CN116704203A - 目标检测方法、装置、电子设备、计算机可读存储介质 - Google Patents
目标检测方法、装置、电子设备、计算机可读存储介质 Download PDFInfo
- Publication number
- CN116704203A CN116704203A CN202310397226.9A CN202310397226A CN116704203A CN 116704203 A CN116704203 A CN 116704203A CN 202310397226 A CN202310397226 A CN 202310397226A CN 116704203 A CN116704203 A CN 116704203A
- Authority
- CN
- China
- Prior art keywords
- features
- feature
- scale
- attention
- shallow
- 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 135
- 230000004927 fusion Effects 0.000 claims abstract description 42
- 238000004364 calculation method Methods 0.000 claims abstract description 35
- 238000000605 extraction Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims description 33
- 238000011176 pooling Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 15
- 239000013598 vector Substances 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 abstract description 5
- 230000009467 reduction Effects 0.000 description 15
- 238000005070 sampling Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000003993 interaction Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000007547 defect Effects 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 230000004913 activation Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000010801 machine learning 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
- 230000000644 propagated effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 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
- 238000004904 shortening Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
- G06V10/765—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects using rules for classification or partitioning the feature space
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (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
本公开提供了目标检测方法、装置、电子设备、计算机可读存储介质,涉及图像处理技术领域,尤其涉及深度学习、目标检测技术领域。具体实现方案为:对待检测图像进行多尺度特征提取,获取多个对应不同尺度的尺度特征,多个所述尺度特征包括一个深层特征和至少一个浅层特征,所述浅层特征对应的尺度小于所述深层特征对应的尺度;基于多个所述尺度特征,进行交叉注意力计算,获取全局语义特征;将所述全局语义特征与所述浅层特征进行特征融合,获取检测特征;根据所述检测特征获取所述待检测图像中的目标类别以及目标位置。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及深度学习、目标检测技术领域,具体而言,本公开涉及一种目标检测方法、装置、电子设备、计算机可读存储介质。
背景技术
目标检测是计算机视觉领域中的一个重要问题。近年来,随着深度学习技术的发展,基于深度神经网络的目标检测方法已经成为研究热点。
目标检测的一大难题在于图像中存在不同尺度的目标,单一尺度的特征无法涵盖不同大小的物体。
发明内容
