CN113052175B - 目标检测方法、装置、电子设备及可读存储介质 - Google Patents
目标检测方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN113052175B CN113052175B CN202110328441.4A CN202110328441A CN113052175B CN 113052175 B CN113052175 B CN 113052175B CN 202110328441 A CN202110328441 A CN 202110328441A CN 113052175 B CN113052175 B CN 113052175B
- Authority
- CN
- China
- Prior art keywords
- target
- attention
- feature
- features
- characteristic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 38
- 230000007246 mechanism Effects 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims description 37
- 238000012545 processing Methods 0.000 claims description 33
- 238000010586 diagram Methods 0.000 claims description 27
- 230000006870 function Effects 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000004913 activation Effects 0.000 claims description 5
- 230000002708 enhancing effect Effects 0.000 abstract description 18
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 8
- 230000003993 interaction Effects 0.000 description 4
- 238000011176 pooling Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开公开了一种目标检测方法、装置、电子设备及可读存储介质，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域。具体实现方案为：针对提取的目标图像的特征，先通过注意力解耦得到欲要识别的至少两个特征信息对应的至少两个目标特征；其次，对各个目标特征进行注意力加强得到各目标特征对应的注意力特征图；再次，通过交叉注意力机制，针对任一目标特征的注意力特征，以提取得到的其他目标特征的注意力特征对前述任一目标特征的注意力特征进行交叉注意力加强。即通过对欲识别的特征的注意力加强，以及交叉注意力加强，也即是说对欲识别的特征进行双重加强，能够提升该任一目标特征对应的特征信息识别的准确性。
Description
技术领域
本公开涉及人工智能领域，尤其涉及计算机视觉和深度学习技术领域。
背景技术
目标检测需要输出目标的类别信息和位置信息，目前主流的方法分开生成这两种信息，虽然输出信息来源于同一个深层特征，但是两种信息之间缺少交互过程，导致两种信息之间割裂开来，从而阻碍了两个子任务的精度的进一步提升。
发明内容
本公开提供了一种用于目标检测的方法、装置、设备以及存储介质，用于提升目标对象特征识别的准确性。
本公开的第一方面，提供了一种目标检测方法，包括：
对提取的目标图像的特征进行注意力解耦处理，得到至少两个目标特征；
通过注意力机制确定各个目标特征的注意力特征图；
基于任一目标特征的注意力特征图与至少一个其他目标特征的注意力特征图确定针对任一目标特征对应的特征信息进行识别的目标注意力特征图；
基于目标注意力特征图与提取的目标图像的特征进行任一目标特征对应的特征信息的识别。
可选地，其中，所述目标特征包括以下至少两项：
目标对象的位置特征；目标对象的分类特征；目标对象的长、宽、高特征；目标对象的朝向特征。
可选地，其中，所述对提取的目标图像的特征进行注意力解耦处理，得到至少两个目标特征，包括：
将提取的目标图像的特征输入至用于注意力解耦的至少两个卷积层，得到至少两个目标特征。
可选地，其中，所述通过注意力机制确定各个目标特征的注意力特征图，包括：
基于确定的所述任一目标特征的注意力键值与注意力查询值确定中间特征；
