[发明专利]一种目标检测方法、系统及终端设备

权利要求书

1.一种目标检测方法，其特征在于，包括：

利用卷积神经网络，使用检测框从被测图像中提取若干个目标；

获取目标的特征属性，所述特征属性包括空间特征和显式特征；

根据所述特征属性，基于关系计算模型，计算目标间的关联特征；

利用所述关联特征对所述目标的特征属性进行整合，得到聚合特征；

将所述聚合特征代入由所述卷积神经网络的全连接层和所述关系计算模型组成的回溯关系子网络，计算准预测分数；

根据所述准预测分数和所述检测框，计算分类分数；

根据所述分类分数对目标进行分类检测。

2.如权利要求1所述的目标检测方法，其特征在于，所述获取目标的特征属性，包括：

其中，N_0bj为所述特征属性，为第p个目标的空间特征，为第p个目标的显式特征，p为目标的序号，N为从所述被测图像中提取的目标总数。

3.如权利要求2所述的目标检测方法，其特征在于，所述空间特征为：

其中，x为目标在当前空间的x轴坐标，y为目标在当前空间的y轴坐标，Wid为目标的宽度，Hei为目标的高度。

4.如权利要求1所述的目标检测方法，其特征在于，所述根据所述特征属性，基于关系计算模型，计算目标间的关联特征，包括：

获取键权重、值权重和查询权重；

根据目标的所述显式特征、所述键权重和所述查询权重，按照公式(三)，计算显式特征的权重：

其中，为所述显式特征的权重，dot为点积计算函数，W_K为所述键权重，为第q个目标的显式特征，W_Q为所述查询权重，为第p个目标的显式特征，d_k为特征维度；

根据目标的所述空间特征，按照公式(四)，计算空间特征的权重：

其中，为所述空间特征的权重，W_G为全局权重，ε_S为常量，为第q个目标的空间特征，为第p个目标的空间特征；

根据所述显式特征的权重和所述空间特征的权重，按照公式(五)，计算相关联目标间的影响程度：

其中，ω^qp为所述影响程度，k是当前维度上对应的键值；

根据所述影响程度、所述值权重和目标的所述显式特征，按照公式(六)，计算目标间的所述关联特征：

其中，f_Nex(p)为N个目标中的第p个目标间的关联特征，W_V为所述值权重。

5.如权利要求1所述的目标检测方法，其特征在于，所述聚合特征为：

其中，为所述聚合特征，Addition为加法聚合函数。

6.如权利要求1所述的目标检测方法，其特征在于，所述根据所述准预测分数和所述检测框，计算分类分数，包括：

利用信道匹配函数，将所述准预测分数进行信道转换，得到信道转化后的特征；

将所述信道转化后的特征和所述检测框代入所述关系计算模型，得到关联分数；

将所述关联分数依次通过线性分类器和激励函数计算后，得到加权后的分数；

将所述加权后的分数与所述准预测分数相乘，得到所述分类分数。

7.如权利要求1至6任一项所述的目标检测方法，其特征在于，所述检测框的尺寸按照公式(八)选择：

其中，S为所述检测框的尺寸，s为输入的候选尺度，k为比例系数。