CN113936256A - 一种图像目标检测方法、装置、设备以及存储介质 - Google Patents
一种图像目标检测方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN113936256A CN113936256A CN202111205681.1A CN202111205681A CN113936256A CN 113936256 A CN113936256 A CN 113936256A CN 202111205681 A CN202111205681 A CN 202111205681A CN 113936256 A CN113936256 A CN 113936256A
- Authority
- CN
- China
- Prior art keywords
- target detection
- image
- scale
- features
- detected
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 180
- 238000000034 method Methods 0.000 claims abstract description 23
- 239000000284 extract Substances 0.000 claims abstract description 14
- 238000000605 extraction Methods 0.000 claims description 63
- 239000013598 vector Substances 0.000 claims description 33
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 230000001629 suppression Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 7
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000013527 convolutional neural network Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 13
- 230000004927 fusion Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005070 sampling 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
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种图像目标检测方法、装置、设备以及存储介质,涉及人工智能技术领域,尤其涉及计算机机器视觉和深度学习技术领域。具体实现方案为:获得待检测图像,并将待检测图像输入至预设的目标检测模型中,由预设的目标检测模型提取待检测图像多尺度的全局特征以及多尺度的局部特征,并将相同尺度的全局特征和局部特征进行融合,得到各尺度的融合后特征,并基于各尺度融合后的特征进行目标检测,来得到目标检测结果并输出。本公开实施例中,目标检测模型提取并融合了待检测图像的多尺度全局特征以及局部特征,即在图像检测过程中,高效结合待检测图像的全局信息以及局部信息,提高了图像检测的准确度。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及计算机机器视觉和深度学习技术。
背景技术
目前,很多应用场景都需要对图像进行目标检测,以从图像中检测出目标物。例如:在交通监控应用场景中,需要对监控视频图像进行检测,根据需求从图像中检测出车辆、人、建筑物或交通标识等目标物。
发明内容
本公开提供了一种用于提高检测准确度的图像目标检测方法、装置、设备以及存储介质。
根据本公开的一方面,提供了一种图像目标检测方法,包括:
获得待检测图像;
将待检测图像输入预先设置的目标检测模型中,以使所述目标检测模型从所述待检测图像中提取多尺度的全局特征和多尺度的局部特征,将相同尺度的全局特征和局部特征进行融合,得到各个尺度的融合后特征,基于各个尺度的融合后特征对待检测图像进行目标检测,得到目标检测结果;
获得所述目标检测模型输出的目标检测结果。
根据本公开的另一方面,提供了一种图像目标检测装置,包括:
待检测图像获取模块,用于获得待检测图像;
待检测图像输入模块,用于将待检测图像输入预先设置的目标检测模型中;
模型处理模块,用于所述目标检测模型从所述待检测图像中提取多尺度的全局特征和多尺度的局部特征,将相同尺度的全局特征和局部特征进行融合,得到各个尺度的融合后特征,基于各个尺度的融合后特征对待检测图像进行目标检测,得到目标检测结果;
目标检测结果获取模块,用于获得所述目标检测模型输出的目标检测结果。
根据本公开的另一方面,提供了一种电子设备,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上述任一所述的图像目标检测方法。
根据本公开的另一方面,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,所述计算机指令用于使所述计算机执行根据上述任一所述的图像目标检测方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据上述任一所述的图像目标检测方法。
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是根据本公开提供的图像目标检测方法的第一实施例的示意图;
图2是根据本公开提供的目标检测模型的第一实施例的示意图;
图3是本公开提供的目标检测模型中特征提取模块的一种示意图;
图4是本公开提供的目标检测模型中CNN网络的一种结构示意图;