基于确定的中间特征进行归一化处理，并通过激活函数确定针对所述任一目标特征的注意力特征图。可选地，其中，所述基于任一目标特征的注意力特征图与至少一个其他目标特征的注意力特征图确定针对所述任一目标特征对应的特征信息进行识别的目标注意力特征图，包括：
确定所述任一目标特征的注意力特征图与所述至少一个其他目标特征的注意力特征图分别对应的权重；
基于确定的所述任一目标特征的注意力特征图与所述至少一个其他目标特征的注意力特征图分别对应的权重，确定针对所述任一目标特征对应的特征信息进行识别的目标注意力特征图。
可选地，其中，所述基于所述目标注意力特征图与所述提取的目标图像的特征进行所述任一目标特征对应的特征信息的识别，包括：
将目标注意力特征图与所述提取的目标图像的特征进行矩阵相乘，并加上所述提取的目标图像的特征，得到对所述任一目标特征对应的特征信息进行识别的最终目标特征；
基于所述最终目标特征进行所述任一目标特征对应的特征信息的识别。
根据本公开的第二方面，提供了一种目标检测装置，包括：
解耦模块，用于对提取的目标图像的特征进行注意力解耦处理，得到至少两个目标特征；
第一确定模块，用于通过注意力机制确定所述解耦模块解耦处理得到的各个目标特征的注意力特征图；
第二确定模块，用于基于所述第一确定模块确定的任一目标特征的注意力特征图与至少一个其他目标特征的注意力特征图确定针对所述任一目标特征对应的特征信息进行识别的目标注意力特征图；
识别模块，用于基于所述第二确定模块确定的所述目标注意力特征图与所述提取的目标图像的特征进行所述任一目标特征对应的特征信息的识别。
可选地，其中，所述目标特征包括以下至少两项：
目标对象的位置特征；目标对象的分类特征；目标对象的长、宽、高特征；目标对象的朝向特征。
可选地，其中，所述解耦模块具体用于将提取的目标图像的特征输入至用于注意力解耦的至少两个卷积层，得到至少两个目标特征。
可选地，其中，所述第一确定模块包括：
第一确定单元，用于基于确定的所述任一目标特征的注意力键值与注意力查询值确定中间特征；
第二确定单元，用于基于确定的中间特征进行归一化处理，并通过激活函数确定针对所述任一目标特征的注意力特征图。可选地，其中，所述第二确定模块包括：
第三确定单元，用于基于确定所述任一目标特征的注意力特征图与所述至少一个其他目标特征的注意力特征图分别对应的权重；
第四确定单元，用于基于确定的所述任一目标特征的注意力特征图与所述至少一个其他目标特征的注意力特征图分别对应的权重，确定针对所述任一目标特征对应的特征信息进行识别的目标注意力特征图。
可选地，其中，所述识别模块包括：
得到单元，用于将目标注意力特征图与所述提取的目标图像的特征进行矩阵相乘，并加上所述提取的目标图像的特征，得到对所述任一目标特征对应的特征信息进行识别的最终目标特征；
识别单元，用于基于所述得到单元得到的所述最终目标特征进行所述任一目标特征对应的特征信息的识别。
根据本公开的第三方面，提供了一种电子设备，该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如本公开的第一方面和/或第二方面中所示的方法。
根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行如本公开的第一方面所示的方法。
根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如本公开的第一方面所示的方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是本公开实施例提供的目标检测方法的流程示意图；
图2是本公开实施例的一个目标检测流程示例图；
图3是本公开实施例提供的目标检测装置的结构示意图
图4是用来实现本公开实施例的目标检测方法的电子设备的框图；
图5是本公开实施例的又一个目标检测流程示例图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1示出了本公开实施例提供的一种目标检测方法的流程示意图，如图1所示，该方法主要可以包括：
步骤S101，对提取的目标图像的特征进行注意力解耦处理，得到至少两个目标特征；
其中，注意力机制(Attention mechanism)可以利用人类视觉机制进行直观解释。例如，我们的视觉系统倾向于关注图像中辅助判断的部分信息，并忽略掉不相关的信息，以此来达到从有限的资源中精确筛选出高价值信息的目的。具体地，人类视觉通过快速扫描全局图像，可以获得需要重点关注的目标区域，也就是一般所说的注意力焦点，而后对这一区域投入更多注意力资源，以获取更多所需要关注目标的细节信息，而抑制其他无用信息。注意力机制可以认为是一种资源分配的机制，可以理解为对于原本平均分配的资源根据attention对象的重要程度重新分配资源，重要的单位就多分一点，不重要或者不好的单位就少分一点，在深度神经网络的结构设计中，attention所要分配的资源基本上就是权重了。
