CN115100431B - 目标检测方法、神经网络及其训练方法、设备和介质 - Google Patents
目标检测方法、神经网络及其训练方法、设备和介质 Download PDFInfo
- Publication number
- CN115100431B CN115100431B CN202210895275.0A CN202210895275A CN115100431B CN 115100431 B CN115100431 B CN 115100431B CN 202210895275 A CN202210895275 A CN 202210895275A CN 115100431 B CN115100431 B CN 115100431B
- Authority
- CN
- China
- Prior art keywords
- candidate region
- feature
- sample
- network
- sub
- 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
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
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种目标检测方法、神经网络及其训练方法、设备和介质,涉及人工智能领域,具体涉及图像处理、计算机视觉和深度学习等技术领域。目标检测方法包括:利用第一候选区域预测子网络确定待检测图像中的至少一个第一候选区域,以得到至少一个第一候选区域各自的第一几何特征;利用第一图像特征提取子网络确定至少一个第一候选区域中的每一个第一候选区域第一图像特征;针对至少一个第一候选区域中的每一个第一候选区域,利用第一特征融合子网络至少将该第一候选区域的第一图像特征和第一几何特征进行特征融合,以得到该第一候选区域的第一候选特征;利用检测子网络对至少一个第一候选区域各自的第一候选特征进行处理,以得到目标检测结果。
Description
技术领域
本公开涉及人工智能技术领域,具体涉及图像处理、计算机视觉和深度学习等技术领域,特别涉及一种基于神经网络的目标检测方法、神经网络的训练方法、用于目标检测的神经网络、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
目标检测是计算机视觉的一个热门方向,广泛应用于自动驾驶、智能视频监控、工业检测等诸多领域。通过实现计算机视觉减少对人力资本的消耗,具有重要的现实意义。因此,目标检测也就成为了近年来理论和应用的研究热点。由于深度学习的广泛运用,目标检测方法得到了快速的发展,但现有的目标检测方法的准确率仍有待提高。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种基于神经网络的目标检测方法、神经网络的训练方法、用于目标检测的神经网络、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种基于神经网络的目标检测方法,神经网络包括第一候选区域预测子网络、第一图像特征提取子网络、第一特征融合子网络、以及检测子网络,方法包括:利用第一候选区域预测子网络确定待检测图像中的至少一个第一候选区域,以得到至少一个第一候选区域各自的第一几何特征,第一几何特征指示对应的第一候选区域的尺寸、形状、或位置中的至少一者;利用第一图像特征提取子网络确定至少一个第一候选区域中的每一个第一候选区域第一图像特征;针对至少一个第一候选区域中的每一个第一候选区域,利用第一特征融合子网络至少将该第一候选区域的第一图像特征和第一几何特征进行特征融合,以得到该第一候选区域的第一候选特征;以及利用检测子网络对至少一个第一候选区域各自的第一候选特征进行处理,以得到目标检测结果。
根据本公开的另一方面,提供了一种神经网络的训练方法,神经网络包括第一候选区域预测子网络、第一图像特征提取子网络、第一特征融合子网络、以及检测子网络,方法包括:获取样本图像和样本图像的真实目标检测结果;利用第一候选区域预测子网络确定样本图像中的至少一个第一样本候选区域,以得到至少一个第一样本候选区域各自的第一样本几何特征,第一样本几何特征指示对应的第一候选区域的尺寸、形状、或位置中的至少一者;利用第一图像特征提取子网络确定至少一个第一样本候选区域中的每一个第一样本候选区域的第一样本图像特征;针对至少一个第一样本候选区域中的每一个第一样本候选区域,利用第一特征融合子网络至少将该第一样本候选区域的第一样本图像特征和第一样本几何特征进行特征融合,以得到该第一样本候选区域的第一样本候选特征;利用检测子网络对至少一个第一样本候选区域各自的第一样本候选特征进行处理,以得到预测目标检测结果;以及基于预测目标检测结果和真实目标检测结果,调整神经网络的参数,以得到训练后的神经网络。
根据本公开的另一方面,提供了一种用于目标检测的神经网络,包括:第一候选区域预测子网络,被配置为确定待检测图像中的至少一个第一候选区域,以得到至少一个第一候选区域各自的第一几何特征,第一几何特征指示对应的第一候选区域的尺寸、形状、或位置中的至少一者;第一图像特征提取子网络,被配置为确定至少一个第一候选区域中的每一个第一候选区域的第一图像特征;第一特征融合子网络,被配置为针对至少一个第一候选区域中的每一个第一候选区域,将该第一候选区域的第一图像特征和第一几何特征进行特征融合,以得到该第一候选区域的第一候选特征;检测子网络,被配置为对至少一个第一候选区域各自的第一候选特征进行处理,以得到目标检测结果。
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,这些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上述方法。
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,计算机指令用于使计算机执行上述方法。
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,其中,计算机程序在被处理器执行时实现上述方法。
根据本公开的一个或多个实施例,通过确定多个候选区域,并将候选区域对应的图像特征和几何特征进行显式融合,进而利用检测子网络对融合后的特征进行进一步处理,以得到目标检测结果,从而提升了模型的泛化性和输出结果的准确性,并且实现了使用神经网络直接得到目标检测结果而无需使用人为设计的后处理方法,更好地利用了神经网络的自主能力。
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
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开示例性实施例的目标检测方法的流程图;
图3示出了根据本公开示例性实施例的目标检测方法的流程图;
图4示出了根据本公开示例性实施例的目标检测方法的流程图;
图5示出了根据本公开示例性实施例的神经网络的训练方法的流程图;
图6示出了根据本公开示例性实施例的神经网络的结构框图;
图7示出了根据本公开示例性实施例的神经网络的结构框图;以及
图8出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
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。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。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个元件与另一元件区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