本公开提供了一种目标检测方法、装置、电子设备、计算机可读存储介质。
根据本公开的第一方面,提供了一种目标检测的方法,该方法包括:
对待检测图像进行多尺度特征提取,获取多个对应不同尺度的尺度特征,多个所述尺度特征包括一个深层特征和至少一个浅层特征,所述浅层特征对应的尺度小于所述深层特征对应的尺度;
基于多个所述尺度特征,进行交叉注意力计算,获取全局语义特征;
将所述全局语义特征与所述浅层特征进行特征融合,获取检测特征;
根据所述检测特征获取所述待检测图像中的目标类别以及目标位置。
根据本公开的第二方面,提供了一种目标检测的装置,该装置包括:
特征提取模块,用于对待检测图像进行多尺度特征提取,获取多个对应不同尺度的尺度特征,多个所述尺度特征包括一个深层特征和至少一个浅层特征,所述浅层特征对应的尺度小于所述深层特征对应的尺度;
注意力模块,用于基于多个所述尺度特征,进行交叉注意力计算,获取全局语义特征;
特征融合模块,用于将所述全局语义特征与所述浅层特征进行特征融合,获取检测特征;
检测模块,用于根据所述检测特征获取所述待检测图像中的目标类别以及目标位置。
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
与上述至少一个处理器通信连接的存储器;其中,
存储器存储有可被上述至少一个处理器执行的指令,指令被上述至少一个处理器执行,以使上述至少一个处理器能够执行上述目标检测的方法。
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,该计算机指令用于使计算机执行上述目标检测的方法。
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,该计算机程序在被处理器执行时实现上述目标检测的方法。
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一种目标检测方法的流程示意图;
图2是本公开实施例提供的一种目标检测方法的部分步骤的流程示意图;
图3是本公开实施例提供的一种目标检测方法的部分步骤的流程示意图;
图4是本公开实施例提供的一种目标检测方法的部分步骤的流程示意图;
图5是本公开实施例提供的一种目标检测方法的一个具体实施例的过程示意图;
图6是本公开实施例提供的一种目标检测装置的结构示意图;
图7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。
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。
在一些相关技术中,利用Neck(颈部网络)对Backbone(骨干网络)输出的不同尺度的特征进行融合,在融合后的多尺度特征上进行预测。
在一些相关技术中,通过FPN(Feature Pyramid Networks,特征金字塔网络),利用深层特征逐步上采样的方式与浅层特征进行融合,并在融合后的三个尺度的特征图上分别使用Head(检测头)来检测目标的种类和位置。
深层特征包含丰富的语义信息,而浅层特征包含较多的物体定位信息,FPN浅层特征到深层特征的传播路径过长,导致物体定位信息在特征融合过程中丢失。
在一些相关技术中,PAN(Path Aggregation Network,路径聚合网络)通过自底向上的路径增强,缩短信息传播路径,同时利用底层特征的精准定位信息实现对各种尺度的目标的定位。
但由于PAN增加了特征传播路径,其计算量大大增加。
在一些相关技术中,BiFPN(Bidirectional Feature Pyramid Network,加权双向特征金字塔网络)通过移除单输入边的结点减少计算量,但同时导致了多尺度特征融合不够充分,且难以对不同尺度的特征进行全局建模,从而限制了网络的特征提取能力。
本公开实施例提供的目标检测方法、装置、电子设备、计算机可读存储介质,旨在解决现有技术的如上技术问题中的至少一个。
本公开实施例提供的目标检测方法可以由终端设备或服务器等电子设备执行,终端设备可以为车载设备、用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等,所述方法可以通过处理器调用存储器中存储的计算机可读程序指令的方式来实现。或者,可通过服务器执行所述方法。
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,该方法可以包括步骤S110、步骤S120、步骤S130、步骤S140。
在步骤S110中,对待检测图像进行多尺度特征提取,获取多个对应不同尺度的尺度特征,多个尺度特征包括一个深层特征和至少一个浅层特征,浅层特征对应的尺度小于深层特征对应的尺度;
在步骤S120中,基于多个尺度特征,进行交叉注意力计算,获取全局语义特征;
在步骤S130中,将全局语义特征与浅层特征进行特征融合,获取检测特征;
在步骤S140中,根据检测特征获取待检测图像中的目标类别以及目标位置。
举例来说,在步骤S110中,可以通过对待检测图像进行不同尺度的采样实现对待检测图像的多尺度特征提取。
在一些可能的实现方式中,可以通过预先训练的Backbone(骨干网络)对待检测图像进行多尺度特征提取。
其中,骨干网络是在不同图像细粒度聚合并形成图像特征的卷积神经网络。