具体地，可以根据欲要识别的目标图像的信息，对提取的目标图像的特征进行注意力解耦处理，得到相应数量的目标特征。其中，目标图像的特征可以是基于预训练的卷积神经网络等深度神经网络提取得到的，也可以是通过传统的图像特征提取的方法提取得到的，如尺度不变特征变换、方向梯度直方图等方法。其中，目标图像的特征还可以是对通过深度神经网络或传统方法提取的图像特征进一步处理后的特征，其中，该进一步处理可以包括最大池化、平均池化，以及其他能减少后续目标检测识别数据处理量的方法。
步骤S102，通过注意力机制确定各个目标特征的注意力特征图；
具体地，针对注意力解耦后得到的目标特征，可以分别通过注意力机制确定各个目标特征对应的注意力特征图。其中，该注意力机制可以是自注意力机制(Self-Attention)，也可以是多头自注意力机制(Multi-head self-attention)。
步骤S103，基于任一目标特征的注意力特征图与至少一个其他目标特征的注意力特征图确定针对所述任一目标特征对应的特征信息进行识别的目标注意力特征图；
具体地，本申请引入交叉注意力机制，针对任一目标特征的注意力特征图，将至少一个其他目标特征的注意力特征图所代表的语义信息反馈至该任一目标特征的注意力特征图，从而得到融合该任一目标特征的注意力特征图代表的语义信息，以及至少一个其他目标特征的注意力特征图所代表的语义的目标注意力特征图。
步骤S104，基于所述目标注意力特征图与所述提取的目标图像的特征进行所述任一目标特征对应的特征信息的识别。
具体地，目标注意力特征图所代表的语义信息融合了上述任一目标特征的注意力特征图代表的语义信息，以及至少一个其他目标特征的注意力特征图所代表的语义信息，基于所述目标注意力特征图与所述提取的目标图像的特征进行所述任一目标特征对应的特征信息的识别，也即是说，基于目标图像的全局特征与注意力特征进行图像识别，能够提升图像识别的准确性。
本申请实施例提供了一种目标检测方法，包括：对提取的目标图像的特征，首先，通过注意力解耦处理，得到欲要识别得到的特征信息(如位置信息、类别信息)对应的目标特征(如位置特征、类别特征)；其次，通过交叉注意力机制，将确定的其他目标特征的注意力特征图反馈至前述任一目标特征，得到针对该任一目标特征的特征信息识别的目标注意力特征图，也即是说，通过其他目标特征的注意力特征图辅助前述任一目标特征对应的特征信息的识别；再次，基于目标注意力特征图与目标图像的特征进行前述任一目标特征所对应的特征信息的识别。也即是说，针对提取的目标图像的特征，先通过注意力解耦得到欲要识别的至少两个特征信息对应的至少两个目标特征；其次，对各个目标特征进行注意力加强得到各目标特征对应的注意力特征图；再次，通过交叉注意力机制，针对任一目标特征的注意力特征，以提取得到的其他目标特征的注意力特征对前述任一目标特征的注意力特征进行交叉注意力加强。即通过对欲识别的特征的注意力加强，以及交叉注意力加强，也即是说对欲识别的特征进行双重加强，能够提升该任一目标特征对应的特征信息识别的准确性。
作为一种可选的实施方式，其中，目标特征可以包括但不限于以下特征：
目标对象的位置特征；目标对象的分类特征；目标对象的长、宽、高特征；目标对象的朝向特征。
具体地，可以基于目标检测的类型确定目标特征的种类。如目标检测为二维目标检测，则注意力解耦处理得到的目标特征可以为目标对象的位置特征、目标对象的分类特征。如果为三维目标检测，注意力解耦处理得到的目标特征可以为目标对象的位置特征，目标对象的分类特征，目标对象的长、宽、高特征，目标对象的朝向特征中任意至少两种的组合方式。也即是说，可以根据欲识别检测的内容，确定不同的解耦策略，从而能够提升欲检测识别特征识别检测的准确性。
对于本申请实施例，可以根据不同的应用场景，选择不同的目标特组合方式，从而解决了不同场景下目标图像的检测识别问题。
作为一种可选的实施方式，具体地，步骤S101包括：
步骤S1011(图中未示出)，将提取的目标图像的特征输入至用于注意力解耦的至少两个卷积层，得到至少两个目标特征。
具体地，基于识别的目标特征的数量设置对应数量的用于注意力解耦的卷积层。该用于注意力解耦的卷积层可以通过多个标注的样本数据训练得到的。
示例性地，如果欲要识别目标图像中目标对象的位置信息和类别信息，可以设至两个用于注意力解耦的卷积层。其中，一个用于基于注意力机制提取目标图像中目标对象的位置特征，一个用于基于注意力机制提取目标图像中目标对象的位置特征。
对于本申请实施例，解决了如何实现注意力解耦的问题，为后续注意力交叉等提供了基础。