图5是本公开提供的目标检测模型中Transformer网络的一种结构示意图;
图6是根据本公开提供的图像目标检测方法的一种实例的示意图;
图7是根据本公开提供的图像目标检测装置的第一实施例的示意图;
图8是用来实现本公开实施例的图像目标检测方法的电子设备的框图。
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。
为了提高图像检测准确度,本公开提供了一种图像目标检测方法、装置、设备以及存储介质。
下面首先对本公开提供的图像目标检测方法进行说明。
参见图1,图1是根据本公开提供的图像目标检测方法的第一实施例的流程示意图,该方法可以包括以下步骤:
步骤S110,获得待检测图像;
步骤S120,将待检测图像输入预先设置的目标检测模型中,以使所述目标检测模型从所述待检测图像中提取多尺度的全局特征和多尺度的局部特征,将相同尺度的全局特征和局部特征进行融合,得到各个尺度的融合后特征,基于各个尺度的融合后特征对待检测图像进行目标检测,得到目标检测结果;
步骤S130,获得所述目标检测模型输出的目标检测结果。
本公开实施例提供的图像目标检测方法,首先获得待检测图像,并将待检测图像输入至预设的目标检测模型中,由预设的目标检测模型提取待检测图像多尺度的全局特征以及多尺度的局部特征,并将相同尺度的全局特征和局部特征进行融合,得到各尺度的融合后特征,并基于各尺度融合后的特征进行目标检测,来得到目标检测结果并输出。本公开实施例中,目标检测模型提取并融合了待检测图像的多尺度全局特征以及局部特征,即在图像检测过程中,高效结合待检测图像的全局信息以及局部信息,从而提高了图像检测的准确度。
图像检测在许多场景中都发挥重要作用,例如,在智慧交通场景中,检测是必不可少的一个环节,而在对图像进行检测之前,首先需要获取待检测的图像。本公开实施例中,上述待检测图像可以是由无人机、路边监控等设备采集到的。在获取待检测图像后,即可使用预先训练的目标检测模型对其进行目标检测。
如图2所示,在本公开的一种实施例中,上述目标检测模型可以包括:输入层210、特征提取层220、预测层230和输出层240;
所述输入层210,可以用于接收所述待检测图像。
作为本公开实施例的一种具体实施方式,该输入层210在接收到待检测图像后,可以对图像进行预处理,以便于后续的图像目标检测,例如,可以将图像转换为灰度图、将图像按照尺寸分成图像块等等。
所述特征提取层220,可以用于从所述待检测图像中提取多尺度的全局特征和多尺度的局部特征,将相同尺度的全局特征和局部特征进行融合,得到各个尺度的融合后特征。
该步骤中,可以对上述待检测图像进行不同尺度的下采样后,再针对不同尺度的下采样图像提取全局特征以及局部特征,并进行同尺度的特征融合。上述下采样图像尺度可以是上述待检测图像的1/4、1/8、1/16、1/32等等。
所述预测层230,可以用于基于各个尺度的融合后特征,进行目标预测,得到各个指定尺度的多个候选目标检测框。
本公开实施例中,特征提取层220在针对不同尺度图像进行全局特征和局部特征的提取与融合后,可以将各尺度的融合特征都输入至预测层230,预测层230则可以针对各尺度的融合特征进行目标预测。
所述输出层240,可以用于从多个候选目标检测框中,确定出最终目标检测框,作为目标检测结果输出。
可见,本公开实施例中使用的目标检测模型,特征提取层可以对待检测图像不同尺度的局部特征和全局特征进行提取与融合,使得预测层可以基于更完整的图像信息进行目标预测,从而提高了目标检测的准确度。
作为本公开实施例的一种具体实施方式,上述特征提取层220,可以包括:多个不同尺度的特征提取模块,每个尺度的特征提取模块,可以用于基于第一特征提取子网络从所述待检测图像中提取该尺度的全局特征,并基于第二特征提取子网络从所述待检测图像中提取该尺度的局部特征,将该尺度的全局特征和局部特征进行融合得到该尺度的融合后特征。
本公开实施例中,上述各特征提取模块可以串行连接。针对一个尺度的图像,可以使用多个同尺度的特征提取模块对其进行特征提取与融合,来达到较好的提取效果,同尺度特征提取模块的数量可以由开发人员根据具体尺度以及实际需求来确定。例如,对于上述尺度为待检测图像的1/16的下采样图像,若在预训练过程中得到当采用6个同尺度特征提取模块对该下采样图像进行特征提取时,能达到较好的提取效果,那么针对该尺度的图像,就可以设置6个特征提取模块。
本公开实施例中,上述第一特征提取子网络以及第二特征提取子网络可以是特征提取模块中两个不同的block。上述两个block可以针对待检测图像分别进行全局特征和局部特征的提取。
由上述可见,本公开实施例提供的目标检测模型中,可以使用不同的特征提取子网络进行全局特征以及局部特征的提取,使得全局特征可以局部特征的提取可以同时进行,提高待检测图像特征提取的效率。
如图3所示,作为本公开实施例的一种具体实施方式,上述特征提取模块中,包括:第一特征提取子网络310,其具体可以是:Transformer网络、第二特征提取子网络320,其可以是:CNN网络320,以及用于将全局特征以及局部特征进行特征融合的特征融合子模块330。
也就是说,本公开实施例中,一个特征提取模块可以包括Transformer block和CNN block。而通过将Transformer网络结构和CNN网络结构进行结合,可以充分利用两种网络结构的特点,较为高效地提取待检测图像的全局特征以及局部特征。
下面首先对上述CNN网络结构进行介绍。
CNN网络(Convolutional Neural Networks,卷积神经网络)是一种由一个或多个卷积层和顶端的全连接层(也可以使用1×1的卷积层作为最终的输出)组成的一种前馈神经网络,使用CNN网络结构的主要模型有YOLO系列模型(如YOLOv3、YOLOv5等等)、ResNet模型等等。