在一些可能的实现方式中,Backbone可以是VGGNet(Visual Geometry GroupNet,视觉几何组网络)、ResNet(残差网络)、DenseNet(Dense Convolutional Network,密集卷积网络)等可以实现图像特征提取的卷积神经网络,本公开对Backbone网络并不做限定。
在一些可能的实现方式中,通过多尺度特征提取,可以获取多个不同尺度的尺度特征。
其中,获取的不同尺度的尺度特征中对应的尺度最大的特征为深层特征;其他尺度的特征为浅层特征。
在一些具体的实现方式中,在使用通过预先训练的Backbone(骨干网络)对待检测图像进行多尺度特征提取的情况下,可以通过获取不同网络层的输出获取不同尺度的尺度特征,如可以将不同网络层输出的不同大小的特征图作为不同尺度的尺度特征,将最深网络层输出的特征图作为深层特征,其他网络层输出的特征图作为浅层特征。
在一些可能的实现方式中,在获取不同网络层的输出之后,使用1*1卷积将输出统一投射到较低的维度,在减少计算开销的同时实现特征空间的转换,将1*1卷积之后的特征作为不同尺度的尺度特征。
在一些可能的实现方式中,在步骤S120中,可以使用预先训练的注意力网络进行交叉注意力计算。
可以通过在多个尺度特征之间进行交叉注意力计算,实现对多个尺度特征的全局建模,获取全局语义特征。
在一些可能的实现方式中,可以对每个尺度特征与其他尺度特征进行交叉注意力计算,获取该尺度特征对应的注意力特征,并通过每个尺度特征对应的注意力特征,获取全局语义特征。
在一些可能的实现方式中,对尺度特征来说,只有包含物体的特征点参与不同尺度的特征的交互和融合可以对获取的检测特征的有效性产生贡献,而不含物体的背景区域的特征点参与不同尺度的特征的交互和融合不仅不会对获取的检测特征的有效性产生贡献,反而会增大计算量,因此,在进行交叉注意力计算之前,对尺度特征进行池化操作,以获取包含物体的特征点,并通过包含物体的特征点进行交叉注意力计算获取全局语义特征。
在一些可能的实现方式中,在步骤S130中,可以通过自顶向下的方式将全局语义特征以及深层特征传播至浅层特征,使浅层特征与全局语义特征、深层特征进行融合,以弥补浅层特征中语义信息较少的缺点,提升浅层特征的目标提取能力。
在一些可能的实现方式中,可以使用FPN利用全局语义特征逐步上采样的方式与浅层特征进行融合。
在一些可能的实现方式中,可以通过自顶向下和自底向上双向融合的方式将全局语义特征、深层特征传播至浅层特征,使浅层特征与全局语义特征、深层特征征进行融合,同时将浅层特征传播至全局语义特征、深层特征,使全局语义特征以及深层特征与浅层特征进行融合,在弥补浅层特征中语义信息较少的缺点,提升浅层特征的目标提取能力的基础上,弥补了深层特征中定位信息缺少的缺点,提升了深层特征的目标提取能力。
在一些可能的实现方式中,可以使用PAN利用全局语义特征逐步上采样与浅层特征融合,利用浅层特征逐步下采样与全局语义特征、深层特征融合。
在一些可能的实现方式中,在步骤S140中,可以使用SVM(支持向量机)等传统机器学习的分类方法来根据检测特征获取待检测图像中的目标类别以及目标位置。
在一些可能的实现方式中,也可以使用基于深度学习的分类网络来根据检测数据进行分类获取待检测图像中的目标类别以及目标位置。
在一些可能的实现方式中,可以使用预先训练的Head对检测特征进行预测,获取待检测图像中的目标位置以及目标类别。
其中,目标位置可以以Head输出的目标边界框来确定。
在本公开实施例提供的目标检测方法中,基于注意力机制,通过多个尺度的尺度特征进行交叉注意力计算进行全局建模,获取全局语义特征,并通过将全局语义特征与浅层特征的融合,提升了获取的检测特征的目标提取能力,进而提升了获取的目标类别以及目标位置的准确性。
下面对本公开实施例提供的目标检测方法进行具体介绍。
如上所述,在一些可能的实现方式中,可以对每个尺度特征与其他尺度特征进行交叉注意力计算,获取该尺度特征对应的注意力特征,并通过每个尺度特征对应的注意力特征,获取全局语义特征。
图2示出了对每个尺度特征与其他尺度特征进行交叉注意力计算,获取该尺度特征对应的注意力特征,并通过每个尺度特征对应的注意力特征,获取全局语义特征的一种实现方式的流程示意图,如图2中所示,可以包括步骤S210、步骤S220、步骤S230。
在步骤S210中,对多个尺度特征进行拼接,将拼接后的特征作为内容特征,将尺度特征映射成特征向量,将特征向量作为查询特征,将尺度特征作为键值特征;
在步骤S220中,基于内容特征、键值特征以及查询特征进行交叉注意力处理,获取尺度特征对应的注意力特征;
在步骤S230中,基于多个尺度特征对应的注意力特征,获取全局语义特征。
在一些可能的实现方式中,在步骤S210中,对多个尺度特征进行拼接,可以是将多个尺度特征进行横向拼接,作为内容特征。
在一些可能的实现方式中,可以通过打平操作将尺度特征映射成特征向量,如尺度特征大小为10*10的情况下,可以通过打平操作将尺度特征变为大小为100*1的特征向量。
在一些可能的实现方式中,对于每一个尺度特征,都将其作为一次键值特征,进行交叉注意力计算。
在一些可能的实现方式中,在步骤S220中,将内容特征作为V值,将查询特征作为Q值,将键值特征作为K值,进行交叉注意力计算,获取作为键值特征的尺度特征对应的注意力特征。
在一些可能的实现方式中,在步骤S230中,可以通过将各个尺度对应的注意力特征进行相加的方式,获取全局语义特征。
通过将各个尺度的尺度特征作为键值特征进行注意力计算,将每个尺度特征与其他尺度的尺度特征进行交互融合,实现了不同尺度的尺度特征的全局交互和融合,提升了获取的全局语义特征的全局建模能力,进而提升了通过全局语义特征获取的检测特征的全局建模能力,进而提升了获取的目标类别以及目标位置的准确性。
如上所述,在一些可能的实现方式中,对尺度特征来说,只有包含物体的特征点参与不同尺度的特征的交互和融合可以对获取的检测特征的有效性产生贡献,而不含物体的背景区域的特征点参与不同尺度的特征的交互和融合不仅不会对获取的检测特征的有效性产生贡献,反而会增大计算量,因此,在进行交叉注意力计算之前,对尺度特征进行池化操作,以获取包含物体的特征点,并通过包含物体的特征点进行交叉注意力计算获取全局语义特征。
图3示出了在进行交叉注意力计算之前,对尺度特征进行池化操作,以获取包含物体的特征点,并通过包含物体的特征点进行交叉注意力计算获取全局语义特征的一个具体实现方式的流程示意图,如图3中所示,可以包括步骤S310、步骤S320。
在步骤S310中,对浅层特征进行池化操作,获取池化特征,使池化特征的分辨率与深层特征的分辨率一致;
在步骤S320中,基于池化特征和深层特征进行交叉注意力计算,获取全局语义特征。
在一些可能的实现方式中,在步骤S310中,对不同尺度的浅层特征使用边长不同的窗口进行过滤,以获取与深层特征分辨率一致的池化特征,即获取的池化特征的大小与深层特征的大小一致。
在一些可能的实现方式中,池化操作可以是最大池化操作,由于包含物体的特征点的激活值很大概率要大于不包含物体的特征点的激活值,而通过最大池化操作可以将窗口中激活值最大的一个特征点进行保留,因此,通过最大池化可以将包含物体的特征点保留,而将不包含物体的特征点删除。
在一些可能的实现方式中,在步骤S320中,可以通过在池化特征和深层特征之间进行交叉注意力计算,实现全局建模,获取全局语义特征。
在一些可能的实现方式中,可以对每个池化特征与其他池化特征和深层特征进行交叉注意力计算,获取该池化特征对应的注意力特征,并通过获取的注意力特征,获取全局语义特征。
在一些可能的实现方式中,可以将池化特征以及深层特征进行拼接(如横向拼接),作为内容特征。在一些可能的实现方式中,可以通过打平操作将池化特征或深度特征映射成特征向量,将该特征向量作为查询特征;将池化特征或深度特征作为键值特征,进行交叉注意力计算。
在一些可能的实现方式中,将内容特征作为V值,将查询特征作为Q值,将键值特征作为K值,进行交叉注意力计算,获取作为键值特征的池化特征或深度特征对应的注意力特征。
在一些可能的实现方式中,可以通过将各个池化特征对应的注意力特征和深度特征对应的注意力特征进行相加的方式,获取全局语义特征。
通过对尺度特征进行池化,大大降低了参与交叉注意力计算的特征点的数量,降低了交叉注意力计算的计算量,提升了整个目标检测过程的速度。
如上所述,在一些可能的实现方式中,可以使用FPN利用全局语义特征逐步上采样的方式与浅层特征进行融合。
在一些具体的实现方式中,使用对全局语义特征进行复制后进行上采样,获取上采样特征作为全局语义特征对应的检测特征,并通过1*1卷积对与全局语义特征尺度最接近的浅层特征进行降维,获取降维特征,将上采样特征和降维特征进行相加,获取第一融合特征,作为与全局语义特征尺度最接近的浅层特征对应的检测特征;通过对第一融合特征进行上采样,获取上采样特征,并通过1*1卷积对与全局语义特征尺度次接近的浅层特征进行降维,获取降维特征,将上采样特征和降维特征进行相加,获取第一融合特征,作为与全局语义特征尺度次接近的浅层特征对应的检测特征,依次类推,获取所有浅层特征对应的检测特征。
如上所述,在一些可能的实现方式中,可以使用FPN利用全局语义特征逐步上采样的方式与浅层特征进行融合。
图4示出了使用FPN利用全局语义特征逐步上采样的方式与浅层特征进行融合一种实现方式的流程示意图,如图3中所示,可以包括步骤S410、步骤S420。
在步骤S410中,对全局语义特征进行上采样,将全局语义特征与浅层特征进行融合,获取浅层特征对应的第一融合特征;
在步骤S420中,对浅层特征对应的第一融合特征进行下采样,将浅层特征对应的第一融合特征与全局语义特征进行融合,获取检测特征。
在一些可能的实现方式中,在步骤S410中,通过Top-down(自顶向下)的特征融合路径,将全局语义特征、深层特征传播至浅层特征,使浅层特征与全局语义特征、深层特征征进行融合。
在一些具体的实现方式中,使用对全局语义特征进行复制后进行上采样,获取上采样特征作为全局语义特征对应的第一统合特征,并通过1*1卷积对与全局语义特征尺度最接近的浅层特征进行降维,获取降维特征,将上采样特征和降维特征进行相加,获取与全局语义特征尺度最接近的浅层特征对应的第一融合特征;通过对与全局语义特征尺度最接近的浅层特征对应的第一融合特征进行上采样,获取上采样特征,并通过1*1卷积对与全局语义特征尺度次接近的浅层特征进行降维,获取降维特征,将上采样特征和降维特征进行相加,获取与全局语义特征尺度次接近的浅层特征对应的第一融合特征,依次类推,直至获取所有浅层特征对应的第一融合特征。
在一些可能的实现方式中,在步骤S420中,通过Bottom-up(自底向上)的特征融合路径,将浅层特征传播至全局语义特征、深层特征,使全局语义特征、深层特征征与浅层特征进行融合。
使用对最浅层特征(即对应的尺度最小的尺度特征)对应的第一融合特征进行复制后进行下采样,获取下采样特征作为最浅层特征对应的检测特征,并通过1*1卷积对次浅层特征(即对应的尺度次小的尺度特征)进行降维,获取降维特征,将下采样特征和降维特征进行相加,获取次浅层特征对应的检测特征;通过对次浅层特征对应的检测特征进行下采样,获取下采样特征,并通过1*1卷积对再次浅层特征(即对应的尺度小于次浅层特征对应的尺度的尺度特征)进行降维,获取降维特征,将下采样特征和降维特征进行相加,获取再次浅层特征对应的检测特征,依次类推,直至获取全局语义特征对应的检测特征。
通过自顶向下和自底向上双向融合的方式将全局语义特征、深层特征传播至浅层特征,使浅层特征与全局语义特征、深层特征征进行融合,同时将浅层特征传播至全局语义特征、深层特征,使全局语义特征以及深层特征与浅层特征进行融合,在弥补浅层特征中语义信息较少的缺点,提升浅层特征的目标提取能力的基础上,弥补了深层特征中定位信息缺少的缺点,提升了深层特征的目标提取能力。
如上所述,可以通过预先训练的Backbone对待检测图像进行多尺度特征提取,可以使用预先训练的注意力网络进行交叉注意力计算,可以使用预先训练的Head对检测特征进行预测,获取待检测图像中的目标位置以及目标类别。
在一些可能的实现方式中,通过池化网络层,对浅层特征进行池化操作,池化网络层可以和注意力网络组成Neck。
在一些可能的实现方式中,Backbone、Neck、Head串行组成目标检测网络,使用样本数据通过对目标检测网络进行端到端的训练来获取训练好的Backbone、Neck、Head。
在一些可能的实现方式中,Backbone、Neck、Head组成的目标检测网络可以用于任意目标检测,提升目标检测的准确性。在一些具体的实现方式中,目标检测网络的可应用领域包括人脸检测、行人检测、车辆检测、卫星图像中道路的检测、车载摄像机图像中的障碍物检测、医学影像在的病灶检测等,可落地的场景包括视频领域、医学场景、安防领域、自动驾驶等。
相比于传统的机器学习方法,基于深度学习的网络模型提取图像特征的能力显然更好,因此,基于Backbone进行特征提取,基于Neck进行交叉注意力计算、基于Head进行分类和回归可以获取更好的效果。
由于相关技术中的目标检测方法基本都基于Backbone,因此,通过将Backbone、Neck、Head组成目标检测网络,可以方便本公开实施例提供的目标检测方法与相关技术中的目标检测方法的结合,方便本公开实施例提供的目标检测方法的落地应用。
下面以一个具体实施例对本公开实施例提供的目标检测方法进行具体介绍。
图5示出了本公开实施例提供的目标检测方法的一个具体实施例的示意图,如图5中所示,以五阶段Backbone为例,其中间特征用C={Ci1≤i≤5}表示,使用后三个阶段特征作为尺度特征,其中,C3、C4为浅层特征(即图5中竖线圆),C5为深层特征(即图5中横线圆),首先利用1*1卷积将多尺度特征统一投射到较低的维度,减少计算开销的同时实现特征空间的转换。
利用池化层(具体可以是最大池化层)对C3、C4特征进行池化,以实现对特征点的筛选。具体来说,将C3、C4分别使用边长为4和边长为2的窗口进行过滤,将窗口中激活值最大的一个特征点保留,池化后的特征记做{C'3,C'4,C5}。
将{C'3,C'4,C5}分别别做打平操作后作为查询特征输入注意力网络,三个尺度的特征拼接后作为value(内容之特征)分别和C'3,C'4,C5进行交叉注意力计算,获取C'3,C'4,C5对应的注意力特征,并通过公式获取全局语义特征(即图5中横竖圆)。其中,/>为C'3对应的注意力特征,/>为C'4对应的注意力特征,/>为C5对应的注意力特征。
通过Top-down(即图5中左斜线圆对应的传播路径)和Bottom-up(即图5中右斜线圆对应的传播路径)双向增强路径充分融合全局语义特征F5和浅层特征C3、C4,获取C'3,C'4,C5对应的检测特征(即图5中右斜线圆)。
利用端到端目标检测模型DINO在MS COCO2017数据集上通过实验证明,本公开实施例提出的目标检测方法能够提高精度,在相同的训练轮数前提下使用更低的分辨率,精度仍然超过原始模型,达到50.5mAP(平均精度),但是训练所需的时间大大减少。另外,相同输入尺寸的条件下本公开实施例提出的目标检测方法所使用的推理时间相比于其他模型减少85%,在T4上使用TensorRT(一种推理库)推理仅需10.3ms(毫秒)。。
基于与图1中所示的方法相同的原理,图6示出了本公开实施例提供的一种目标检测装置的结构示意图,如图6所示,该目标检测装置60可以包括:
特征提取模块610,用于对待检测图像进行多尺度特征提取,获取多个对应不同尺度的尺度特征,多个尺度特征包括至少一个浅层特征和一个深层特征,浅层特征对应的尺度小于深层特征对应的尺度;
注意力模块620,用于基于多个尺度特征,进行交叉注意力计算,获取全局语义特征;
特征融合模块630,用于将全局语义特征与浅层特征进行特征融合,获取检测特征;
检测模块640,用于根据检测特征获取待检测图像中的目标类别以及目标位置。
本公开实施例的目标检测装置中,基于注意力机制,通过多个尺度的尺度特征进行交叉注意力计算进行全局建模,获取全局语义特征,并通过将全局语义特征与浅层特征的融合,提升了获取的检测特征的目标提取能力,进而提升了获取的目标类别以及目标位置的准确性。
可以理解的是,本公开实施例中的目标检测装置的上述各模块具有实现图1中所示的实施例中的目标检测方法相应步骤的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。上述模块可以是软件和/或硬件,上述各模块可以单独实现,也可以多个模块集成实现。对于上述目标检测装置的各模块的功能描述具体可以参见图1中所示实施例中的目标检测方法的对应描述,在此不再赘述。
在一些可能的实现方式中,注意力模块620包括:特征获取单元,用于对多个尺度特征进行拼接,将拼接后的特征作为内容特征,将尺度特征映射成特征向量,将特征向量作为查询特征,将尺度特征作为键值特征;注意力计算单元,用于基于内容特征、键值特征以及查询特征进行交叉注意力处理,获取尺度特征对应的注意力特征;特征计算单元,用于基于多个尺度特征对应的注意力特征,获取全局语义特征。
在一些可能的实现方式中,注意力模块620包括:池化单元,用于对浅层特征进行池化操作,获取池化特征,使池化特征的分辨率与深层特征的分辨率一致;基于池化特征和深层特征进行交叉注意力计算,获取全局语义特征。
在一些可能的实现方式中,池化操作为最大池化操作。
在一些可能的实现方式中,特征融合模块630包括:自顶向下单元,用于对全局语义特征进行上采样,将全局语义特征与浅层特征进行融合,获取浅层特征对应的第一融合特征;自底向上单元,用于对浅层特征对应的第一融合特征进行下采样,将浅层特征对应的第一融合特征与全局语义特征进行融合,获取检测特征。
在一些可能的实现方式中,特征提取模块610用于使用预先训练的骨干网络,对待检测图像进行多尺度特征提取;注意力模块620用于基于多个尺度特征,使用预先训练的注意力网络进行交叉注意力计算,获取全局语义特征;检测模块640用于将检测特征输入预先训练的检测头获取待检测图像中的目标类别以及目标位置。
在一些可能的实现方式中,骨干网络、注意力网络、检测头串行组成目标检测网络;骨干网络、注意力网络、检测头是通过对目标检测网络预先进行端到端训练获取的。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,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。
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,基于注意力机制,通过多个尺度的尺度特征进行交叉注意力计算进行全局建模,获取全局语义特征,并通过将全局语义特征与浅层特征的融合,提升了获取的检测特征的目标提取能力,进而提升了获取的目标类别以及目标位置的准确性。
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,基于注意力机制,通过多个尺度的尺度特征进行交叉注意力计算进行全局建模,获取全局语义特征,并通过将全局语义特征与浅层特征的融合,提升了获取的检测特征的目标提取能力,进而提升了获取的目标类别以及目标位置的准确性。
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实施例提供的目标检测方法。
该计算机程序产品与现有技术相比,基于注意力机制,通过多个尺度的尺度特征进行交叉注意力计算进行全局建模,获取全局语义特征,并通过将全局语义特征与浅层特征的融合,提升了获取的检测特征的目标提取能力,进而提升了获取的目标类别以及目标位置的准确性。
图7示出了可以用来实施本公开的实施例的示例电子设备700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7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700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701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701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701执行上文所描述的各个方法和处理,例如目标检测方法。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708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的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701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行上文描述的目标检测方法。
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、现场可编程门阵列(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 (17)
1.一种目标检测的方法,包括:
对待检测图像进行多尺度特征提取,获取多个对应不同尺度的尺度特征,多个所述尺度特征包括一个深层特征和至少一个浅层特征,所述浅层特征对应的尺度小于所述深层特征对应的尺度;
基于多个所述尺度特征,进行交叉注意力计算,获取全局语义特征;
将所述全局语义特征与所述浅层特征进行特征融合,获取检测特征;
根据所述检测特征获取所述待检测图像中的目标类别以及目标位置。
2.根据权利要求1所述的方法,其中,所述基于多个所述尺度特征,进行交叉注意力计算,获取全局语义特征,包括:
对多个所述尺度特征进行拼接,将拼接后的特征作为内容特征,将所述尺度特征映射成特征向量,将所述特征向量作为查询特征,将所述尺度特征作为键值特征;
基于所述内容特征、所述键值特征以及所述查询特征进行交叉注意力处理,获取所述尺度特征对应的注意力特征;
基于多个所述尺度特征对应的注意力特征,获取全局语义特征。
3.根据权利要求1所述的方法,其中,所述基于多个所述尺度特征,进行交叉注意力计算,获取全局语义特征,包括:
对所述浅层特征进行池化操作,获取池化特征,使所述池化特征的分辨率与所述深层特征的分辨率一致;
基于所述池化特征和所述深层特征进行交叉注意力计算,获取所述全局语义特征。
4.根据权利要求3所述的方法,其中,所述池化操作为最大池化操作。
5.根据权利要求1所述的方法,其中,所述将所述全局语义特征与所述浅层特征进行特征融合,获取检测特征,包括:
对所述全局语义特征进行上采样,将所述全局语义特征与所述浅层特征进行融合,获取所述浅层特征对应的第一融合特征;
对所述浅层特征对应的第一融合特征进行下采样,将所述浅层特征对应的第一融合特征与所述全局语义特征进行融合,获取所述检测特征。
6.根据权利要求1所述的方法,其中,所述对待检测图像进行多尺度特征提取,包括:
使用预先训练的骨干网络,对所述待检测图像进行多尺度特征提取;
所述基于多个所述尺度特征,进行交叉注意力计算,获取全局语义特征,包括:
基于多个所述尺度特征,使用预先训练的注意力网络进行交叉注意力计算,获取全局语义特征;
所述根据所述检测特征获取所述待检测图像中的目标类别以及目标位置,包括:
将所述检测特征输入预先训练的检测头获取所述待检测图像中的目标类别以及目标位置。
7.根据权利要求6所述的方法,其中,所述骨干网络、所述注意力网络、所述检测头串行组成目标检测网络;所述骨干网络、所述注意力网络、所述检测头是通过对所述目标检测网络预先进行端到端训练获取的。
8.一种目标检测的装置,包括:
特征提取模块,用于对待检测图像进行多尺度特征提取,获取多个对应不同尺度的尺度特征,多个所述尺度特征包括包括一个深层特征和至少一个浅层特征,所述浅层特征对应的尺度小于所述深层特征对应的尺度;
注意力模块,用于基于多个所述尺度特征,进行交叉注意力计算,获取全局语义特征;
特征融合模块,用于将所述全局语义特征与所述浅层特征进行特征融合,获取检测特征;
检测模块,用于根据所述检测特征获取所述待检测图像中的目标类别以及目标位置。
9.根据权利要求8所述的装置,其中,所述注意力模块包括:
特征获取单元,用于对多个所述尺度特征进行拼接,将拼接后的特征作为内容特征,将所述尺度特征映射成特征向量,将所述特征向量作为查询特征,将所述尺度特征作为键值特征;
注意力计算单元,用于基于所述内容特征、所述键值特征以及所述查询特征进行交叉注意力处理,获取所述尺度特征对应的注意力特征;
特征计算单元,用于基于多个所述尺度特征对应的注意力特征,获取全局语义特征。
10.根据权利要求8所述的装置,其中,所述注意力模块包括:
池化单元,用于对所述浅层特征进行池化操作,获取池化特征,使所述池化特征的分辨率与所述深层特征的分辨率一致;基于所述池化特征进行交叉注意力计算,获取所述全局语义特征。
11.根据权利要求10所述的装置,其中,所述池化操作为最大池化操作。
12.根据权利要求8所述的装置,其中,所述特征融合模块包括:
自顶向下单元,用于对所述全局语义特征进行上采样,将所述全局语义特征与所述浅层特征进行融合,获取所述浅层特征对应的第一融合特征;
自底向上单元,用于对所述浅层特征对应的第一融合特征进行下采样,将所述浅层特征对应的第一融合特征与所述全局语义特征进行融合,获取所述检测特征。
13.根据权利要求8所述的装置,其中,所述特征提取模块用于使用预先训练的骨干网络,对所述待检测图像进行多尺度特征提取;
所述注意力模块用于基于多个所述尺度特征,使用预先训练的注意力网络进行交叉注意力计算,获取全局语义特征;
所述检测模块用于将所述检测特征输入预先训练的检测头获取所述待检测图像中的目标类别以及目标位置。
14.根据权利要求13所述的装置,其中,所述骨干网络、所述注意力网络、所述检测头串行组成目标检测网络;所述骨干网络、所述注意力网络、所述检测头是通过对所述目标检测网络预先进行端到端训练获取的。
15.一种电子设备,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1-7中任一项所述的方法。
16.一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1-7中任一项所述的方法。
17.一种计算机程序产品,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1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310397226.9A CN116704203A (zh) | 2023-04-12 | 2023-04-12 | 目标检测方法、装置、电子设备、计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310397226.9A CN116704203A (zh) | 2023-04-12 | 2023-04-12 | 目标检测方法、装置、电子设备、计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116704203A true CN116704203A (zh) | 2023-09-05 |
Family
ID=87831833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310397226.9A Pending CN116704203A (zh) | 2023-04-12 | 2023-04-12 | 目标检测方法、装置、电子设备、计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116704203A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117789153A (zh) * | 2024-02-26 | 2024-03-29 | 浙江驿公里智能科技有限公司 | 基于计算机视觉的汽车油箱外盖定位系统及方法 |
-
2023
- 2023-04-12 CN CN202310397226.9A patent/CN116704203A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117789153A (zh) * | 2024-02-26 | 2024-03-29 | 浙江驿公里智能科技有限公司 | 基于计算机视觉的汽车油箱外盖定位系统及方法 |
CN117789153B (zh) * | 2024-02-26 | 2024-05-03 | 浙江驿公里智能科技有限公司 | 基于计算机视觉的汽车油箱外盖定位系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019136623A1 (en) | Apparatus and method for semantic segmentation with convolutional neural network | |
JP2023541532A (ja) | テキスト検出モデルのトレーニング方法及び装置、テキスト検出方法及び装置、電子機器、記憶媒体並びにコンピュータプログラム | |
CN114118124B (zh) | 图像检测方法和装置 | |
CN113936256A (zh) | 一种图像目标检测方法、装置、设备以及存储介质 | |
CN111666960A (zh) | 图像识别方法、装置、电子设备及可读存储介质 | |
WO2023174098A1 (zh) | 一种实时手势检测方法及装置 | |
CN113361710B (zh) | 学生模型训练方法、图片处理方法、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 | |
CN113378712B (zh) | 物体检测模型的训练方法、图像检测方法及其装置 | |
CN111652181B (zh) | 目标跟踪方法、装置及电子设备 | |
CN113705716B (zh) | 图像识别模型训练方法、设备、云控平台及自动驾驶车辆 | |
CN112597918A (zh) | 文本检测方法及装置、电子设备、存储介质 | |
CN115147809B (zh) | 一种障碍物检测方法、装置、设备以及存储介质 | |
CN116363459A (zh) | 目标检测方法、模型训练方法、装置、电子设备及介质 | |
CN116704203A (zh) | 目标检测方法、装置、电子设备、计算机可读存储介质 | |
CN113887615A (zh) | 图像处理方法、装置、设备和介质 | |
CN117315406B (zh) | 一种样本图像处理方法、装置及设备 | |
KR20220117341A (ko) | 차선 검출 모델의 트레이닝 방법, 장치, 전자 기기 및 저장 매체 | |
CN114973333B (zh) | 人物交互检测方法、装置、设备以及存储介质 | |
CN113139483B (zh) | 人体行为识别方法、装置、设备、存储介质以及程序产品 | |
JP2023036795A (ja) | 画像処理方法、モデル訓練方法、装置、電子機器、記憶媒体、コンピュータプログラム及び自動運転車両 | |
CN115761698A (zh) | 一种目标检测方法、装置、设备及存储介质 | |
Yuan et al. | Traffic scene depth analysis based on depthwise separable convolutional neural network | |
CN115049895B (zh) | 一种图像属性识别方法、属性识别模型训练方法及装置 | |
CN117541816A (zh) | 目标检测方法、装置和电子设备 |
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 |