作为一种可选的实施方式，具体地，步骤S102包括：
步骤S1021(图中未示出)，基于确定的所述任一目标特征的注意力键值与注意力查询值确定中间特征；
具体地，注意力键值与注意力查询值可以是由目标特征向量乘以两个不同的权值矩阵得到。
步骤S1022(图中未示出)，基于确定的中间特征进行归一化处理确定针对所述任一目标特征的注意力特征图。其中，归一化处理用于实现梯度的稳定性。
具体地，针对得到的中间特征，可以先进行归一化处理，然后通过softmax激活函数得到针对所述任一目标特征的注意力特征图。
对于本申请实施例，针对解耦处理后的上述任一目标特征，基于注意力机制提取得到注意力特征图，进一步提升了后续针对任一目标特征对应的特征信息识别的准确性。
作为一种可选的实施方式，其中，步骤S103包括：
步骤S1031(图中未示出)，确定所述任一目标特征的注意力特征图与所述至少一个其他目标特征的注意力特征图分别对应的权重；
其中，该权重可以是经验值，也可以是在进行模型训练时训练得到的。
示例性地，欲要识别目标图像中目标对象的三个特征A、B、C，将特则特征B和C对应的注意力特征图代表的语义信息反馈至特征A对应的注意力特征图。然而，特征B和C对特征A的识别的贡献度不同，可以基于贡献度的不同，分别设定不同的权重。其中，权重可以是经验值，也可以是在进行模型训练时训练得到的。
步骤S1032(图中未示出)，基于确定的所述任一目标特征的注意力特征图与所述至少一个其他目标特征的注意力特征图分别对应的权重，确定针对所述任一目标特征对应的特征信息进行识别的目标注意力特征图。
具体地，可以进行相应的加权计算，基于确定的所述任一目标特征的注意力特征图与所述至少一个其他目标特征的注意力特征图分别对应的权重，确定针对所述任一目标特征对应的特征信息进行识别的目标注意力特征图。
对于本申请实施例，对各注意力特征图分配不同的权重，从而能兼顾各个注意力特征图代表的语义信息的作用，提升识别的准确性。尤其是，当针对多特征(三个或三个以上)进行识别时，基于不同的目标特征确定不同的权重分配策略，能够提升识别的准确性。
作为一种可选的实施方式，具体地，步骤S104包括：
步骤S1041(图中未示出)，将目标注意力特征图与所述提取的目标图像的特征进行矩阵相乘，并加上所述提取的目标图像的特征，得到对所述任一目标特征对应的特征信息进行识别的最终目标特征；
步骤S1042(图中未示出)，基于所述最终目标特征进行所述任一目标特征对应的特征信息的识别。
对于本申请实施例，解决了如何将目标注意力特征图代表的特征和目标图像的全局特征进行融合的问题，基于最终目标特征进行任一目标特征对应的特征信息的识别，从而基于目标图像的全局特征与注意力特征进行图像识别，能够提升图像识别的准确性。
为了更好的理解本申请，示例性地，图2、图5示出了本申请实施例的目标检测的示例图。
整个方案如图2所示，输入一张图片(即目标图像)，经过特征提取网络提取出高层语义信息(即目标图像的特征)，然后送入注意力机制解耦模块，对目标要得到的分类和定位信息分别进行处理，同时进行交互，最终两个分支分别输出分类和定位信息。
整个技术方案中，最为重要的就是注意力机制解耦与交叉，该注意力机制解耦与交叉技术方案的设计具有通用性，可加入到现有的主流目标检测框架中(包括二维目标检测和三维目标检测)，用于检测识别效果的提升。
图5示出了识别处理的流程：
1.假定输入特征为F，维度为RH×W×C。先用一个平均池化层对特征进行处理，得到输出的特征Fa，对应维度为R8×10×C。其中，平均池化操作的作用一是为了聚合全局信息，二是减小特征维度从而减小计算量；
2.将Fa分别送入两个卷积层，得到分类和定位相应的两个特征F1和F2；将F1送入两个卷积层分别得到键值F1k和查询值F1q，对两个特征进行维度变化，得到F1k维度为R80×C，F1q维度为RC×80；同理，F2输入可以得到键值F2k和查询值F2q。
3.此处融入两种注意力机制，一种是注意力机制，比如F1q与F1k进行矩阵相乘，得到中间特征然后经过softmax进行归一化得到一个注意力特征图F1m，特征维度为RC×C；对于F2q与F2k同理。第二种是交叉注意力机制，比如F2q与F1k，得到中间特征然后经过softmax进行归一化得到一个注意力特征图F12m；将两个注意力特征图F1m和F12m相加得到分类的注意力特征图F12c，与输入特征F进行矩阵相乘，并且加上输入特征F得到最终的分类特征Fc；同理可得到相应的定位特征Fl。
图3示出了本公开实施例提供的一种目标测试装置的结构示意图，如图3所示，该装置主要可以包括：
解耦模块301，用于对提取的目标图像的特征进行注意力解耦处理，得到至少两个目标特征；
第一确定模块302，用于通过注意力机制确定所述解耦模块解耦处理得到的各个目标特征的注意力特征图；