通常,CNN网络结构可以包括数据输入层、卷积层、池化层以及全连接层,上述卷积层、池化层以及全连接层通常也被称为隐含层。上述卷积层(Convolution层)可以通过在原始图像上平移来提取特征,即利用图片空间上的局部相关性来提取图片特征,其内部通常包含多个卷积核,卷积核会影响卷积层输出特征图的尺寸。池化层(pooling层)主要是进行特征选择和信息过滤以保持最显著的特征,具体的,可以是通过去掉特征图(Feature Map)中不重要的样本,进一步减少参数数量。而全连接层(FC,Full Connection层)作为最后一层则可在整个卷积神经网络中起到“分类器”的作用,若作为倒数2、3层,则可起到信息融合、增强信息表达的作用。
作为本公开实施例的一种具体实施方式,上述目标检测模型的特征提取模块中的CNN网络具体可以采用CNN残差(ResNet)结构,如图4所示,图4为本公开实施例中使用的CNN网络的一种具体结构示意图。
本公开实施例中,CNN网络可以包括两个1×1的卷积层321、3×3深度卷积层(Depthwise Convolution,dwconv)322以及全连接层323。
不同于常规卷积中一个卷积核可以操作所有通道,在深度卷积中,一个卷积核负责一个通道,一个通道只被一个卷积核卷积。上面所提到的常规卷积每个卷积核是同时操作输入图片的每个通道。深度卷积完成后的特征图数量与输入层的通道数相同,无法扩展特征图。因此可以在后续使用逐点卷积(Pointwise Convolution,pwconv,图中未示出)来将这些特征图进行组合生成新的特征图。
本例中,将待检测图像输入至CNN网络中后,通过上述各卷积层、深度卷积层以及全连接层就可以提取到上述待检测图像的局部特征并进行输出。
如上所述,本公开实施例中,可以使用上述CNN网络提取待检测图像的局部特征,而待检测图像的全局特征则可以使用上述Transformer网络提取。
通常,使用Transformer网络进行图像处理时,需要首先将图片分为图像块(patch),并将上述图像块输入至Transformer网络。transformer图片处理得到的向量一般是二维的,例如,得到的向量可以是[num,patch*patch*channel],其中,num可以表示一张图片分片数量(也就是分成多少个patch),第二个维度中patch*patch可以表示每个patch的面积,channel则表示通道数。
Transformer网络的网络结构通常是由Attention机制(注意力机制)组成,通常主要包括编码器(Encoder)和解码器(Decoder)两部分,使用Transformer网络结构的模型主要有DETR(Detection Transformer)等等。
注意力机制本质上与人类对外界事物的观察机制相似。通常来说,人们在观察外界事物的时候,首先会比较关注比较倾向于观察事物某些重要的局部信息,然后再把不同区域的信息组合起来,从而形成一个对被观察事物的整体印象。通常,在计算机视觉中,通常是使用掩码(mask)来形成注意力机制。掩码的原理在于通过另一层新的权重,将图片数据中关键的特征标识出来,通过学习训练,让深度神经网络学到每一张新图片中需要关注的区域,也就形成了注意力。
由上述可见,由于使用注意力机制,因此,Transformer网络可以对图片的全局信息进行聚合,也就是说,Transformer网络可以对输入的待检测图像进行全局特征的提取。
如上所述,上述第一特征提取子网络310可以是Transformer网络,因此,本公开实施例中,如图3所示,上述第一特征提取子网络就可以包括:注意力层311和前馈网络层312;
上述注意力层311可以用于基于输入的图像数据,提取KQV向量,基于KQV向量生成注意力矩阵。
如上所述,Transformer网络结构通常包括编码器以及解码器。其中,编码器可以针对输入图像(图像块),提取其K(Key,键)、Q(Query,查询)、V(Value,值)向量,具体的,可以是将输入的各个patch转化为图向量后,经过矩阵运算得到。上述解码器则可以基于上述K、Q、V向量进行计算,得到聚合信息,即图像的全局特征。
与上述编码器类似,本公开实施例中,上述注意力层311可以针对待检测图像提取其键(K)向量、查询(Q)向量和值(V)向量。而如上所述,输入层210可以将输入图像按照图像尺寸分割为图像块,因此,作为本公开实施例的一种具体实施方式,在提取待检测图像的KQV向量时,具体可以是针对各图像块,提取各图像块的KQV向量。
本公开实施例中,上述KQV向量可以是将上述待检测图像的图向量分别乘以转换矩阵WK、WQ、WV得到。上述待检测图像的图向量可以包括待检测图像的RGB像素值。上述转换矩阵WK、WQ、WV可以是在模型训练过程中得到。
具体的,在训练目标检测模型时,可以采用多个已知类别的图像作为输入图像,并基于图像以及其类别标签(行人、车辆等等)对模型进行训练,来得到各转换矩阵。对于同一尺度的图像块来说,在计算其KQV向量时,上述转换矩阵WK、WQ、WV可以是相同的。需要说明的是,本实施例中的已知类别的图像来自于公开数据集。
得到上述各图像块的KQV向量后,可以针对各图像块,基于上述各KQV向量,计算其与其他图像块之间注意力(Attention),构成待检测图像的注意力矩阵。
作为本实施例的一种具体实施方式,上述图像块之间的注意力可以采用以下公式计算:
该公式中,dk为键向量K的维度,典型值为64,Q、K、V指的就是上述图像块的查询向量、键向量以及值向量,i、j则是图像块标号。此处的softmax是为了将注意力值整理至(0,1)区间内。
如图3所示,上述前馈网络层312,则可以用于基于注意力矩阵,提取全局特征。
与上述Transformer网络中的解码器相似,上述前馈网络层312可以基于上述KQV向量构成的注意力矩阵,提取待检测图像的全局特征。
在计算机视觉技术领域,节点(图像块)i的查询Qi,与节点j的键Kj的点乘可以反应节点i对节点j的影响程度,经过调整以后可以成为节点j聚合节点i信息的权重,而这个需要聚合的信息就是V。
因此,作为本公开实施例的一种具体实施方式,对于一个图像块来说,其注意力聚合其他图像块信息的表达(权重zi)就可以是:
该公式中,i为当前图像块的编号,n指的是其他图像块的数量,j则指代其他图像块的编号。
得到各图像块的权重zi后,就可以基于各图像块的权重以及其图向量,提取待检测图像的全局特征。
可见,本公开实施例中,通过使用Transformer网络的注意力层和前馈层可以较为高效地提取待检测图像的全局特征。
如图5所示,图5是本公开实施例中使用的Transformer网络的一种具体结构示意图:该Transformer网络结构可以包括两个1×1卷积层510、k×k深度卷积层520、注意力子层530以及前馈网络层(FFN)540,其中,1×1卷积层510、k×k深度卷积层520及注意力子层530构成注意力层。
具体的,将待检测图像输入至Transformer block后,可以由1×1卷积层提取其Q向量,由k×k深度卷积层提取其K、V向量,该k值可以由开发人员基于待检测图像进行设置。之后由注意力子层基于提取到的KQV向量计算各图像块的attention值,再经过1×1卷积层将上述权值进行映射,输入至前馈网络层中,来得到待检测图像的全局特征。
在本公开的一种实施例中,上述预测层230可以利用特征金字塔FPN算法,基于多个指定尺度的融合后特征进行目标预测,得到各个指定尺度的多个候选目标检测框及每个候选目标检测框的预测值。
FPN(feature pyramid networks,特征金字塔神经网络)是一种多尺度的目标识别算法,其可针对不同尺度的特征进行图像可能性预测。
作为本公开实施例的一种具体实施方式,针对各候选目标检测框,可以基于该候选目标检测框中的融合特征,与预训练使用到的各图像的特征,得到该融合特征与各图像特征的相似度,将相似度最高的图像类别以及相应相似度值作为该候选目标检测框的预测值。
所述输出层240,则可以利用非极大值抑制NMS算法,基于每个候选目标检测框及其预测值,从多个候选目标检测框中,确定出最终目标检测框,作为目标检测结果输出。
非极大值抑制(Non-Maximum Suppression,NMS)即抑制不是最大值的元素。例如,例如在行人检测中,滑动窗口经提取特征,经分类器分类识别后,每个窗口都会得到一个分数。但是滑动窗口会导致很多窗口与其他窗口存在包含或者大部分交叉的情况。这时就需要用到NMS来选取那些邻域里分数最高(是行人的概率最大),并且抑制那些分数低的窗口。
如上所述,上述预测层230基于不同尺度特征预测出了多个检测框以及预测值。因此,作为本公开实施例的一种具体实施方式,输出层240可以基于上述基于不同尺度得到的候选目标检测框及预测值,得到与待检测图像相似度最高的图像类别,作为目标检测结果输出。
计算机视觉领域中,低层的特征图像信息比较少,但是目标位置准确;高层的特征图像信息比较丰富,但是目标位置比较粗略。本公开实施例中,通过使用FPN算法,可针对不同尺度融合特征进行目标预测,即同时利用低层特征高分辨率和高层特征的图像信息,使得预测结果更加准确,预测效果更好。
此外,由于使用FPN算法得到多个候选目标检测框,因此,通过在输出层使用非极大值抑制算法,可以去除冗余的检测框,保留最可靠的检测框,即保留了最好的结果,进一步提高了目标检测的精确度。
参见图6,图6是根据本公开实施例提供的图像目标检测方法的一种实例的执行流程示意图。
如图6所示,输入的待检测图像为H×W×3格式,其中,H表示待检测图像的高,W表示待检测图像的宽,3则表示待检测图像的通道数。
在通过输入层输入待检测图像后,首先使用两个相连的特征提取模块上述待检测图像进行下采样,得到尺度为待检测图像1/4的下采样图像,并对该1/4下采样图像进行特征提取,得到相应尺度的融合特征图。之后再使用两个特征提取模块对1/4下采样的图像再进行下采样,得到尺度为待检测图像1/8的下采样图像,并对该1/8下采样图像进行特征提取与融合,得到相应尺度的融合特征,并将该融合特征输入至FPN网络中,由FPN网络对其进行回归计算,得到相应候选目标检测框以及预测值。之后对上述1/8下采样图像再进行下采样,得到尺度为待检测图像的1/16的下采样图像,此处图像层数较深,因此,为了达到更好的效果,可以采用6个特征提取模块得到上述尺度为待检测图像的1/16的下采样图像,并对该下采样图像进行特征的提取与融合,并将融合的特征输入至上述FPN网络中。之后使用两个特征提取模块对上述1/16下采样图像进行下采样,得到尺度为上述待检测图像1/32的下采样图像,并对该1/32下采样图像进行特征提取与融合,并将获取到的融合特征输入至上述FPN网络。
上述FPN网络可以对上述各尺度的融合特征进行回归计算,得到各尺度对应的候选目标检测框以及候选目标检测框的预测值,之后由输出层基于上述候选目标检测框以及候选目标检测框的预测值,得到目标检测框作为检测结果。
由上述可见,与现有的目标检测算法中,使用Transformer网络结构的DETR模型较大,参数量和计算量都很大,以及使用CNN网络结构造成的对一些困难样本,难以很好的检测出来相比,本公开实施例中使用的目标检测模型将Transformer网络结构以及CNN网络结构进行结合,可以高效融合待检测图像的全局特征以及局部特征,以获得高质量的检测框,提高目标检测的准确度。在一些困难场景中,例如密集人群场景、低室外可见度场景中,可以得到质量较高的检测框,减少目标的漏检误检,可以有效支持智慧交通建设。
根据本公开实施例的另一方面,还提供了一种图像目标检测装置,如图7所示,该装置可以包括:
待检测图像获取模块710,可以用于获得待检测图像;
待检测图像输入模块720,可以用于将待检测图像输入预先设置的目标检测模型中;
模型处理模块730,可以用于所述目标检测模型从所述待检测图像中提取多尺度的全局特征和多尺度的局部特征,将相同尺度的全局特征和局部特征进行融合,得到各个尺度的融合后特征,基于各个尺度的融合后特征对待检测图像进行目标检测,得到目标检测结果;
目标检测结果获取模块740,可以用于获得所述目标检测模型输出的目标检测结果。