相关技术中,现有的目标检测方法准确率低,并且需要人为地设计后处理方法以去除掉重复的检测框。
为解决上述问题,本公开通过确定多个候选区域,并将候选区域对应的图像特征和几何特征进行显式融合,进而利用检测子网络对融合后的特征进行进一步处理,以得到目标检测结果,从而提升了模型的泛化性和输出结果的准确性,并且实现了使用神经网络直接得到目标检测结果而无需使用人为设计的后处理方法,更好地利用了神经网络的自主能力。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行用于目标检测方法和/或神经网络的训练方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)网络下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来进行目标检测的前端的操作。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口,例如,客户端设备可以采集图像。客户端设备还可以经由该接口向用户输出信息,例如,客户端可以向用户输出服务器上运行的目标检测方法得到的目标检测结果。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统,例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS);或包括各种移动操作系统,例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120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。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据存储库130可以驻留在各种位置。例如,由服务器120使用的数据存储库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库130可以是不同的类型。在某些实施例中,由服务器120使用的数据存储库可以是数据库,例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
根据本公开的一方面,提供了一种基于神经网络的目标检测方法,神经网络包括第一子网络和检测子网络,第一子网络包括第一候选区域预测子网络和第一图像特征提取子网络。如图2所示,该方法包括:步骤S201、利用第一候选区域预测子网络确定待检测图像中的至少一个第一候选区域,以得到至少一个第一候选区域各自的第一几何特征,第一几何特征指示对应的第一候选区域的尺寸、形状、或位置中的至少一者;步骤S202、利用第一图像特征提取子网络确定至少一个第一候选区域中的每一个第一候选区域第一图像特征;步骤S203、针对至少一个第一候选区域中的每一个第一候选区域,利用第一特征融合子网络至少将该第一候选区域的第一图像特征和第一几何特征进行特征融合,以得到该第一候选区域的第一候选特征;以及步骤S204、利用检测子网络对至少一个第一候选区域各自的第一候选特征进行处理,以得到目标检测结果。
由此,通过确定多个候选区域,并将候选区域对应的图像特征和几何特征进行显式融合,进而利用检测子网络对融合后的特征进行进一步处理,以得到目标检测结果,从而提升了模型的泛化性和输出结果的准确性,并且实现了使用神经网络直接得到目标检测结果而无需使用人为设计的后处理方法,更好地利用了神经网络的自主能力。
待检测图像,也可以称为待处理图像,例如可以是包括相同或不同类别的目标对象的图像。示例性的,待检测图像可以是交通监控摄像头拍摄的路况图像,其中可包含有轿车、公交车、迷你巴士、运动型多用途汽车(Sport Utility Vehicle,SUV)和厢式货车等等。
在一些实施例中,神经网络还可以包括主干网络,用于提取待检测图像的特征图。主干网络可以选取ResNet系列的网络,例如ResNet34,,ResNet50,ResNet101等等,也可以选取DarkNet系列的网络,例如DarkNet19,DarkNet53等等。可以理解的是,本领域技术人员还可以选择其他的网络,或者根据需求自行设计或搭建主干神经网络,在此不做限定。
在一些实施例中,在主干网络之后可以连接特征金字塔,以提取不同尺度的特征图。在得到不同尺度的特征图后,可以使用第一子网络或后文描述的第二子网络基于每一个尺度的特征图进行目标检测,从而使得能够成功检测到待检测图像中的不同尺寸的对象。
本公开的方法可以用于各类基于锚框的目标检测方法,例如,基于区域的卷积神经网络(Region-based Convolution Neural Network,RCNN)、快速的RCNN(Fast RCNN)、更快的RCNN(Faster RCNN)等等,以及无需锚框的目标检测方法,例如,全卷积单阶段(FullyConvolutional One-Stage,FCOS)目标检测算法、只看一次(You Only Look Once,YOLO)目标检测算法等等。本公开的方法和这些目标检测方法的结合将在后文进行详细描述。
在一些实施例中,在步骤S201,可以采用上述基于锚框的方法确定至少一个第一候选区域。例如,可以使用Fast RCNN方法中的区域生成网络(Region Proposal Network,RPN)网络确定候选区域,也可以YOLO算法中的检测头(Detection Head)确定候选区域,还可以使用FCOS方法中的center-ness确定候选区域(即,关键特征点),或使用其他方法确定候选区域,在此不做限定。
需要说明的是,在上述现有的目标检测方法中,通常会先得到大量的(上万或者更多的)候选区域,这些候选区域可以是锚框、候选特征点、或候选检测框。进而可以基于这些候选区域的置信度筛选出最有可能包含目标对象的检测框,再通过非极大抑制等人为设定的后处理手段在框选同一目标对象的大量重叠的检测框中选取出质量最佳的检测框。而在本公开的方法中,可以在得到最初始的大量候选区域后,通过置信度等方式从中筛选出最有可能包含目标对象的候选区域,进而将这些候选区域全部输入到检测子网络中,并由检测子网络判断每一个候选区域是否包括对象,并进一步预测其对应的检测框的尺寸、形状、位置、其中所包括的对象的类别、以及置信度等信息。由此,可以实现无需利用人为设定的后处理方法,完全利用神经网络完成端到端的目标检测。
在一些实施例中,在步骤S201,在确定第一候选区域时,还可以确定第一候选区域对应的几何信息,例如第一候选区域的尺寸、形状、或位置中的至少一个。可以理解的是,还可以确定第一候选区域的其他几何信息,在此不作限定。基于第一候选区域的几何信息可以构造相应的第一几何特征,进而可以对第一候选区域的多个特征进行显式特征融合。可以理解的是,几何信息可以包括连续或离散的数值(例如,第一候选区域的宽和高、第一候选区域的横纵坐标),以及类别(例如,第一候选区域的形状),而几何特征可以是对这些信息进行归一化、嵌入等处理后得到的能够由神经网络进行处理的特征。
在一些实施例中,还可以确定第一候选区域的置信度信息。例如,第一候选区域预测子网络(例如,RPN网络)可以输出每一个第一候选区域的置信度。需要注意的是,在上述多种目标检测方法中,部分方法提取的置信度信息仅与候选检测框相关而与对象类别无关,因此每一个候选检测框仅对应一个置信度;而另外部分方法提取的置信度信息与候选检测框和对象类别两者均相关,也就是说,针对k个目标对象的类别,每一个候选检测框对应k个置信度。此外,在一些实施例中,置信度是通过二值化的两个特征体现的,即一个特征表示对应的检测框中包含对象(或包含特定类别的对象),另一个特征表示对应的检测框中不包含对象(或不包含特定类别的对象)。上述多种类型的置信度均可以用于构造相应的置信度特征,进而实现第一候选区域的显式特征融合,如下文将要描述的。
根据一些实施例,步骤S201、利用第一候选区域预测子网络确定待检测图像中的至少一个第一候选区域,以得到至少一个第一候选区域各自的第一几何特征可以包括:确定至少一个第一候选区域各自的第一置信度特征,第一置信度特征指示对应的第一候选区域中包括目标对象的置信度。步骤S203、针对至少一个第一候选区域中的每一个第一候选区域,利用第一特征融合子网络至少将该第一候选区域的第一图像特征和第一几何特征进行特征融合,以得到该第一候选区域的第一候选特征可以包括:针对至少一个第一候选区域中的每一个第一候选区域,利用第一特征融合子网络至少将该第一候选区域的第一图像特征、第一几何特征、以及第一置信度特征进行特征融合,以得到该第一候选区域的第一候选特征。
由此,通过将候选区域的置信度构建为置信度特征,进而将置信度特征和图像特征、几何特征进行显示融合,实现了对候选特征的所包含的信息的进一步丰富,提升目标检测的准确率。
在一些实施例中,在步骤S202,在得到至少一个第一候选区域后,可以提取每一个第一候选区域对应的图像特征,以用于进行进一步的目标检测。可以理解的是,可以采用上述目标检测方法(例如,FCOS、Faster RCNN、YOLO等等)中的方式提取第一候选区域的图像特征,也可以根据需求自行设计或搭建神经网络以提取图像特征,在此不作限定。
根据一些实施例,第一子网络还包括第一属性预测子网络。如图3所示,目标检测方法还可以包括:步骤S303、利用第一属性预测子网络确定至少一个第一候选区域各自的第一属性特征。第一属性特征指示对应的第一候选区域中的目标对象的以下属性中的至少一个:颜色、形状、是否被遮挡、是否被截断、或朝向。图3中的步骤S301-步骤S302、以及步骤S304-步骤S305的操作分别和图2中的步骤S201-步骤S204的操作类似,在此不做赘述。步骤S304、至少将第一图像特征和第一几何特征进行特征融合,以得到该第一候选区域的第一候选特征可以包括:至少将第一图像特征、第一几何特征、以及第一属性特征进行特征融合,以得到该第一候选区域的第一候选特征。
在一些实施例中,目标对象为各类车辆,而车辆的这些属性能够一定程度上帮助神经网络进行更准确的检测和分类。因此,通过在目标检测的过程中提取目标对象的属性信息,并将这些属性信息构建为属性特征,进而将属性特征和图像特征、几何特征进行显示融合,以实现对候选特征的所包含的信息的进一步丰富,提升目标检测的准确率。
根据一些实施例,步骤S304、针对至少一个第一候选区域中的每一个第一候选区域,利用第一特征融合子网络至少将该第一候选区域的第一图像特征和第一几何特征进行特征融合,以得到该第一候选区域的第一候选特征可以包括:针对至少一个第一候选区域中的每一个第一候选区域,利用第一特征融合子网络至少将该第一候选区域的第一图像特征和第一几何特征进行拼接,以得到该第一候选区域的第一候选特征。此外,在步骤S304,也可以将第一图像特征和第一几何特征进行拼接后,再将拼接后的特征与置信度特征和/或属性特征进行进一步拼接,以提升候选特征的信息量。由此,通过将特征进行直接拼接,能够尽可能多地保留特征中所包含的信息,并且能够帮助后续的检测子网络在这些特征中关注最佳特征。
在一些实施例中,可以采用除拼接外的其他方式将上述多种特征进行融合,例如直接相加、加权相加、或通过多层感知机等小型神经网络进行处理后再进行相加等,在此不作限定。
根据一些实施例,检测子网络可以包括特征强化子网络和结果生成子网络。步骤S305、利用检测子网络对至少一个第一候选区域各自的第一候选特征进行处理可以包括:针对至少一个第一候选区域中的每一个候选区域,利用特征强化子网络基于所确定的与至少一个第一候选区域对应的至少一个第一候选特征对该第一候选区域的第一候选特征进行强化,以得到该第一候选区域的强化后的第一候选特征;以及利用结果生成子网络对至少一个第一候选区域中的每一个第一候选区域的强化后的第一候选特征进行处理,以得到该第一候选区域的目标检测结果。
在一些实施例中,特征强化子网络可以为Transformer编码器。通过使用基于Transformer结构(或者基于自注意力机制)的特征强化子网络,可以使得强化后的第一候选特征融合有其他第一候选特征的信息,其中便包括了与该第一候选特征对应的第一候选区域重合的其他第一候选区域对应的第一特征。而通过对检测子网络进行基于匈牙利匹配损失的训练可以使得检测子网络能够在于同一目标对象对应的多个候选区域的候选特征中选择质量最佳的一个输出目标检测结果,从而避免了使用人工设计的后处理方法。
在一些实施例中,结果生成子网络可以对每一个强化后的第一候选特征进行单独处理,以得到对应的目标检测结果。目标检测结果可以指示对应的候选区域内是否包括目标对象,并且在指示候选区域内包括目标对象时,进一步包括框选目标对象的检测框的几何信息、目标对象的类别、以及置信度等内容。需要注意的是,如前文所描述的,部分针对同一目标对象的多个候选区域之间可能有重叠,而这些重叠的候选区域之中仅有一个的目标检测结果指示对应的候选区域内包括目标对象,而其他的候选区域的目标检测结果均指示对应的候选区域内不包括目标对象。
根据一些实施例,神经网络还可以包括不同于第一子网络的第二子网络。第二子网络可以通过与第一子网络不同的候选区域生成方式生成不同于至少一个第一候选区域的至少一个第二候选区域,但第一候选区域和第二候选区域之间具有对应关系。例如,至少一个第一候选区域中包括框选目标对象A的第一候选区域X,至少一个第二候选区域中包括框选同一目标对象A的第二候选区域Y,而第一候选区域X和第二候选区域Y部分重合。由此,可以将第一候选区域X对应的特征和第二候选区域Y对应的特征进行融合,以进一步丰富关于目标对象A的特征的信息,从而提升神经网络对目标对象A的检测准确性。
在一些实施例中,第二子网络可以包括第二候选区域预测子网络和第二图像特征提取子网络。如图4所示,目标检测方法还可以包括:步骤S404、利用第二候选区域预测子网络确定待检测图像中的至少一个第二候选区域,以得到至少一个第二候选区域各自的第二几何特征,第二几何特征指示对应的第二候选区域的尺寸、形状、或位置中的至少一者;步骤S405、利用第二图像特征提取子网络确定至少一个第二候选区域中的每一个第二候选区域的第二图像特征;步骤S406、针对至少一个第二候选区域中的每一个第二候选区域,利用第二特征融合子网络至少将该第二候选区域的第二图像特征和第二几何特征进行特征融合,以得到该第二候选区域的第二候选特征;步骤S407、利用匹配子网络将至少一个第一候选区域和至少一个第二候选区域进行匹配,以得到至少一个候选区域匹配对,候选区域匹配对包括至少一个第一候选区域中的一个第一候选区域和至少一个第二候选区域中的一个第二候选区域;以及步骤S408、针对至少一个候选区域匹配对中的每一个候选区域匹配对,利用第三特征融合子网络将该候选区域匹配对所包括的第一候选区域的第一候选特征和该候选区域匹配对所包括的第二候选区域的第二候选特征进行融合,以得到该候选区域匹配对的融合候选特征。图4中的步骤S401-步骤S403、以及步骤S409的操作分别和图2中的步骤S201-步骤S204的操作类似,在此不做赘述。步骤S409、利用检测子网络对至少一个第一候选区域各自的第一候选特征进行处理可以包括:利用检测子网络对至少一个候选区域匹配对各自的融合候选特征进行处理,以得到目标检测结果。
由此,通过利用不同于第一子网络的第二子网络确定第二候选特征,并将第一候选特征和第二候选特征进行匹配并融合,进而将融合后的特征输入检测子网络,使得能够进一步提升目标检测结果的准确性。
可以理解的是,第二子网络中的第二候选区域预测子网络和第二图像特征提取子网络可以和第一子网络中的第一候选区域预测子网络和第一图像特征提取子网络类似,在此不做赘述。此外,第二子网络还可以包括与第一属性预测子网络类似的第二属性预测子网络,并且也可以在第二图像特征和第二几何特征的基础上进一步融合属性特征和置信度特征,在此不作限定。
根据一些实施例,基于至少一个第一候选区域各自的几何信息和至少一个第二候选区域各自的几何信息,将至少一个第一候选区域和至少一个第二候选区域进行匹配。由此,通过基于几何信息进行匹配,可以确保对应的第一候选区域和第二候选区域与同一个目标对象对应。
根据本公开的另一方面,提供了一种神经网络的训练方法。神经网络包括第一候选区域预测子网络、第一图像特征提取子网络、第一特征融合子网络、以及检测子网络。如图5所示,该方法包括:步骤S501、获取样本图像和样本图像的真实目标检测结果;步骤S502、利用第一候选区域预测子网络确定样本图像中的至少一个第一样本候选区域,以得到至少一个第一样本候选区域各自的第一样本几何特征,第一样本几何特征指示对应的第一候选区域的尺寸、形状、或位置中的至少一者;步骤S503、利用第一图像特征提取子网络确定至少一个第一样本候选区域中的每一个第一样本候选区域的第一样本图像特征;步骤S504、针对至少一个第一样本候选区域中的每一个第一样本候选区域,利用第一特征融合子网络至少将该第一样本候选区域的第一样本图像特征和第一样本几何特征进行特征融合,以得到该第一样本候选区域的第一样本候选特征;步骤S505、利用检测子网络对至少一个第一样本候选区域各自的第一样本候选特征进行处理,以得到预测目标检测结果;以及步骤S506、基于预测目标检测结果和真实目标检测结果,调整神经网络的参数,以得到训练后的神经网络。可以理解的是,图5中的步骤S502-步骤S505的操作分别和图2中的步骤S201-步骤S204的操作类似,在此不做赘述。
在一些实施例中,样本图像可以与前述待检测图像类似,在此不做赘述。
根据一些实施例,步骤S501、利用第一候选区域预测子网络确定样本图像中的至少一个第一样本候选区域可以包括:确定至少一个第一样本候选区域各自的第一样本置信度特征,第一样本置信度特征指示对应的第一样本候选区域是否包括目标对象的置信度。步骤S504、针对至少一个第一样本候选区域中的每一个第一样本候选区域,利用第一特征融合子网络至少将该第一样本候选区域的第一样本图像特征和第一样本几何特征进行特征融合可以包括:针对至少一个第一样本候选区域中的每一个第一样本候选区域,利用第一特征融合子网络至少将该第一样本候选区域的第一样本图像特征、第一样本几何特征、以及第一样本置信度特征进行特征融合,以得到该第一样本候选区域的第一样本候选特征。
根据一些实施例,神经网络还可以包括第一属性预测子网络。目标检测方法还可以包括:利用第一属性预测子网络确定至少一个第一样本候选区域各自的第一样本属性特征,第一样本属性特征指示对应的第一样本候选区域中的目标对象的以下属性中的至少一个:颜色、形状、是否被遮挡、是否被截断、或朝向。步骤S504、针对至少一个第一样本候选区域中的每一个第一样本候选区域,利用第一特征融合子网络至少将该第一样本候选区域的第一样本图像特征和第一样本几何特征进行特征融合可以包括:针对至少一个第一样本候选区域中的每一个第一样本候选区域,利用第一特征融合子网络至少将该第一样本候选区域的第一样本图像特征、第一样本几何特征、以及第一样本属性特征进行特征融合,以得到该第一样本候选区域的第一样本候选特征。
根据一些实施例,检测子网络可以包括特征强化子网络和结果生成子网络。步骤S505、利用检测子网络对至少一个第一样本候选区域各自的第一样本候选特征进行处理包括:针对至少一个第一样本候选区域中的每一个样本候选区域,利用特征强化子网络基于所确定的与至少一个第一样本候选区域对应的至少一个第一样本候选特征对该样本候选区域的第一候选特征进行强化,以得到该第一样本候选区域的强化后的第一样本候选特征;以及利用结果生成子网络对至少一个第一样本候选区域中的每一个第一样本候选区域的强化后的第一样本候选特征进行处理,以得到该第一样本候选区域的预测目标检测结果。
根据一些实施例,神经网络还包括不同于第一候选区域预测子网络的第二候选区域预测子网络、第二图像特征提取子网络、第二特征融合子网络、匹配子网络、以及第三特征融合子网络。目标检测方法还可以包括:利用第二候选区域预测子网络确定样本图像中的至少一个第二样本候选区域,以得到至少一个第二样本候选区域各自的第二样本几何特征,第二样本几何特征指示对应的第二样本候选区域的尺寸、形状、或位置中的至少一者;利用第二图像特征提取子网络确定至少一个第二样本候选区域中的每一个第二样本候选区域的第二样本图像特征;针对至少一个第二样本候选区域中的每一个第二样本候选区域,利用第二特征融合子网络至少将该第二候选区域的第二样本图像特征和第二样本几何特征进行特征融合,以得到该第二样本候选区域的第二样本候选特征;利用匹配子网络将至少一个第一样本候选区域和至少一个第二样本候选区域进行匹配,以得到至少一个样本候选区域匹配对,样本候选区域匹配对包括至少一个第一样本候选区域中的一个第一样本候选区域和至少一个第二样本候选区域中的一个第二样本候选区域;以及针对至少一个样本候选区域匹配对中的每一个样本候选区域匹配对,利用第三特征融合子网络将该样本候选区域匹配对所包括的第一样本候选区域的第一样本候选特征和该样本候选区域匹配对所包括的第二样本候选区域的第二样本候选特征进行融合,以得到该样本候选区域匹配对的样本融合候选特征。步骤S505、利用检测子网络对至少一个第一样本候选区域各自的第一样本候选特征进行处理可以包括:利用检测子网络对至少一个样本候选区域匹配对各自的样本融合候选特征进行处理,以得到预测目标检测结果。
根据一些实施例,基于至少一个第一样本候选区域各自的几何信息和至少一个第二样本候选区域各自的几何信息,将至少一个第一样本候选区域和至少一个第二样本候选区域进行匹配。
根据一些实施例,步骤S504、针对至少一个第一样本候选区域中的每一个第一样本候选区域,利用第一特征融合子网络至少将该第一样本候选区域的第一样本图像特征和第一样本几何特征进行特征融合,以得到该第一样本候选区域的第一样本候选特征可以包括:针对至少一个第一样本候选区域中的每一个第一样本候选区域,利用第一特征融合子网络至少将该第一样本候选区域的第一样本图像特征和第一样本几何特征进行拼接,以得到该第一样本候选区域的第一样本候选特征。
在步骤S506,可以采用匈牙利匹配损失调整预测神经网络的参数,从而保证针对输入模型的图像中的每一个目标对象,检测子模型输出的针对至少一个样本候选区域各自的目标检测结果中仅有一个目标检测结果包括该目标对象,从而实现了将非极大抑制结构融入到神经网络之中。
根据本公开的另一方面,提供了一种用于目标检测的神经网络。如图6所示,神经网络600包括:第一候选区域预测子网络602,被配置为确定待检测图像中的至少一个第一候选区域,以得到至少一个第一候选区域各自的第一几何特征,第一几何特征指示对应的第一候选区域的尺寸、形状、或位置中的至少一者;第一图像特征提取子网络604,被配置为确定至少一个第一候选区域中的每一个第一候选区域的第一图像特征;第一特征融合子网络606,被配置为针对至少一个第一候选区域中的每一个第一候选区域,将该第一候选区域的第一图像特征和第一几何特征进行特征融合,以得到该第一候选区域的第一候选特征;检测子网络608,被配置为对至少一个第一候选区域各自的第一候选特征进行处理,以得到目标检测结果610。可以理解的是,神经网络600中的子网络602-子网络608的操作和图2中的步骤S201-步骤S204的操作类似,在此不做赘述。
在一些实施例中,第一候选区域预测子网络602可以被配置为对输入的待检测图像或待检测图像的特征图612进行处理。
根据一些实施例,第一候选区域预测子网络602可以被进一步配置为确定至少一个第一候选区域各自的第一置信度特征,第一置信度特征指示对应的第一候选区域是否包括目标对象的置信度。第一特征融合子网络606可以被进一步配置为针对至少一个第一候选区域中的每一个第一候选区域,至少将该第一候选区域的第一图像特征、第一几何特征、以及第一置信度特征进行特征融合,以得到该第一候选区域的第一候选特征。
根据一些实施例,如图7所示,神经网络700还包括:第一属性预测子网络714,被配置为确定至少一个第一候选区域各自的第一属性特征,第一属性特征指示对应的第一候选区域中的目标对象的以下属性中的至少一个:颜色、形状、是否被遮挡、是否被截断、或朝向。第一特征融合子网络706可以被进一步配置为针对至少一个第一候选区域中的每一个第一候选区域,至少将该第一候选区域的第一图像特征、第一几何特征、以及第一属性特征进行特征融合,以得到该第一候选区域的第一候选特征。可以理解的是,神经网络700中的子网络702-子网络708、输入712、和输出710的结构、功能和操作分别和神经网络600中的子网络602-子网络608、输入612、和输出610的结构、功能和操作类似,在此不作限定。
根据一些实施例,检测子网络708可以包括:特征强化子网络,被配置为针对至少一个第一候选区域中的每一个候选区域,基于所确定的与至少一个第一候选区域对应的至少一个第一候选特征对该第一候选区域的第一候选特征进行强化,以得到该第一候选区域的强化后的第一候选特征;以及结果生成子网络,被配置为对至少一个第一候选区域中的每一个第一候选区域的强化后的第一候选特征进行处理,以得到该第一候选区域的目标检测结果。
根据一些实施例,如图7所示,神经网络700还包括:第二候选区域预测子网络716,被配置为确定待检测图像中的至少一个第二候选区域,以得到至少一个第二候选区域各自的第二几何特征,第二几何特征指示对应的第二候选区域的尺寸、形状、或位置中的至少一者;第二图像特征提取子网络718,被配置为确定至少一个第二候选区域中的每一个第二候选区域的第二图像特征;第二特征融合子网络720,被配置为针对至少一个第二候选区域中的每一个第二候选区域,至少将该第二候选区域的第二图像特征和第二几何特征进行特征融合,以得到该第二候选区域的第二候选特征;匹配子网络722,被配置为将至少一个第一候选区域和至少一个第二候选区域进行匹配,以得到至少一个候选区域匹配对,候选区域匹配对包括至少一个第一候选区域中的一个第一候选区域和至少一个第二候选区域中的一个第二候选区域;第三特征融合子网络724,被配置为针对至少一个候选区域匹配对中的每一个候选区域匹配对,将该候选区域匹配对所包括的第一候选区域的第一候选特征和该候选区域匹配对所包括的第二候选区域的第二候选特征进行融合,以得到该候选区域匹配对的融合候选特征.检测子网络708可以被进一步配置为对至少一个候选区域匹配对各自的融合候选特征进行处理,以得到目标检测结果。
在一些实施例中,第一候选区域预测子网络702、第二候选区域预测子网络716可以被配置为对输入的待检测图像或待检测图像的特征图712进行处理。神经网络700还可以包括第二属性预测子网络726,被配置为提取第二候选区域的第二属性特征。
根据一些实施例,基于至少一个第一候选区域各自的几何信息和至少一个第二候选区域各自的几何信息,将至少一个第一候选区域和至少一个第二候选区域进行匹配。
根据一些实施例,第一特征融合子网络被进一步配置为针对至少一个第一候选区域中的每一个第一候选区域,将该第一候选区域的第一图像特征和第一几何特征进行拼接,以得到该第一候选区域的第一候选特征。
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,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。
参考图8,现将描述可以作为本公开的服务器或客户端的电子设备800的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,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、输出单元807、存储单元808以及通信单元809。输入单元806可以是能向设备800输入信息的任何类型的设备,输入单元806可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元807可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元808可以包括但不限于磁盘、光盘。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,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
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、各种运行机器学习网络算法的计算单元、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,例如目标检测方法和/或神经网络的训练方法。例如,在一些实施例中,目标检测方法和/或神经网络的训练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目标检测方法和/或神经网络的训练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)而被配置为执行目标检测方法和/或神经网络的训练方法。
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,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。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,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,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。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (23)
1.一种基于神经网络的目标检测方法,所述神经网络包括第一子网络、不同于所述第一子网络的第二子网络、匹配子网络、第三特征融合子网络以及检测子网络,所述第一子网络包括第一候选区域预测子网络、第一图像特征提取子网络以及第一特征融合子网络,所述方法包括:
利用所述第一候选区域预测子网络确定待检测图像中的至少一个第一候选区域,以得到所述至少一个第一候选区域各自的第一几何特征,所述第一几何特征指示对应的第一候选区域的尺寸、形状、或位置中的至少一者;
利用所述第一图像特征提取子网络确定所述至少一个第一候选区域中的每一个第一候选区域第一图像特征;
针对所述至少一个第一候选区域中的每一个第一候选区域,利用所述第一特征融合子网络至少将该第一候选区域的第一图像特征和第一几何特征进行特征融合,以得到该第一候选区域的第一候选特征;
利用所述第二子网络确定所述待检测图像中的至少一个第二候选区域,以及所述至少一个第二候选区域中的每一个第二候选区域的第二候选特征,其中,所述至少一个第二候选区域是通过与所述第一子网络不同的候选区域确定方式而确定的;
利用所述匹配子网络将所述至少一个第一候选区域和所述至少一个第二候选区域进行匹配,以得到至少一个候选区域匹配对,所述候选区域匹配对包括所述至少一个第一候选区域中的一个第一候选区域和所述至少一个第二候选区域中的一个第二候选区域;
针对所述至少一个候选区域匹配对中的每一个候选区域匹配对,利用所述第三特征融合子网络将该候选区域匹配对所包括的第一候选区域的第一候选特征和该候选区域匹配对所包括的第二候选区域的第二候选特征进行融合,以得到该候选区域匹配对的融合候选特征;以及
利用所述检测子网络对所述至少一个第一候选区域各自的第一候选特征进行处理,以得到目标检测结果,包括:
利用所述检测子网络对所述至少一个候选区域匹配对各自的融合候选特征进行处理,以得到所述目标检测结果。
2.根据权利要求1所述的方法,其中,利用所述第一候选区域预测子网络确定待检测图像中的至少一个第一候选区域包括:
确定所述至少一个第一候选区域各自的第一置信度特征,所述第一置信度特征指示对应的第一候选区域中包括目标对象的置信度,
其中,针对所述至少一个第一候选区域中的每一个第一候选区域,利用所述第一特征融合子网络至少将该第一候选区域的第一图像特征和第一几何特征进行特征融合包括:
针对所述至少一个第一候选区域中的每一个第一候选区域,利用第一特征融合子网络至少将该第一候选区域的第一图像特征、第一几何特征、以及第一置信度特征进行特征融合,以得到该第一候选区域的第一候选特征。
3.根据权利要求1或2所述的方法,其中,所述神经网络还包括第一属性预测子网络,所述方法还包括:
利用所述第一属性预测子网络确定所述至少一个第一候选区域各自的第一属性特征,所述第一属性特征指示对应的第一候选区域中的目标对象的以下属性中的至少一个:颜色、形状、是否被遮挡、是否被截断、或朝向,
其中,针对所述至少一个第一候选区域中的每一个第一候选区域,利用所述第一特征融合子网络至少将该第一候选区域的第一图像特征和第一几何特征进行特征融合包括:
针对所述至少一个第一候选区域中的每一个第一候选区域,利用第一特征融合子网络至少将该第一候选区域的第一图像特征、第一几何特征、以及第一属性特征进行特征融合,以得到该第一候选区域的第一候选特征。
4.根据权利要求1所述的方法,其中,所述检测子网络包括特征强化子网络和结果生成子网络,其中,利用所述检测子网络对所述至少一个第一候选区域各自的第一候选特征进行处理包括:
针对所述至少一个第一候选区域中的每一个候选区域,利用所述特征强化子网络基于所确定的与所述至少一个第一候选区域对应的至少一个第一候选特征对该第一候选区域的第一候选特征进行强化,以得到该第一候选区域的强化后的第一候选特征;以及
利用所述结果生成子网络对所述至少一个第一候选区域中的每一个第一候选区域的强化后的第一候选特征进行处理,以得到该第一候选区域的目标检测结果。
5.根据权利要求1所述的方法,其中,所述第二子网络包括不同于所述第一候选区域预测子网络的第二候选区域预测子网络、第二图像特征提取子网络以及第二特征融合子网络,其中,利用所述第二子网络确定所述待检测图像中的至少一个第二候选区域,以及所述至少一个第二候选区域中的每一个第二候选区域的第二候选特征包括:
利用所述第二候选区域预测子网络确定所述待检测图像中的所述至少一个第二候选区域,以得到所述至少一个第二候选区域各自的第二几何特征,所述第二几何特征指示对应的第二候选区域的尺寸、形状、或位置中的至少一者;
利用所述第二图像特征提取子网络确定所述至少一个第二候选区域中的每一个第二候选区域的第二图像特征;以及
针对所述至少一个第二候选区域中的每一个第二候选区域,利用所述第二特征融合子网络至少将该第二候选区域的第二图像特征和第二几何特征进行特征融合,以得到该第二候选区域的第二候选特征。
6.根据权利要求5所述的方法,其中,基于所述至少一个第一候选区域各自的几何信息和所述至少一个第二候选区域各自的几何信息,将所述至少一个第一候选区域和所述至少一个第二候选区域进行匹配。
7.根据权利要求1所述的方法,其中,针对所述至少一个第一候选区域中的每一个第一候选区域,利用所述第一特征融合子网络至少将该第一候选区域的第一图像特征和第一几何特征进行特征融合,以得到该第一候选区域的第一候选特征包括:
针对所述至少一个第一候选区域中的每一个第一候选区域,利用所述第一特征融合子网络至少将该第一候选区域的第一图像特征和第一几何特征进行拼接,以得到该第一候选区域的第一候选特征。
8.一种神经网络的训练方法,所述神经网络包括第一子网络、不同于所述第一子网络的第二子网络、匹配子网络、第三特征融合子网络以及检测子网络,所述第一子网络包括第一候选区域预测子网络、第一图像特征提取子网络以及第一特征融合子网络,所述方法包括:
获取样本图像和所述样本图像的真实目标检测结果;
利用所述第一候选区域预测子网络确定所述样本图像中的至少一个第一样本候选区域,以得到所述至少一个第一样本候选区域各自的第一样本几何特征,所述第一样本几何特征指示对应的第一候选区域的尺寸、形状、或位置中的至少一者;
利用所述第一图像特征提取子网络确定所述至少一个第一样本候选区域中的每一个第一样本候选区域的第一样本图像特征;
针对所述至少一个第一样本候选区域中的每一个第一样本候选区域,利用所述第一特征融合子网络至少将该第一样本候选区域的第一样本图像特征和第一样本几何特征进行特征融合,以得到该第一样本候选区域的第一样本候选特征;
利用所述第二子网络确定所述样本图像中的至少一个第二样本候选区域,以及所述至少一个第二样本候选区域中的每一个第二样本候选区域的第二样本候选特征,其中,所述至少一个第二样本候选区域是通过与所述第一子网络不同的候选区域确定方式而确定的;
利用所述匹配子网络将所述至少一个第一样本候选区域和所述至少一个第二样本候选区域进行匹配,以得到至少一个样本候选区域匹配对,所述样本候选区域匹配对包括所述至少一个第一样本候选区域中的一个第一样本候选区域和所述至少一个第二样本候选区域中的一个第二样本候选区域;
针对所述至少一个样本候选区域匹配对中的每一个样本候选区域匹配对,利用所述第三特征融合子网络将该样本候选区域匹配对所包括的第一样本候选区域的第一样本候选特征和该样本候选区域匹配对所包括的第二样本候选区域的第二样本候选特征进行融合,以得到该样本候选区域匹配对的样本融合候选特征;
利用所述检测子网络对所述至少一个第一样本候选区域各自的第一样本候选特征进行处理,以得到预测目标检测结果,包括:
利用所述检测子网络对所述至少一个样本候选区域匹配对各自的样本融合候选特征进行处理,以得到所述预测目标检测结果;以及
基于所述预测目标检测结果和所述真实目标检测结果,调整所述神经网络的参数,以得到训练后的神经网络。
9.根据权利要求8所述的方法,其中,利用所述第一候选区域预测子网络确定所述样本图像中的至少一个第一样本候选区域包括:
确定所述至少一个第一样本候选区域各自的第一样本置信度特征,所述第一样本置信度特征指示对应的第一样本候选区域是否包括目标对象的置信度,
其中,针对所述至少一个第一样本候选区域中的每一个第一样本候选区域,利用所述第一特征融合子网络至少将该第一样本候选区域的第一样本图像特征和第一样本几何特征进行特征融合包括:
针对所述至少一个第一样本候选区域中的每一个第一样本候选区域,利用所述第一特征融合子网络至少将该第一样本候选区域的第一样本图像特征、第一样本几何特征、以及第一样本置信度特征进行特征融合,以得到该第一样本候选区域的第一样本候选特征。
10.根据权利要求8或9所述的方法,其中,所述神经网络还包括第一属性预测子网络,所述方法还包括:
利用所述第一属性预测子网络确定所述至少一个第一样本候选区域各自的第一样本属性特征,所述第一样本属性特征指示对应的第一样本候选区域中的目标对象的以下属性中的至少一个:颜色、形状、是否被遮挡、是否被截断、或朝向,
其中,针对所述至少一个第一样本候选区域中的每一个第一样本候选区域,利用所述第一特征融合子网络至少将该第一样本候选区域的第一样本图像特征和第一样本几何特征进行特征融合包括:
针对所述至少一个第一样本候选区域中的每一个第一样本候选区域,利用所述第一特征融合子网络至少将该第一样本候选区域的第一样本图像特征、第一样本几何特征、以及第一样本属性特征进行特征融合,以得到该第一样本候选区域的第一样本候选特征。
11.根据权利要求8所述的方法,其中,所述检测子网络包括特征强化子网络和结果生成子网络,其中,利用所述检测子网络对所述至少一个第一样本候选区域各自的第一样本候选特征进行处理包括:
针对所述至少一个第一样本候选区域中的每一个样本候选区域,利用所述特征强化子网络基于所确定的与所述至少一个第一样本候选区域对应的至少一个第一样本候选特征对该样本候选区域的第一候选特征进行强化,以得到该第一样本候选区域的强化后的第一样本候选特征;以及
利用所述结果生成子网络对所述至少一个第一样本候选区域中的每一个第一样本候选区域的强化后的第一样本候选特征进行处理,以得到该第一样本候选区域的预测目标检测结果。
12.根据权利要求8所述的方法,其中,所述第二子网络包括不同于所述第一候选区域预测子网络的第二候选区域预测子网络、第二图像特征提取子网络以及第二特征融合子网络,其中,利用所述第二子网络确定所述样本图像中的至少一个第二样本候选区域,以及所述至少一个第二样本候选区域中的每一个第二样本候选区域的第二样本候选特征包括:
利用所述第二候选区域预测子网络确定所述样本图像中的所述至少一个第二样本候选区域,以得到所述至少一个第二样本候选区域各自的第二样本几何特征,所述第二样本几何特征指示对应的第二样本候选区域的尺寸、形状、或位置中的至少一者;
利用所述第二图像特征提取子网络确定所述至少一个第二样本候选区域中的每一个第二样本候选区域的第二样本图像特征;以及
针对所述至少一个第二样本候选区域中的每一个第二样本候选区域,利用所述第二特征融合子网络至少将该第二候选区域的第二样本图像特征和第二样本几何特征进行特征融合,以得到该第二样本候选区域的第二样本候选特征。
13.根据权利要求12所述的方法,其中,基于所述至少一个第一样本候选区域各自的几何信息和所述至少一个第二样本候选区域各自的几何信息,将所述至少一个第一样本候选区域和所述至少一个第二样本候选区域进行匹配。
14.根据权利要求8所述的方法,其中,针对所述至少一个第一样本候选区域中的每一个第一样本候选区域,利用所述第一特征融合子网络至少将该第一样本候选区域的第一样本图像特征和第一样本几何特征进行特征融合,以得到该第一样本候选区域的第一样本候选特征包括:
针对所述至少一个第一样本候选区域中的每一个第一样本候选区域,利用所述第一特征融合子网络至少将该第一样本候选区域的第一样本图像特征和第一样本几何特征进行拼接,以得到该第一样本候选区域的第一样本候选特征。
15.一种用于目标检测的神经网络,包括:
第一子网络,包括:
第一候选区域预测子网络,被配置为确定待检测图像中的至少一个第一候选区域,以得到所述至少一个第一候选区域各自的第一几何特征,所述第一几何特征指示对应的第一候选区域的尺寸、形状、或位置中的至少一者;
第一图像特征提取子网络,被配置为确定所述至少一个第一候选区域中的每一个第一候选区域的第一图像特征;以及
第一特征融合子网络,被配置为针对所述至少一个第一候选区域中的每一个第一候选区域,将该第一候选区域的第一图像特征和第一几何特征进行特征融合,以得到该第一候选区域的第一候选特征;
第二子网络,被配置为通过与所述第一子网络不同的候选区域确定方式确定所述待检测图像中的至少一个第二候选区域,以及所述至少一个第二候选区域中的每一个第二候选区域的第二候选特征;
匹配子网络,被配置为将所述至少一个第一候选区域和所述至少一个第二候选区域进行匹配,以得到至少一个候选区域匹配对,所述候选区域匹配对包括所述至少一个第一候选区域中的一个第一候选区域和所述至少一个第二候选区域中的一个第二候选区域;
第三特征融合子网络,被配置为针对所述至少一个候选区域匹配对中的每一个候选区域匹配对,将该候选区域匹配对所包括的第一候选区域的第一候选特征和该候选区域匹配对所包括的第二候选区域的第二候选特征进行融合,以得到该候选区域匹配对的融合候选特征;以及
检测子网络,被配置为对所述至少一个候选区域匹配对各自的融合候选特征进行处理,以得到目标检测结果。
16.根据权利要求15所述的神经网络,其中,所述第一候选区域预测子网络被进一步配置为确定所述至少一个第一候选区域各自的第一置信度特征,所述第一置信度特征指示对应的第一候选区域是否包括目标对象的置信度,
其中,所述第一特征融合子网络被进一步配置为针对所述至少一个第一候选区域中的每一个第一候选区域,至少将该第一候选区域的第一图像特征、第一几何特征、以及第一置信度特征进行特征融合,以得到该第一候选区域的第一候选特征。
17.根据权利要求15或16所述的神经网络,其中,所述神经网络还包括第一属性预测子网络,被配置为确定所述至少一个第一候选区域各自的第一属性特征,所述第一属性特征指示对应的第一候选区域中的目标对象的以下属性中的至少一个:颜色、形状、是否被遮挡、是否被截断、或朝向,
其中,所述第一特征融合子网络被进一步配置为针对所述至少一个第一候选区域中的每一个第一候选区域,至少将该第一候选区域的第一图像特征、第一几何特征、以及第一属性特征进行特征融合,以得到该第一候选区域的第一候选特征。
18.根据权利要求15所述的神经网络,其中,所述检测子网络包括:
特征强化子网络,被配置为针对所述至少一个第一候选区域中的每一个候选区域,基于所确定的与所述至少一个第一候选区域对应的至少一个第一候选特征对该第一候选区域的第一候选特征进行强化,以得到该第一候选区域的强化后的第一候选特征;以及
结果生成子网络,被配置为对所述至少一个第一候选区域中的每一个第一候选区域的强化后的第一候选特征进行处理,以得到该第一候选区域的目标检测结果。
19.根据权利要求15所述的神经网络,其中,所述第二子网络包括:
第二候选区域预测子网络,被配置为确定所述待检测图像中的所述至少一个第二候选区域,以得到所述至少一个第二候选区域各自的第二几何特征,所述第二几何特征指示对应的第二候选区域的尺寸、形状、或位置中的至少一者;
第二图像特征提取子网络,被配置为确定所述至少一个第二候选区域中的每一个第二候选区域的第二图像特征;以及
第二特征融合子网络,被配置为针对所述至少一个第二候选区域中的每一个第二候选区域,至少将该第二候选区域的第二图像特征和第二几何特征进行特征融合,以得到该第二候选区域的第二候选特征。
20.根据权利要求19所述的神经网络,其中,基于所述至少一个第一候选区域各自的几何信息和所述至少一个第二候选区域各自的几何信息,将所述至少一个第一候选区域和所述至少一个第二候选区域进行匹配。
21.根据权利要求15所述的神经网络,其中,第一特征融合子网络被进一步配置为针对所述至少一个第一候选区域中的每一个第一候选区域,将该第一候选区域的第一图像特征和第一几何特征进行拼接,以得到该第一候选区域的第一候选特征。
22.一种电子设备,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1-14中任一项所述的方法。