第二确定模块303，用于基于所述第一确定模块确定的任一目标特征的注意力特征图与至少一个其他目标特征的注意力特征图确定针对所述任一目标特征对应的特征信息进行识别的目标注意力特征图；
识别模块304，用于基于所述第二确定模块确定的所述目标注意力特征图与所述提取的目标图像的特征进行所述任一目标特征对应的特征信息的识别。
本申请实施例提供了一种目标检测装置，包括：对提取的目标图像的特征，首先，通过注意力解耦处理，得到欲要识别得到的特征信息(如位置信息、类别信息)对应的目标特征(如位置特征、类别特征)；其次，通过交叉注意力机制，将确定的其他目标特征的注意力特征图反馈至前述任一目标特征，得到针对该任一目标特征的特征信息识别的目标注意力特征图，也即是说，通过其他目标特征的注意力特征图辅助前述任一目标特征对应的特征信息的识别；再次，基于目标注意力特征图与目标图像的特征进行前述任一目标特征所对应的特征信息的识别。也即是说，针对提取的目标图像的特征，先通过注意力解耦得到欲要识别的至少两个特征信息对应的至少两个目标特征；其次，对各个目标特征进行注意力加强得到各目标特征对应的注意力特征图；再次，通过交叉注意力机制，针对任一目标特征的注意力特征，以提取得到的其他目标特征的注意力特征对前述任一目标特征的注意力特征进行交叉注意力加强。即通过对欲识别的特征的注意力加强，以及交叉注意力加强，也即是说对欲识别的特征进行双重加强，能够提升该任一目标特征对应的特征信息识别的准确性。
可选地，其中，所述目标特征包括以下至少两项：
目标对象的位置特征；目标对象的分类特征；目标对象的长、宽、高特征；目标对象的朝向特征。
可选地，其中，所述解耦模块301具体用于将提取的目标图像的特征输入至用于注意力解耦的至少两个卷积层，得到至少两个目标特征。
可选地，其中，所述第一确定模块302包括：
第一确定单元，用于基于确定的所述任一目标特征的注意力键值与注意力查询值确定中间特征；
第二确定单元，用于基于确定的中间特征进行归一化处理，并通过激活函数确定针对所述任一目标特征的注意力特征图。
可选地，其中，所述第二确定模块303包括：
第三确定单元，用于基于确定所述任一目标特征的注意力特征图与所述至少一个其他目标特征的注意力特征图分别对应的权重；
第四确定单元，用于基于确定的所述任一目标特征的注意力特征图与所述至少一个其他目标特征的注意力特征图分别对应的权重，确定针对所述任一目标特征对应的特征信息进行识别的目标注意力特征图。
可选地，其中，所述识别模块304包括：
得到单元，用于将目标注意力特征图与所述提取的目标图像的特征进行矩阵相乘，并加上所述提取的目标图像的特征，得到对所述任一目标特征对应的特征信息进行识别的最终目标特征；
识别单元，用于基于所述得到单元得到的所述最终目标特征进行所述任一目标特征对应的特征信息的识别。
对于本申请实施例，其实现的具体方式与有益效果同上述方法实施例类似，此处不再赘述。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如本公开实施例提供的目标检测方法。
该电子设备与现有技术相比，对提取的目标图像的特征，首先，通过注意力解耦处理，得到欲要识别得到的特征信息(如位置信息、类别信息)对应的目标特征(如位置特征、类别特征)；其次，通过交叉注意力机制，将确定的其他目标特征的注意力特征图反馈至前述任一目标特征，得到针对该任一目标特征的特征信息识别的目标注意力特征图，也即是说，通过其他目标特征的注意力特征图辅助前述任一目标特征对应的特征信息的识别；再次，基于目标注意力特征图与目标图像的特征进行前述任一目标特征所对应的特征信息的识别。也即是说，针对提取的目标图像的特征，先通过注意力解耦得到欲要识别的至少两个特征信息对应的至少两个目标特征；其次，对各个目标特征进行注意力加强得到各目标特征对应的注意力特征图；再次，通过交叉注意力机制，针对任一目标特征的注意力特征，以提取得到的其他目标特征的注意力特征对前述任一目标特征的注意力特征进行交叉注意力加强。即通过对欲识别的特征的注意力加强，以及交叉注意力加强，也即是说对欲识别的特征进行双重加强，能够提升该任一目标特征对应的特征信息识别的准确性。该可读存储介质为存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行如本公开实施例提供的目标检测方法。
