间位置处理，将每个图像特征通过网格化变成多个子特征，以在每个网格中以子特征为基础进行空间位置处理，换言之，将图像特征空间位置处理的运算任务通过网格化变成多个子任务，从而至少降低了运算耗时和计算复杂度。

需要指出是，对不同尺度的图像进行提取，所得到的不同尺度的图像特征，是指分辨率大小不一样的特征，在FPN模块中，不同尺度就是不同分辨率大小的特征，比如，在网格推理模块中，不同尺度的特征有两种，一种是不同尺度的特征，这个跟FPN特征一致，统一指特征的长宽大小；另外一种是指网格的不同尺度，比如4*4的网格尺度和2*2的网格尺度，4*4相对来说就是细粒度的网格，对应可以应用于大尺度特征(长宽比较大的特征)，2*2相对来说就是粗粒度的，对应可以应用于小尺度的特征。

步骤S102、根据不同粒度网格对所述不同层级的图像特征进行空间位置信息处理，得到处理结果。

一示例中，可以根据配置的网格池划分不同粒度网格，根据所述不同粒度网格对所述不同层级的图像特征进行空间位置信息的推理和融合，以得到具备不同尺度和不同语义的特征。

具体的，配置不同粒度的网格，包括基础网格池和可变形网格池两种类型。针对空间位置信息的推理和融合而言，比如，以3*3网格为例，特征是某个矩阵，以64*64*通道数的特征为例，基础网格是4*4，采用4*4的网格进行划分，对于得到4个32*32*通道数的子特征，对每个子特征内部的每个位置的表示，都用该位置与子特征内部所有其他位置的值进行加权求和来表示该位置信息，然后利用更新得到的子特征进行重组拼接起来得到一个64*64*通道数的新特征。在该新特征上采用可变形网格，比如4*2，2*4，2*2等，进一步可变形网格推理，然后再一一进行拼接，此时会得到三种新的64*64*通道的特征(分别对应三种变形网格得来的)，然后，将该新特征利用密集残差连接的操作生成且输出的特征，与原始FPN的特征进行聚集处理得到增强的特征，从而可以防止信息过度偏差，将该增强的特征用于后续的目标检测，可以实现精确的目标检测，尤其是提高了对“小目标”的检测效果和精度。

步骤S103、根据所述不同层级的图像特征和所述处理结果，得到具备不同尺度和不同语义的特征。

步骤S104、根据所述不同尺度和不同语义的特征进行目标检测，得到检测结果。

一示例中，配置的网格池包括基础网格池和可变形网格池两种。其中，基础网格池和可变形网格池间存在相关性，比如，可以根据每个基础网格池对应得到变形后的多个可变形网格池，多个可变形网格池采用不同粒度网格进行划分，比如，一个基础网格池为2×2，可以变形为两个可变形网格池，分别为2×1和1×2。根据基础网格池和可变形网格池分别对应不同粒度的网格，对所述不同层级的图像特征进行网格所在区域和网格相连接区域的空间位置信息推理和融合，得到具备不同尺度和不同语义的特征。其中，可以根据基础网格池对应不同粒度的网格，对所述不同层级的图像特征进行网格所在区域(或称网格内部区域)的空间位置信息推理。然后，将进行网格所在区域(或称网格内部)的空间位置信息推理后得到的处理结果，通过可变形网格池进行推理和融合，即：可以根据可变形网格池对应不同粒度的网格，对该处理结果进行网格相连接区域(或称网格间交互区域)的空间位置信息推理和融合，得到具备不同尺度和不同语义的特征。

相关技术中采用单一层级图像特征来建模，缺乏针对不同层级图像特征的空间位置关系，采用本公开，是针对不同层级图像特征，且用对应不同粒度网格来划分图像特征，可以将每个图像特征通过网格化变成多个子特征，以在每个网格中以子特征为基础进行空间位置处理，换言之，将图像特征空间位置处理的运算任务通过网格化变成多个子任务，从而至少降低了运算耗时和计算复杂度，提高运算效率。其中，通过不同粒度的网格在实现空间关系推理过程中对网格内部推理，及在实现交互融合过程中对网格之间交互的推理和融合，既可以获取空间位置信息，又实现了语义分类，可以更好的提高分类精度，以提高目标检测效果和精度。

需要指出的是，通过上述步骤流程实现的目标检测方法，是基于训练得到的网格特征金字塔网络(GFPN，Grid Feature Pyramid Network)，GFPN网络可以是神经网络中的图卷积神经网络，利用该图卷积神经网络来做基于空间位置信息敏感的关系表示。通过该GFPN网络实现目标检测，尤其针对目标检测中小目标的检测任务具有很好的分类效果，采用相关技术的FPN特征提取并不能很好的实现对小目标的检测，“小目标”是指在一张图像里面比较小的物体，比如，图像前景中目标主体是人，在图像背景中包括远处的羊群等等，羊群就是图像中相对人来说比较小的物体，采用本公开的GFPN，不仅运算效率高，且可以识别出图像中的小目标，提高了分类精度。

图2示出根据本公开实施例的目标检测方法的流程图，该方法应用于目标检测装置，例如，该处理装置部署于终端设备或服务器或其它处理设备执行的情况下，可以执行图像分类、图像检测和视频处理等等。其中，终端设备可以为用户设备(UE，User Equipment)、移动设备、蜂窝电话、无绳电话、个人数字处理(PDA，Personal Digital Assistant)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该处理方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图2所示，该流程包括：

步骤S201、对图像进行特征提取，得到不同层级的图像特征。

一示例中，可以通过FPN对图像(如不同尺度的图像)进行特征提取，得到不同层级的图像特征。

步骤S202、根据为基础网格池配置的不同粒度网格和不同层级的图像特征，进行所述不同层级图像特征在不同粒度网格所在区域内部的空间位置关系推理，得到第一中间处理结果。

步骤S203、对所述第一中间处理结果，进行同一层级图像特征在不同粒度网格与网格外部相连接区域的空间位置关系处理，得到所述处理结果。

可能的实现方式中，进行同一层级图像特征在不同粒度网格与网格外部相连接区域的空间位置关系处理，得到多个第二中间处理结果；将所述多个第二中间处理结果以串接方式进行融合处理，得到所述处理结果。

可能的实现方式中，根据所述不同层级的图像特征和所述处理结果，按照像素级相加的操作进行聚集处理，得到所述具备不同尺度和不同语义的特征。

可能的实现方式中，所述对所述不同层级图像特征，进行在不同粒度网格所在区域内部的空间位置关系处理，得到第一中间处理结果，包括：将所述不同层级的图像特征，按照由不同粒度网格划分规则得到的网格池转换为每个网格对应的第一子特征；识别所述每个网格对应的第一子特征所在的空间位置关系，将识别的所述空间位置关系作为所述第一中间处理结果。

可能的实现方式中，所述对所述第一中间处理结果，进行同一层级图像特征在不同粒度网格与网格外部相连接区域的空间位置关系处理，得到所述处理结果，包括：根据所述第一中间处理结果，定位出与所述不同层级的图像特征所在空间位置相连接的待处理区域；在所述待处理区域，将所述同一层级图像特征，按照由不同粒度网格划分规则得到的网格池转换为每个网格对应的第二子特征；识别所述每个网格对应的第二子特征以及每个网格相连接区域的第二子特征所在的空间位置关系，将所述空间位置关系进行融合及多层卷积操作，得到所述处理结果。

可能的实现方式中，所述由不同粒度网格划分规则得到的网格池，为基础网格池；所述方法还包括：根据所述不同层级的图像特征的特征分类，得到所述不同粒度网格划分规则。

可能的实现方式中，所述由不同粒度网格划分规则得到的网格池，为可变形网格池；所述方法还包括：根据所述同一层级图像特征的特征分类，得到所述不同粒度网格划分规则。

一示例中，所述不同层级图像特征的特征分类为深层特征的情况下，可以配置基础网格池采用粗粒度的网格池；所述不同层级图像特征的特征分类为浅层特征的情况下，可以配置基础网格池采用细粒度的网格池。

一示例中，所述同一层级图像特征的特征分类为深层特征的情况下，可以配置可变形网格池采用粗粒度的网格池；所述不同层级图像特征的特征分类为浅层特征的情况下，可以配置可变形网格池采用细粒度的网格池。

需要指出的是，深层特征和浅层特征是相对的描述，比如，对于用于特征提取的FPN模块而言，在FPN模块中进行卷积处理，则输入该FPN模块前端的特征可以为浅层特征(分辨率相对大的特征)，越大的特征越靠近该模块前端；该FPN模块后端的特征可以为深层特征(分辨率相对小的特征)，越小的特征越靠后该模块后端。比如，输入500x500的图像，在FPN模块的层面，分辨率最大的特征可以是250x250，分辨率最小的特征可以是40x40。而如果输入的图像变成1000x1000，则分辨率最大的特征可以是500x500，分辨率最小的特征可以是80x80。

一示例中，可以将所述不同层级的图像特征，按照对应的不同粒度网格划分为第一子特征，对每个第一子特征进行第一区域推理操作，得到当前区域内子特征所在的空间位置关系。将根据所述第一区域推理操作得到的空间位置关系，作为所述第一中间处理结果。其中，可以将所述不同层级的图像特征输入网络推理模块中，并按照基础网格池对应的不同粒度网格，进行不同层级图像特征的空间关系推理，所得到的不同粒度推理的结果，即为所述第一中间处理结果。根据所述可变形网格池和所述第一中间处理结果，进行同一层级图像特征在不同粒度网格与网格外部相连接区域的空间位置关系推理，将得到的多个处理结果以串行方式进行融合处理，得到所述处理结果。

在上述同一层级图像特征在不同粒度网格与网格外部相连接区域的空间位置关系推理过程中，可以将多个所述可变形网格池作用于所述同一层级图像特征，并根据对应的不同粒度网格将所述同一层级图像特征划分为第二子特征，对每个第二子特征进行第二区域推理操作，得到当前区域及连接区域子特征所在的空间位置关系。将根据所述第二区域推理操作得到的空间位置关系，按照操作顺序进行串接融合及多层卷积操作(比如，将同一层级的图像特征在不同形状的网格推理下得到的输出进行串接融合，再经过3层密集残差卷积操作)，得到所述处理结果。比如，可以第一中间处理结果输入到网络交互模块中，并按照可变形网格池进行同一层级图像特征的空间关系推理及融合处理所得到的融合结果，即为所述处理结果。

一示例中，将得到的多个处理结果以串行方式进行融合处理，得到所述处理结果后，还可以根据所述不同层级的图像特征和所述处理结果进行聚集处理，得到所述具备不同尺度和不同语义的特征。可以是按照像素级相加的操作进行所述聚集处理。比如，可以将初始经FPN进行特征提取所得到的不同层级的图像特征，及所述处理结果输入聚集模块进行特征聚集处理，得到该具备不同尺度和不同语义的特征。

图3示出根据本公开实施例的目标检测方法的流程图，该流程的实现中引入至少两个处理模块(网络推理模块和网络交互模块)。首先，将不同尺度(分辨率)的图像输入FPN模块，经FPN模块进行特征提取后，得到不同层级的图像特征(或称为FPN特征)。将FPN特征输入网络推理模块，结合基础网格池和针对网格内部的第一区域推理操作，得到输出结果A。该输入结果A为：根据基础网格池对应不同粒度网格对不同层级图像特征进行处理，对该图像特征相应网格所在区域的空间位置信息推理后，所得到的第一中间处理结果(不同粒度推理结果)。将输出结果A输入网络交互模块，结合可变形网格池和针对网格间交互的第二区域推理操作，得到输出结果B，输出结果B为：根据可变网格池对应不同粒度网格对同一层级图像特征进行处理，对该图像特征相应网格相连接区域的空间位置信息推理和融合后，所得到的处理结果为融合结果。将输出结果B和FPN特征进行像素级相加以实现聚合处理(可以在这里增加聚合模块来实现)，得到聚合结果C，最后，将聚合结果C用于目标检测。通过这些一系列针对图像特征网格化的空间位置处理，及将处理结果与初始FPN特征对应的语义特征进行聚集，从而可以在目标检测场景中对小目标任务实现精确的分类检测。图4-图5示出根据本公开实施例的目标检测场景中小目标检测的示意图，如图4所示，采用相关技术中的FPN只能检测出图像中目标对象11“大象”，而目标对象12“河滩上的小石块”检测不出来，采用本公开的GFPN由于分类精度足够高，因此，可以精确的检测出目标对象12。如图5所示，用相关技术中的FPN只能检测出图像中目标对象21“滑翔伞”和目标对象22“滑雪的人”，而目标对象23“滑雪的人所用的雪橇板”和目标对象24“落在地上的滑翔伞”检测不出来，采用本公开的GFPN由于分类精度足够高，因此，可以精确的检测出目标对象23和目标对象24。

本公开的一种目标检测方法，所述方法包括：对所述目标对象进行图像采集，得到采集结果；采用上述任一实施例中的处理方法得到的具备不同尺度和不同语义的特征，对所述采集结果中的目标对象进行检测，得到检测结果。

应用示例：

图6示出根据本公开实施例的目标检测的架构图，如图6所示，在不同层级、不同尺度的特征内部，基于基础网格池引入网格推理模块来对不同层级的图像特征内部位置空间关系进行推理，即利用网格推理模块对不同层级的图像特征内部位置空间关系进行推理建模；基于可变形网格池，引入网格交互模块对同一层级的特征内部进行不同粒度的位置空间推理和融合，即利用网格交互模块对同一层级的特征内部进行不同粒度的位置空间推理和融合；最后将各个层级、各个尺度的特征利用特征金字塔的结构进行有序地聚集，即通过聚集模块对各个层级、尺度的特征进行有效聚集。

一、网格推理模块

网格推理模块主要是利用FPN产生的不同层级特征作为输入，然后分别经过网格推理模块得到不同粒度推理的结果，该模块包含一个基础网络池和对应的区域推理操作，整体框架图如图6所示。该模块算法主要分为以下3个步骤：

1)将4个层级的特征作为网格推理模块的输入特征，同时从定义好的基础网格池里面抽调不同粒度的网格来作用于不同层级的图像特征，其中浅层的大分辨率特征图(如大于配置分辨率阈值的特征构成的特征图)对应采用细粒度的网格进行划分并进行区域推理，深层的小分辨率特征图(如小于配置分辨率阈值的特征构成的特征图)对应采用粗粒度的网格进行划分并进行区域推理，如图7所示。

2)就构建定义好的基础网格池而言，充分考虑在对特征内部位置空间关系进行建模时的所需要的计算量，根据不同层级定义了包含不同粒度的基础网格池，其中浅层特征图的位置连接比较稠密，我们采用细粒度的网格(比如16x16的网格)对特征图进行划分计算；同理，对拥有比较稀疏的位置连接的深层特征图，我们采用粗粒度的网格单元(比如4x4的网格)进行划分计算，更多网格定义如图7所示。通过该基础网格池中的不同粒度网格，可以将原本需要较大计算量的特征操作拆分成多个计算量小的子任务进行(或者可以理解为将原本的特征通过网格划分后，得到多个子特征)，从而有效地避免了单个任务对大量计算资源的依赖。

3)采用区域推理操作，可以采用如下公式(1)和公式(2)予以计算。其中，公式(1)用于对每个网格区域中特征的空间位置进行关联关系的加权求和后的特征表示；公式(2)用于对公式(1)中怎么计算该关联关系进行描述，指示每个网格区域的两两位置间的关联表示。具体是计算每个网格区域中每个特征空间位置之间的关联关系，将该关联关系作为一权重并赋予给每个空间位置进行加权表征。需要指出的是，由于对应网格划分特征后得到子特征，网格区域也可以称为子区域。

将特征按照网格划分成数个子特征大小后，利用定义的区域推理操作分别对每个子特征进行位置空间推理，其中x_i和x_j分别对应特征的第i个位置的像素信息和第j个位置的像素信息，表示一个特征图中所有位置或像素的数目，δ，g和对应多层感知机(MLP，Multiple Layer Perception)，F_N表示对应第N个区域的特征，f(x_i,x_j)表示关联关系。通过该区域推理操作可以有效地建模各个层级特征内部的位置空间关系。具体的，在一定的区域内，该区域中的每个输出像素的值是通过对每个输入像素的值进行加权求和得到的，对应的权重是通过输入像素两两之间进行简单的矩阵乘法得到的。通过该区域推理操作可以得到每个像素和其他像素之间的关系表达，从而可以得到一个区域位置敏感的特征信息，有利于提升目标检测任务中对小目标的定位准确率。其中，对于MLP而言，它除了输入输出层，中间可以有多个隐层，最简单的MLP只含一个隐层，即三层的结构，多层感知机层与层之间是全连接的，全连接是指：上一层的任何一个神经元与下一层的所有神经元都有连接。通常在多层感知机的最底层是输入层，中间是隐藏层，最后是输出层。

二、网格交互模块

网格交互模块在于对同一层级的特征内部进行不同粒度的位置空间推理和融合，主要包含一个可变形网格池和对应的推理操作。整体框架如图6所示，该模块算法主要分为以下3个步骤：

1)将网格推理模块的输出作为本网格交互模块的输入特征，然后利用定义好的可变形网格池对每一层的特征进行不同粒度的位置级别推理，构建不同粒度的区域关系的连接和融合。

2)构建定义好的可变形网格池。在单一层级的基础网格上，扩展网格的划分样式，得到不同粒度的网格，如图7所示，比如将浅层特征上的基础网格16x16扩展成多个不同分布的网格样式(比如4x8网格和10x2网格)，将得到的不同形状的网格应用于同一层特征分布进行网格推理，然后将基于同一层级的特征在不同形状的网格推理下，得到的输出进行串接融合，再经过三层密集残差卷积操作，再经过一个1x1卷积，从而充分打通同一层特征在不同网格子区域间的交互，融合了各个网格间的上下文信息，进一步增强特征的位置空间信息和感受野，同时减少计算量。

3)最后，利用第一阶段的区域推理操作和本阶段的可变形网络池的划分结果进行融合，得到最终的网格交互模块的输出。

三、聚集模块

聚集模块在于结合FPN各层特征和网格交互模块输出的各层特征，采用像素级相加的操作进行结合，融合至底向上的不同尺度(浅层特征)和不同语义(深层特征)的特征，得到的融合特征可以增强特征的泛化力和表现力。将通过聚集模块得到的融合特征输入预测器(如分类器)进行分类，在分类过程中，对待检测的目标对象(如一张或多张图像)中提取的各个特征进行分类，根据得到的分类结果来确定该待检测目标对象中的目标对象，比如，一颗树，河边的一个小石子，尤其是可以实现对“小目标”的分类检测，“小目标”的示例如图3-图4所示。

采用本公开，基于图6的架构，利用网格推理模块来对不同层级的图像特征内部位置空间关系进行推理，同时结合可变形网格推理模块对同一层级的特征内部进行不同粒度的位置空间推理和融合，最后将各个层级、各个尺度的特征利用特征金字塔的结构进行有序地聚集。而且，采用如图7所示的基础网格池和可变形网格池，通过这两种网格来进行网格推理和融合处理，可以在提升目标检测特征表现性和泛化性的同时，降低任务对大计算资源的依赖。对于通用的目标检测等任务有明显的性能提升，特别是对小目标的检测，同时降低计算量。

本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。

此外，本公开还提供了目标检测装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种目标检测方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。

图8示出根据本公开实施例的目标检测装置的框图，如图8所示，该处理装置，包括：特征提取单元41，用于对图像进行特征提取，得到不同层级的图像特征；第一处理单元42，用于根据不同粒度网格对所述不同层级的图像特征进行空间位置信息处理，得到处理结果；第二处理单元43，用于根据所述不同层级的图像特征和所述处理结果，得到具备不同尺度和不同语义的特征；检测单元44，用于根据所述不同尺度和不同语义的特征进行目标检测，得到检测结果。

可能的实现方式中，所述第一处理单元，用于：根据不同粒度网格，对所述不同层级的图像特征进行网格所在区域和网格相连接区域的空间位置信息处理，得到所述处理结果。

可能的实现方式中，所述第一处理单元，用于：对所述不同层级图像特征，进行在不同粒度网格所在区域内部的空间位置关系处理，得到第一中间处理结果；对所述第一中间处理结果，进行同一层级图像特征在不同粒度网格与网格外部相连接区域的空间位置关系处理，得到所述处理结果。

可能的实现方式中，所述第一处理单元，用于：进行同一层级图像特征在不同粒度网格与网格外部相连接区域的空间位置关系处理，得到多个第二中间处理结果；将所述多个第二中间处理结果以串接方式进行融合处理，得到所述处理结果。

可能的实现方式中，所述第二处理单元，用于：根据所述不同层级的图像特征和所述处理结果，按照像素级相加的操作进行聚集处理，得到所述具备不同尺度和不同语义的特征。

可能的实现方式中，所述第一处理单元，用于：将所述不同层级的图像特征，按照由不同粒度网格划分规则得到的网格池转换为每个网格对应的第一子特征；识别所述每个网格对应的第一子特征所在的空间位置关系，将识别的所述空间位置关系作为所述第一中间处理结果。

可能的实现方式中，所述第一处理单元，用于：根据所述第一中间处理结果，定位出与所述不同层级的图像特征所在空间位置相连接的待处理区域；在所述待处理区域，将所述同一层级图像特征，按照由不同粒度网格划分规则得到的网格池转换为每个网格对应的第二子特征；识别所述每个网格对应的第二子特征以及每个网格相连接区域的第二子特征所在的空间位置关系，将所述空间位置关系进行融合及多层卷积操作，得到所述处理结果。

可能的实现方式中，所述由不同粒度网格划分规则得到的网格池，为基础网格池；所述装置还包括第一配置单元，用于：根据所述不同层级的图像特征的特征分类，得到所述不同粒度网格划分规则。

可能的实现方式中，所述由不同粒度网格划分规则得到的网格池，为可变形网格池；所述装置还包括第二配置单元，用于：根据所述同一层级图像特征的特征分类，得到所述不同粒度网格划分规则。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。

本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为上述方法。

电子设备可以被提供为终端、服务器或其它形态的设备。

图9是根据一示例性实施例示出的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。

参照图9，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。

图10是根据一示例性实施例示出的一种电子设备900的框图。例如，电子设备900可以被提供为一服务器。参照图10，电子设备900包括处理组件922，其进一步包括一个或多个处理器，以及由存储器932所代表的存储器资源，用于存储可由处理组件922的执行的指令，例如应用程序。存储器932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件922被配置为执行指令，以执行上述方法。

电子设备900还可以包括一个电源组件926被配置为执行电子设备900的电源管理，一个有线或无线网络接口950被配置为将电子设备900连接到网络，和一个输入输出(I/O)接口958。电子设备900可以操作基于存储在存储器932的操作系统，例如WindowsServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器932，上述计算机程序指令可由电子设备900的处理组件922执行以完成上述方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

在不违背逻辑的情况下，本申请不同实施例之间可以相互结合，不同实施例描述有所侧重，为侧重描述的部分可以参见其他实施例的记载。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims

1.一种目标检测方法，其特征在于，所述方法包括：

对图像进行特征提取，得到不同层级的图像特征；

2.根据权利要求1所述的方法，其特征在于，所述根据不同粒度网格对所述不同层级的图像特征进行空间位置信息处理，得到处理结果，包括：

3.根据权利要求2所述的方法，其特征在于，所述根据不同粒度网格，对所述不同层级的图像特征进行网格所在区域和网格相连接区域的空间位置信息处理，得到所述处理结果，包括：

4.根据权利要求3所述的方法，其特征在于，所述进行同一层级图像特征在不同粒度网格与网格外部相连接区域的空间位置关系处理，得到所述处理结果，包括：

5.根据权利要求1-4任一项所述的方法，其特征在于，所述根据所述不同层级的图像特征和所述处理结果，得到具备不同尺度和不同语义的特征，包括：

6.根据权利要求3-5任一项所述的方法，其特征在于，所述对所述不同层级图像特征，进行在不同粒度网格所在区域内部的空间位置关系处理，得到第一中间处理结果，包括：

7.根据权利要求3-5任一项所述的方法，其特征在于，所述对所述第一中间处理结果，进行同一层级图像特征在不同粒度网格与网格外部相连接区域的空间位置关系处理，得到所述处理结果，包括：

8.一种目标检测装置，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：执行权利要求1至7中任意一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。