本公开实施例提供的图像目标检测装置,首先获得待检测图像,并将待检测图像输入至预设的目标检测模型中,由预设的目标检测模型提取待检测图像多尺度的全局特征以及多尺度的局部特征,并将相同尺度的全局特征和局部特征进行融合,得到各尺度的融合后特征,并基于各尺度融合后的特征进行目标检测,来得到目标检测结果并输出。本公开实施例中,目标检测模型提取并融合了待检测图像的多尺度全局特征以及局部特征,即在图像检测过程中,高效结合待检测图像的全局信息以及局部信息,提高了图像检测的准确度。
在本公开的一种实施例中,所述目标检测模型包括:输入层、特征提取层、预测层和输出层;
所述输入层,用于接收所述待检测图像;
所述特征提取层,用于从所述待检测图像中提取多尺度的全局特征和多尺度的局部特征,将相同尺度的全局特征和局部特征进行融合,得到各个尺度的融合后特征;
所述预测层,用于基于各个尺度的融合后特征,进行目标预测,得到各个指定尺度的多个候选目标检测框;
所述输出层,用于从多个候选目标检测框中,确定出最终目标检测框,作为目标检测结果输出。
在本公开的一种实施例中,所述特征提取层,包括:多个不同尺度的特征提取模块,每个尺度的特征提取模块,用于基于第一特征提取子网络从所述待检测图像中提取该尺度的全局特征,并基于第二特征提取子网络从所述待检测图像中提取该尺度的局部特征,将该尺度的全局特征和局部特征进行融合得到该尺度的融合后特征。
在本公开的一种实施例中,所述第一特征提取子网络为:Transformer网络;所述第二特征提取子网络为:CNN网络。
在本公开的一种实施例中,所述第一特征提取子网络包括:注意力层和前馈网络层;
其中,注意力层用于基于输入的图像数据,提取KQV向量,基于KQV向量生成注意力矩阵;
前馈网络层,用于基于注意力矩阵,提取全局特征。
在本公开的一种实施例中,所述预测层,利用特征金字塔FPN算法,基于多个指定尺度的融合后特征进行目标预测,得到各个指定尺度的多个候选目标检测框及每个候选目标检测框的预测值;
所述输出层,利用非极大值抑制NMS算法,基于每个候选目标检测框及其预测值,从多个候选目标检测框中,确定出最终目标检测框,作为目标检测结果输出。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
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。
图8示出了可以用来实施本公开的实施例的示例电子设备800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8所示,设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800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801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801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801执行上文所描述的各个方法和处理,例如图像目标检测方法。例如,在一些实施例中,图像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808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的图像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801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行图像目标检测方法。
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。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
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 (15)
1.一种图像目标检测方法,包括:
获得待检测图像;
将待检测图像输入预先设置的目标检测模型中,以使所述目标检测模型从所述待检测图像中提取多尺度的全局特征和多尺度的局部特征,将相同尺度的全局特征和局部特征进行融合,得到各个尺度的融合后特征,基于各个尺度的融合后特征对待检测图像进行目标检测,得到目标检测结果;
获得所述目标检测模型输出的目标检测结果。
2.根据权利要求1所述的方法,其中,
所述目标检测模型包括:输入层、特征提取层、预测层和输出层;
所述输入层,用于接收所述待检测图像;
所述特征提取层,用于从所述待检测图像中提取多尺度的全局特征和多尺度的局部特征,将相同尺度的全局特征和局部特征进行融合,得到各个尺度的融合后特征;
所述预测层,用于基于各个尺度的融合后特征,进行目标预测,得到各个指定尺度的多个候选目标检测框;
所述输出层,用于从多个候选目标检测框中,确定出最终目标检测框,作为目标检测结果输出。
3.根据权利要求2所述的方法,其中,
所述特征提取层,包括:多个不同尺度的特征提取模块,每个尺度的特征提取模块,用于基于第一特征提取子网络从所述待检测图像中提取该尺度的全局特征,并基于第二特征提取子网络从所述待检测图像中提取该尺度的局部特征,将该尺度的全局特征和局部特征进行融合得到该尺度的融合后特征。
4.根据权利要求3所述的方法,其中,
所述第一特征提取子网络为:Transformer网络;所述第二特征提取子网络为:CNN网络。
5.根据权利要求4所述的方法,其中,
所述第一特征提取子网络包括:注意力层和前馈网络层;
其中,注意力层用于基于输入的图像数据,提取KQV向量,基于KQV向量生成注意力矩阵;
前馈网络层,用于基于注意力矩阵,提取全局特征。
6.根据权利要求3所述的方法,其中,
所述预测层,利用特征金字塔FPN算法,基于多个指定尺度的融合后特征进行目标预测,得到各个指定尺度的多个候选目标检测框及每个候选目标检测框的预测值;
所述输出层,利用非极大值抑制NMS算法,基于每个候选目标检测框及其预测值,从多个候选目标检测框中,确定出最终目标检测框,作为目标检测结果输出。
7.一种图像目标检测装置,包括:
待检测图像获取模块,用于获得待检测图像;
待检测图像输入模块,用于将待检测图像输入预先设置的目标检测模型中;
模型处理模块,用于所述目标检测模型从所述待检测图像中提取多尺度的全局特征和多尺度的局部特征,将相同尺度的全局特征和局部特征进行融合,得到各个尺度的融合后特征,基于各个尺度的融合后特征对待检测图像进行目标检测,得到目标检测结果;
目标检测结果获取模块,用于获得所述目标检测模型输出的目标检测结果。
8.根据权利要求7所述的装置,其中,所述目标检测模型包括:输入层、特征提取层、预测层和输出层;
所述输入层,用于接收所述待检测图像;
所述特征提取层,用于从所述待检测图像中提取多尺度的全局特征和多尺度的局部特征,将相同尺度的全局特征和局部特征进行融合,得到各个尺度的融合后特征;
所述预测层,用于基于各个尺度的融合后特征,进行目标预测,得到各个指定尺度的多个候选目标检测框;
所述输出层,用于从多个候选目标检测框中,确定出最终目标检测框,作为目标检测结果输出。
9.根据权利要求8所述的装置,其中,
所述特征提取层,包括:多个不同尺度的特征提取模块,每个尺度的特征提取模块,用于基于第一特征提取子网络从所述待检测图像中提取该尺度的全局特征,并基于第二特征提取子网络从所述待检测图像中提取该尺度的局部特征,将该尺度的全局特征和局部特征进行融合得到该尺度的融合后特征。
10.根据权利要求9所述的装置,其中,
所述第一特征提取子网络为:Transformer网络;所述第二特征提取子网络为:CNN网络。
11.根据权利要求10所述的装置,其中,
所述第一特征提取子网络包括:注意力层和前馈网络层;
其中,注意力层用于基于输入的图像数据,提取KQV向量,基于KQV向量生成注意力矩阵;
前馈网络层,用于基于注意力矩阵,提取全局特征。
12.根据权利要求9所述的装置,其中,
所述预测层,利用特征金字塔FPN算法,基于多个指定尺度的融合后特征进行目标预测,得到各个指定尺度的多个候选目标检测框及每个候选目标检测框的预测值;
所述输出层,利用非极大值抑制NMS算法,基于每个候选目标检测框及其预测值,从多个候选目标检测框中,确定出最终目标检测框,作为目标检测结果输出。
13.一种电子设备,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。
14.一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。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111205681.1A CN113936256A (zh) | 2021-10-15 | 2021-10-15 | 一种图像目标检测方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111205681.1A CN113936256A (zh) | 2021-10-15 | 2021-10-15 | 一种图像目标检测方法、装置、设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113936256A true CN113936256A (zh) | 2022-01-14 |
Family
ID=79279732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111205681.1A Pending CN113936256A (zh) | 2021-10-15 | 2021-10-15 | 一种图像目标检测方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113936256A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114092833A (zh) * | 2022-01-24 | 2022-02-25 | 长沙理工大学 | 遥感图像分类方法、装置、计算机设备和存储介质 |
CN114419375A (zh) * | 2022-01-20 | 2022-04-29 | 北京百度网讯科技有限公司 | 图像分类方法、训练方法、装置、电子设备以及存储介质 |
CN114549958A (zh) * | 2022-02-24 | 2022-05-27 | 四川大学 | 基于上下文信息感知机理的夜间和伪装目标检测方法 |
CN114550460A (zh) * | 2022-04-25 | 2022-05-27 | 中国科学院自动化研究所 | 轨道交通异常检测方法、装置及存储介质 |
CN114782756A (zh) * | 2022-06-20 | 2022-07-22 | 深圳新视智科技术有限公司 | 基于特征融合的缺陷检测方法、装置、设备及存储介质 |
CN115170819A (zh) * | 2022-07-21 | 2022-10-11 | 北京百度网讯科技有限公司 | 目标识别方法及装置、电子设备和介质 |
CN115331048A (zh) * | 2022-07-29 | 2022-11-11 | 北京百度网讯科技有限公司 | 图像分类方法、装置、设备以及存储介质 |
CN115496993A (zh) * | 2022-09-09 | 2022-12-20 | 锋睿领创(珠海)科技有限公司 | 基于频域融合的目标检测方法、装置、设备及存储介质 |
CN115511779A (zh) * | 2022-07-20 | 2022-12-23 | 北京百度网讯科技有限公司 | 图像检测方法、装置、电子设备和存储介质 |
CN115631330A (zh) * | 2022-12-20 | 2023-01-20 | 浙江太美医疗科技股份有限公司 | 特征提取方法、模型训练方法、图像识别方法及应用 |
CN115950888A (zh) * | 2023-01-09 | 2023-04-11 | 湖南艾科瑞生物工程有限公司 | qPCR孔板的质量检测方法及相关设备 |
CN116824609A (zh) * | 2023-06-29 | 2023-09-29 | 北京百度网讯科技有限公司 | 文档版式检测方法、装置和电子设备 |
WO2024001653A1 (zh) * | 2022-06-30 | 2024-01-04 | 京东方科技集团股份有限公司 | 特征提取方法、装置、存储介质及电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110619043A (zh) * | 2019-08-30 | 2019-12-27 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 基于动态词向量的自动文本摘要生成方法 |
CN111581385A (zh) * | 2020-05-06 | 2020-08-25 | 西安交通大学 | 一种不平衡数据采样的中文文本类别识别系统及方法 |
CN111814633A (zh) * | 2020-06-29 | 2020-10-23 | 北京百度网讯科技有限公司 | 陈列场景检测方法、装置、设备以及存储介质 |
CN111914665A (zh) * | 2020-07-07 | 2020-11-10 | 泰康保险集团股份有限公司 | 一种人脸遮挡检测方法、装置、设备及存储介质 |
WO2020258978A1 (zh) * | 2019-06-28 | 2020-12-30 | 北京海益同展信息科技有限公司 | 对象检测方法和装置 |
WO2021051650A1 (zh) * | 2019-09-18 | 2021-03-25 | 北京市商汤科技开发有限公司 | 人脸和人手关联检测方法及装置、电子设备和存储介质 |
CN113159079A (zh) * | 2020-01-07 | 2021-07-23 | 顺丰科技有限公司 | 目标检测方法、装置、计算机设备和存储介质 |
-
2021
- 2021-10-15 CN CN202111205681.1A patent/CN113936256A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020258978A1 (zh) * | 2019-06-28 | 2020-12-30 | 北京海益同展信息科技有限公司 | 对象检测方法和装置 |
CN110619043A (zh) * | 2019-08-30 | 2019-12-27 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 基于动态词向量的自动文本摘要生成方法 |
WO2021051650A1 (zh) * | 2019-09-18 | 2021-03-25 | 北京市商汤科技开发有限公司 | 人脸和人手关联检测方法及装置、电子设备和存储介质 |
CN113159079A (zh) * | 2020-01-07 | 2021-07-23 | 顺丰科技有限公司 | 目标检测方法、装置、计算机设备和存储介质 |
CN111581385A (zh) * | 2020-05-06 | 2020-08-25 | 西安交通大学 | 一种不平衡数据采样的中文文本类别识别系统及方法 |
CN111814633A (zh) * | 2020-06-29 | 2020-10-23 | 北京百度网讯科技有限公司 | 陈列场景检测方法、装置、设备以及存储介质 |
CN111914665A (zh) * | 2020-07-07 | 2020-11-10 | 泰康保险集团股份有限公司 | 一种人脸遮挡检测方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
田萱等编著: "基于深度学习的图像语义分割技术", 31 May 2019, 海洋出版社, pages: 42 * |
郭启帆;刘磊;张珹;徐文娟;靖稳峰;: "基于特征金字塔的多尺度特征融合网络", 工程数学学报, no. 05, 15 October 2020 (2020-10-15) * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114419375A (zh) * | 2022-01-20 | 2022-04-29 | 北京百度网讯科技有限公司 | 图像分类方法、训练方法、装置、电子设备以及存储介质 |
CN114419375B (zh) * | 2022-01-20 | 2023-08-15 | 北京百度网讯科技有限公司 | 图像分类方法、训练方法、装置、电子设备以及存储介质 |
CN114092833A (zh) * | 2022-01-24 | 2022-02-25 | 长沙理工大学 | 遥感图像分类方法、装置、计算机设备和存储介质 |
CN114549958B (zh) * | 2022-02-24 | 2023-08-04 | 四川大学 | 基于上下文信息感知机理的夜间和伪装目标检测方法 |
CN114549958A (zh) * | 2022-02-24 | 2022-05-27 | 四川大学 | 基于上下文信息感知机理的夜间和伪装目标检测方法 |
CN114550460A (zh) * | 2022-04-25 | 2022-05-27 | 中国科学院自动化研究所 | 轨道交通异常检测方法、装置及存储介质 |
CN114550460B (zh) * | 2022-04-25 | 2022-07-12 | 中国科学院自动化研究所 | 轨道交通异常检测方法、装置及存储介质 |
CN114782756A (zh) * | 2022-06-20 | 2022-07-22 | 深圳新视智科技术有限公司 | 基于特征融合的缺陷检测方法、装置、设备及存储介质 |
WO2024001653A1 (zh) * | 2022-06-30 | 2024-01-04 | 京东方科技集团股份有限公司 | 特征提取方法、装置、存储介质及电子设备 |
CN115511779A (zh) * | 2022-07-20 | 2022-12-23 | 北京百度网讯科技有限公司 | 图像检测方法、装置、电子设备和存储介质 |
CN115511779B (zh) * | 2022-07-20 | 2024-02-20 | 北京百度网讯科技有限公司 | 图像检测方法、装置、电子设备和存储介质 |
CN115170819A (zh) * | 2022-07-21 | 2022-10-11 | 北京百度网讯科技有限公司 | 目标识别方法及装置、电子设备和介质 |
CN115331048A (zh) * | 2022-07-29 | 2022-11-11 | 北京百度网讯科技有限公司 | 图像分类方法、装置、设备以及存储介质 |
CN115496993B (zh) * | 2022-09-09 | 2023-07-14 | 锋睿领创(珠海)科技有限公司 | 基于频域融合的目标检测方法、装置、设备及存储介质 |
CN115496993A (zh) * | 2022-09-09 | 2022-12-20 | 锋睿领创(珠海)科技有限公司 | 基于频域融合的目标检测方法、装置、设备及存储介质 |
CN115631330B (zh) * | 2022-12-20 | 2023-03-10 | 浙江太美医疗科技股份有限公司 | 特征提取方法、模型训练方法、图像识别方法及应用 |
CN115631330A (zh) * | 2022-12-20 | 2023-01-20 | 浙江太美医疗科技股份有限公司 | 特征提取方法、模型训练方法、图像识别方法及应用 |
CN115950888A (zh) * | 2023-01-09 | 2023-04-11 | 湖南艾科瑞生物工程有限公司 | qPCR孔板的质量检测方法及相关设备 |
CN115950888B (zh) * | 2023-01-09 | 2024-04-09 | 湖南艾科瑞生物工程有限公司 | qPCR孔板的质量检测方法及相关设备 |
CN116824609A (zh) * | 2023-06-29 | 2023-09-29 | 北京百度网讯科技有限公司 | 文档版式检测方法、装置和电子设备 |
CN116824609B (zh) * | 2023-06-29 | 2024-05-24 | 北京百度网讯科技有限公司 | 文档版式检测方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113936256A (zh) | 一种图像目标检测方法、装置、设备以及存储介质 | |
CN113902897B (zh) | 目标检测模型的训练、目标检测方法、装置、设备和介质 | |
CN111368788B (zh) | 图像识别模型的训练方法、装置及电子设备 | |
CN113139543B (zh) | 目标对象检测模型的训练方法、目标对象检测方法和设备 | |
CN111652181B (zh) | 目标跟踪方法、装置及电子设备 | |
CN113901909B (zh) | 基于视频的目标检测方法、装置、电子设备和存储介质 | |
CN113326773A (zh) | 识别模型训练方法、识别方法、装置、设备及存储介质 | |
CN116052097A (zh) | 一种地图要素检测方法、装置、电子设备和存储介质 | |
CN112561879A (zh) | 模糊度评价模型训练方法、图像模糊度评价方法及装置 | |
CN114169425A (zh) | 训练目标跟踪模型和目标跟踪的方法和装置 | |
CN113052139A (zh) | 一种基于深度学习双流网络的攀爬行为检测方法及系统 | |
CN112215188A (zh) | 交警姿态识别方法、装置、设备及存储介质 | |
CN114973333B (zh) | 人物交互检测方法、装置、设备以及存储介质 | |
CN116543333A (zh) | 电力系统的目标识别方法、训练方法、装置、设备和介质 | |
CN116704203A (zh) | 目标检测方法、装置、电子设备、计算机可读存储介质 | |
CN116363429A (zh) | 图像识别模型的训练方法、图像识别方法、装置及设备 | |
CN115995075A (zh) | 一种车辆自适应导航方法、装置、电子设备及存储介质 | |
CN114332509B (zh) | 图像处理方法、模型训练方法、电子设备及自动驾驶车辆 | |
CN116258931A (zh) | 基于ViT和滑窗注意力融合的视觉指代表达理解方法和系统 | |
CN115439692A (zh) | 一种图像处理方法、装置、电子设备及介质 | |
CN112633089B (zh) | 一种视频行人重识别方法、智能终端及存储介质 | |
CN114998387A (zh) | 一种物体距离监测方法、装置、电子设备和存储介质 | |
CN111488476B (zh) | 图像推送方法、模型训练方法及对应装置 | |
CN114049684A (zh) | 一种人体坐姿识别方法、装置、电子设备和存储介质 | |
CN112990327A (zh) | 特征融合方法、装置、设备、存储介质以及程序产品 |
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 |