该可读存储介质与现有技术相比，对提取的目标图像的特征，首先，通过注意力解耦处理，得到欲要识别得到的特征信息(如位置信息、类别信息)对应的目标特征(如位置特征、类别特征)；其次，通过交叉注意力机制，将确定的其他目标特征的注意力特征图反馈至前述任一目标特征，得到针对该任一目标特征的特征信息识别的目标注意力特征图，也即是说，通过其他目标特征的注意力特征图辅助前述任一目标特征对应的特征信息的识别；再次，基于目标注意力特征图与目标图像的特征进行前述任一目标特征所对应的特征信息的识别。也即是说，针对提取的目标图像的特征，先通过注意力解耦得到欲要识别的至少两个特征信息对应的至少两个目标特征；其次，对各个目标特征进行注意力加强得到各目标特征对应的注意力特征图；再次，通过交叉注意力机制，针对任一目标特征的注意力特征，以提取得到的其他目标特征的注意力特征对前述任一目标特征的注意力特征进行交叉注意力加强。即通过对欲识别的特征的注意力加强，以及交叉注意力加强，也即是说对欲识别的特征进行双重加强，能够提升该任一目标特征对应的特征信息识别的准确性。该计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如本公开的第一方面中所示的目标检测方法。
该计算机程序产品与现有技术相比，对提取的目标图像的特征，首先，通过注意力解耦处理，得到欲要识别得到的特征信息(如位置信息、类别信息)对应的目标特征(如位置特征、类别特征)；其次，通过交叉注意力机制，将确定的其他目标特征的注意力特征图反馈至前述任一目标特征，得到针对该任一目标特征的特征信息识别的目标注意力特征图，也即是说，通过其他目标特征的注意力特征图辅助前述任一目标特征对应的特征信息的识别；再次，基于目标注意力特征图与目标图像的特征进行前述任一目标特征所对应的特征信息的识别。也即是说，针对提取的目标图像的特征，先通过注意力解耦得到欲要识别的至少两个特征信息对应的至少两个目标特征；其次，对各个目标特征进行注意力加强得到各目标特征对应的注意力特征图；再次，通过交叉注意力机制，针对任一目标特征的注意力特征，以提取得到的其他目标特征的注意力特征对前述任一目标特征的注意力特征进行交叉注意力加强。即通过对欲识别的特征的注意力加强，以及交叉注意力加强，也即是说对欲识别的特征进行双重加强，能够提升该任一目标特征对应的特征信息识别的准确性。图4示出了可以用来实施本公开的实施例的示例电子设备400的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图4所示，设备400包括计算单元401，其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序，来执行各种适当的动作和处理。在RAM403中，还可存储设备400操作所需的各种程序和数据。计算单元401、ROM402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理，例如方法目标检测方法。例如，在一些实施例中，目标检测方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元408。在一些实施例中，计算机程序的部分或者全部可以经由ROM402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM403并由计算单元401执行时，可以执行上文描述的方法目标检测方法的一个或多个步骤。备选地，在其他实施例中，计算单元401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法目标检测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (9)
1.一种目标检测方法，包括：
对提取的目标图像的特征进行注意力解耦处理，得到至少两个目标特征；
通过注意力机制确定各个目标特征的注意力特征图；
针对任一目标特征的注意力特征图，通过交叉注意力机制，将至少一个其他目标特征的注意力特征图所代表的语义信息反馈至所述任一目标特征的注意力特征图，得到融合所述任一目标特征的注意力特征图所代表的语义信息，以及至少一个其他目标特征的注意力特征图所代表的语义的目标注意力特征图；
基于所述目标注意力特征图与所述提取的目标图像的特征进行所述任一目标特征对应的特征信息的识别。
2.根据权利要求1所述的方法，其中，所述目标特征包括以下至少两项：
目标对象的位置特征；目标对象的分类特征；目标对象的长、宽、高特征；目标对象的朝向特征。
3.根据权利要求1所述的方法，其中，所述对提取的目标图像的特征进行注意力解耦处理，得到至少两个目标特征，包括：
将提取的目标图像的特征输入至用于注意力解耦的至少两个卷积层，得到至少两个目标特征。
4.根据权利要求1所述的方法，其中，所述通过注意力机制确定各个目标特征的注意力特征图，包括：
基于确定的所述任一目标特征的注意力键值与注意力查询值确定中间特征；
基于确定的中间特征进行归一化处理，并通过激活函数确定针对所述任一目标特征的注意力特征图。
5.根据权利要求1-4任一项所述的方法，其中，所述方法还包括：
