[发明专利]目标检测方法及装置

权利要求书

1.一种目标检测方法，其特征在于，所述方法包括：

基于第一卷积神经网络CNN模型和待检测的目标图像，生成第一浅卷积层的特征图，所述第一浅卷积层是指所述第一卷积神经网络CNN模型包括的多个卷积层中第一深卷积层之前的任一卷积层，所述第一深卷积层是指最靠近输出层的卷积层；

从所述第一浅卷积层的特征图中以边长小于或等于预设阈值的锚点框为基准回归出目标候选框，得到多个第一检测目标候选框；

基于所述第一卷积神经网络CNN模型和所述第一浅卷积层的特征图，生成所述第一深卷积层的特征图；

对所述第一深卷积层的特征图进行全尺度目标候选框提取，得到多个不同尺度的第二检测目标候选框；

从所述多个不同尺度的第二检测目标候选框中选取边长小于或等于所述预设阈值的目标候选框，得到多个第三检测目标候选框；

基于所述多个第一检测目标候选框和所述多个第三检测目标候选框的重合度，从所述多个第一检测目标候选框中选取多个第四检测目标候选框；

基于所述多个第四检测目标候选框，对所述目标图像中的各个目标进行分类，得到各个目标属于预设类别的概率。

2.如权利要求1所述的方法，其特征在于，所述基于所述多个第一检测目标候选框和所述多个第三检测目标候选框的重合度，从所述多个第一检测目标候选框中选取多个第四检测目标候选框，包括：

对于所述多个第三检测目标候选框中的每个第三检测目标候选框，从所述多个第一检测目标候选框中选择所述第三检测目标候选框的多个邻域目标候选框；

确定各个邻域目标候选框与所述第三检测目标候选框的交并比，所述交并比是指所述各个邻域目标候选框与所述第三检测目标候选框的交集区域的面积与所述各个邻域目标候选框与所述第三检测目标候选框的并集区域的面积之间的比例；

将交并比最大的邻域目标候选框确定为所述第四检测目标候选框。

3.如权利要求1所述的方法，其特征在于，所述基于所述多个第一检测目标候选框和所述多个第三检测目标候选框的重合度，从所述多个第一检测目标候选框中选取多个第四检测目标候选框之前，还包括：

获取所述多个第一检测目标候选框的置信度，每个第一检测目标候选框的置信度用于指示每个第一检测目标候选框对应的区域是目标的可能性；

相应地，所述基于所述多个第一检测目标候选框和所述多个第三检测目标候选框的重合度，从所述多个第一检测目标候选框中选取多个第四检测目标候选框，包括：

基于所述多个第一检测目标候选框和所述多个第三检测目标候选框的重合度以及所述多个第一检测目标候选框的置信度，从所述多个第一检测目标候选框中选取所述多个第四检测目标候选框。

4.如权利要求1所述的方法，其特征在于，所述基于所述多个第四检测目标候选框，对所述目标图像中的各个目标进行分类，得到各个目标属于预设类别的概率之前，还包括：

从所述多个不同尺度的第二检测目标候选框中选取边长大于所述预设阈值的目标候选框，得到多个第五检测目标候选框；

相应地，所述基于所述多个第四检测目标候选框，对所述目标图像中的各个目标进行分类，得到各个目标属于预设类别的概率，包括：

基于所述多个第五检测目标候选框，从所述第一深卷积层的特征图中提取多个第一目标特征图；

基于所述多个第四检测目标候选框，从所述第一浅卷积层的特征图中提取多个第二目标特征图；

基于所述第一卷积神经网络CNN模型中的分类网络，对所述多个第一目标特征图和所述多个第二目标特征图进行分类，得到所述多个第一目标特征图中的目标以及所述多个第二目标特征图中的目标分别属于预设类别的概率。