23.一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1-14中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210895275.0A CN115100431B (zh) | 2022-07-26 | 2022-07-26 | 目标检测方法、神经网络及其训练方法、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210895275.0A CN115100431B (zh) | 2022-07-26 | 2022-07-26 | 目标检测方法、神经网络及其训练方法、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115100431A CN115100431A (zh) | 2022-09-23 |
CN115100431B true CN115100431B (zh) | 2023-08-08 |
Family
ID=83301496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210895275.0A Active CN115100431B (zh) | 2022-07-26 | 2022-07-26 | 目标检测方法、神经网络及其训练方法、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115100431B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110096933A (zh) * | 2018-01-30 | 2019-08-06 | 华为技术有限公司 | 目标检测的方法、装置及系统 |
CN112069907A (zh) * | 2020-08-11 | 2020-12-11 | 盛视科技股份有限公司 | 基于实例分割的x光机图像识别方法、装置及系统 |
CN112084860A (zh) * | 2020-08-06 | 2020-12-15 | 中国科学院空天信息创新研究院 | 目标对象检测、火力发电厂检测方法和装置 |
CN112949767A (zh) * | 2021-04-07 | 2021-06-11 | 北京百度网讯科技有限公司 | 样本图像增量、图像检测模型训练及图像检测方法 |
CN113255685A (zh) * | 2021-07-13 | 2021-08-13 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置、计算机设备以及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108307113B (zh) * | 2018-01-26 | 2020-10-09 | 北京图森智途科技有限公司 | 图像采集方法、图像采集控制方法及相关装置 |
-
2022
- 2022-07-26 CN CN202210895275.0A patent/CN115100431B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110096933A (zh) * | 2018-01-30 | 2019-08-06 | 华为技术有限公司 | 目标检测的方法、装置及系统 |
CN112084860A (zh) * | 2020-08-06 | 2020-12-15 | 中国科学院空天信息创新研究院 | 目标对象检测、火力发电厂检测方法和装置 |
CN112069907A (zh) * | 2020-08-11 | 2020-12-11 | 盛视科技股份有限公司 | 基于实例分割的x光机图像识别方法、装置及系统 |
CN112949767A (zh) * | 2021-04-07 | 2021-06-11 | 北京百度网讯科技有限公司 | 样本图像增量、图像检测模型训练及图像检测方法 |
CN113255685A (zh) * | 2021-07-13 | 2021-08-13 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置、计算机设备以及存储介质 |
Non-Patent Citations (1)
Title |
---|
姚群力 等.基于多尺度融合特征卷积神经网络的遥感图像飞机目标检测 .测绘学报.2019,1266-1274. * |
Also Published As
Publication number | Publication date |
---|---|
CN115100431A (zh) | 2022-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114511758A (zh) | 图像识别方法及装置、电子设备和介质 | |
CN112857268B (zh) | 对象面积测量方法、装置、电子设备和存储介质 | |
CN114005178B (zh) | 人物交互检测方法、神经网络及其训练方法、设备和介质 | |
CN114743196B (zh) | 文本识别的方法及装置、神经网络的训练方法 | |
CN115511779B (zh) | 图像检测方法、装置、电子设备和存储介质 | |
CN115082740B (zh) | 目标检测模型训练方法、目标检测方法、装置、电子设备 | |
CN114004985B (zh) | 人物交互检测方法、神经网络及其训练方法、设备和介质 | |
CN114445667A (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
CN116228867B (zh) | 位姿确定方法、装置、电子设备、介质 | |
CN113723305A (zh) | 图像和视频检测方法、装置、电子设备和介质 | |
CN114140852B (zh) | 图像检测方法和装置 | |
CN116450944A (zh) | 基于推荐模型的资源推荐方法、装置、电子设备和介质 | |
CN115100431B (zh) | 目标检测方法、神经网络及其训练方法、设备和介质 | |
CN113868453B (zh) | 对象推荐方法和装置 | |
CN115797660A (zh) | 图像检测方法、装置、电子设备和存储介质 | |
CN114842476A (zh) | 水印检测方法及装置、模型训练方法及装置 | |
CN114998963A (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
CN114494797A (zh) | 用于训练图像检测模型的方法和装置 | |
CN115170536B (zh) | 图像检测方法、模型的训练方法和装置 | |
CN115620271B (zh) | 图像处理、模型训练方法和装置 | |
CN115331077B (zh) | 特征提取模型的训练方法、目标分类方法、装置、设备 | |
CN114821233B (zh) | 目标检测模型的训练方法及装置、设备和介质 | |
CN114140851B (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
CN115512131B (zh) | 图像检测方法和图像检测模型的训练方法 | |
CN114120420B (zh) | 图像检测方法和装置 |
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 |