确定所述任一目标特征的注意力特征图与所述至少一个其他目标特征的注意力特征图分别对应的权重；
基于确定的所述任一目标特征的注意力特征图与所述至少一个其他目标特征的注意力特征图分别对应的权重，确定针对所述任一目标特征对应的特征信息进行识别的目标注意力特征图。
6.根据权利要求5所述的方法，其中，所述基于所述目标注意力特征图与所述提取的目标图像的特征进行所述任一目标特征对应的特征信息的识别，包括：
将目标注意力特征图与所述提取的目标图像的特征进行矩阵相乘，并加上所述提取的目标图像的特征，得到对所述任一目标特征对应的特征信息进行识别的最终目标特征；
基于所述最终目标特征进行所述任一目标特征对应的特征信息的识别。
7.一种目标检测装置，包括：
解耦模块，用于对提取的目标图像的特征进行注意力解耦处理，得到至少两个目标特征；
第一确定模块，用于通过注意力机制确定所述解耦模块解耦处理得到的各个目标特征的注意力特征图；
第二确定模块，用于针对任一目标特征的注意力特征图，通过交叉注意力机制，将至少一个其他目标特征的注意力特征图所代表的语义信息反馈至所述任一目标特征的注意力特征图，得到融合所述任一目标特征的注意力特征图所代表的语义信息，以及至少一个其他目标特征的注意力特征图所代表的语义的目标注意力特征图；
识别模块，用于基于所述第二确定模块确定的所述目标注意力特征图与所述提取的目标图像的特征进行所述任一目标特征对应的特征信息的识别。
8.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
9.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110328441.4A CN113052175B (zh) | 2021-03-26 | 2021-03-26 | 目标检测方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110328441.4A CN113052175B (zh) | 2021-03-26 | 2021-03-26 | 目标检测方法、装置、电子设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113052175A CN113052175A (zh) | 2021-06-29 |
| CN113052175B true CN113052175B (zh) | 2024-03-29 |
Family
ID=76515836
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110328441.4A Active CN113052175B (zh) | 2021-03-26 | 2021-03-26 | 目标检测方法、装置、电子设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113052175B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018121690A1 (zh) * | 2016-12-29 | 2018-07-05 | 北京市商汤科技开发有限公司 | 对象属性检测、神经网络训练、区域检测方法和装置 |
| WO2018153322A1 (zh) * | 2017-02-23 | 2018-08-30 | 北京市商汤科技开发有限公司 | 关键点检测方法、神经网络训练方法、装置和电子设备 |
| CN110298413A (zh) * | 2019-07-08 | 2019-10-01 | 北京字节跳动网络技术有限公司 | 图像特征提取方法、装置、存储介质及电子设备 |
| WO2020155606A1 (zh) * | 2019-02-02 | 2020-08-06 | 深圳市商汤科技有限公司 | 面部识别方法及装置、电子设备和存储介质 |
| CN111967470A (zh) * | 2020-08-20 | 2020-11-20 | 华南理工大学 | 一种基于解耦注意力机制的文本识别方法及系统 |
| CN112016569A (zh) * | 2020-07-24 | 2020-12-01 | 驭势科技(南京)有限公司 | 基于注意力机制的目标检测方法、网络、设备和存储介质 |
-
2021
- 2021-03-26 CN CN202110328441.4A patent/CN113052175B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018121690A1 (zh) * | 2016-12-29 | 2018-07-05 | 北京市商汤科技开发有限公司 | 对象属性检测、神经网络训练、区域检测方法和装置 |
| WO2018153322A1 (zh) * | 2017-02-23 | 2018-08-30 | 北京市商汤科技开发有限公司 | 关键点检测方法、神经网络训练方法、装置和电子设备 |
| WO2020155606A1 (zh) * | 2019-02-02 | 2020-08-06 | 深圳市商汤科技有限公司 | 面部识别方法及装置、电子设备和存储介质 |
| CN110298413A (zh) * | 2019-07-08 | 2019-10-01 | 北京字节跳动网络技术有限公司 | 图像特征提取方法、装置、存储介质及电子设备 |
| CN112016569A (zh) * | 2020-07-24 | 2020-12-01 | 驭势科技(南京)有限公司 | 基于注意力机制的目标检测方法、网络、设备和存储介质 |
| CN111967470A (zh) * | 2020-08-20 | 2020-11-20 | 华南理工大学 | 一种基于解耦注意力机制的文本识别方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 基于注意力机制和特征融合改进的小目标检测算法;麻森权;周克;;计算机应用与软件(第05期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113052175A (zh) | 2021-06-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2022213718A1 (zh) | 样本图像增量、图像检测模型训练及图像检测方法 | |
| CN113033537A (zh) | 用于训练模型的方法、装置、设备、介质和程序产品 | |
| CN113436100B (zh) | 用于修复视频的方法、装置、设备、介质和产品 | |
| CN113705628B (zh) | 预训练模型的确定方法、装置、电子设备以及存储介质 | |
| CN112488060B (zh) | 目标检测方法、装置、设备和介质 | |
| CN113378969B (zh) | 一种目标检测结果的融合方法、装置、设备及介质 | |
| US20240135698A1 (en) | Image classification method, model training method, device, storage medium, and computer program | |
| CN110633717A (zh) | 一种目标检测模型的训练方法和装置 | |
| CN115359308B (zh) | 模型训练、难例识别方法、装置、设备、存储介质及程序 | |
| CN113657249B (zh) | 训练方法、预测方法、装置、电子设备以及存储介质 | |
| CN113657538B (zh) | 模型训练、数据分类方法、装置、设备、存储介质及产品 | |
| CN116071625B (zh) | 深度学习模型的训练方法、目标检测方法及装置 | |
| CN112465050A (zh) | 一种图像模板选择方法、装置、设备及存储介质 | |
| CN113052175B (zh) | 目标检测方法、装置、电子设备及可读存储介质 | |
| CN116229175B (zh) | 图像处理方法、装置、设备及存储介质 | |
| CN114494782B (zh) | 图像处理方法、模型训练方法、相关装置及电子设备 | |
| CN113361575B (zh) | 模型训练方法、装置和电子设备 | |
| CN116363444A (zh) | 模糊分类模型训练方法、识别模糊图像的方法及装置 | |
| CN115019057A (zh) | 图像特征提取模型确定方法及装置、图像识别方法及装置 | |
| CN113032071A (zh) | 页面元素定位方法、页面测试方法、装置、设备和介质 | |
| CN115965817B (zh) | 图像分类模型的训练方法、装置及电子设备 | |
| CN114037865B (zh) | 图像处理方法、装置、设备、存储介质和程序产品 | |
| CN115660049B (zh) | 模型处理方法、装置、电子设备以及存储介质 | |
| CN113609951B (zh) | 目标检测模型的训练和目标检测方法、装置、设备及介质 | |
| CN116012873B (zh) | 一种行人重识别方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |