[发明专利]用于对象检测的方法、装置和计算机可读介质

说明书

提供用于对象检测的方法、装置和计算机程序产品。一种方法包括提取图像的一般特征，所述一般特征表征所述图像的一个或多个一般属性(310)；标识一个或多个感兴趣区域ROI(320)；基于所述一般特征和一个或多个候选尺度，生成关于所述图像中的一个或多个对象的尺度信息(330)；基于所述尺度信息生成所述图像的一个或多个特定于尺度的特征(340)；以及基于所标识的一个或多个ROI和一个或多个特定于尺度的特征来检测所述图像中的所述一个或多个对象(350)。

技术领域

本公开的非限制性和示例性实施例总地涉及信号处理的技术领域，并且具体地涉及用于检测图像中的对象的方法、装置和计算机程序产品。

背景技术

本节介绍可以有助于更好地理解本公开的方面。因此，本节的陈述应从这个角度来阅读，而不应被理解为关于什么是现有技术或者什么不是现有技术的承认。

对象检测是诸如人机交互、安全监控和高级驾驶辅助系统(ADAS)之类的各种应用中的一项关键任务。例如，在自动驾驶的场景中，精确地检测对象是重要的，因为如果没有检测到或错误地检测到对象，则可能导致生命和/或财产损失。

因此，提高对象检测的精度具有重要意义。

发明内容

本公开的各种实施例主要旨在提供用于对象检测的方法、装置和计算机存储介质。

在本公开的第一方面中，提供了一种用于图像处理的方法。该方法包括：提取图像的一般特征，该一般特征表征图像的一个或多个一般属性；标识一个或多个感兴趣区域ROI；基于所述一般特征和一个或多个候选尺度，生成关于所述图像中的一个或多个对象的尺度信息；基于所述尺度信息生成所述图像的一个或多个特定于尺度的特征；以及基于所标识的一个或多个ROI和一个或多个特定于尺度的特征来检测图像中的一个或多个对象。

在一些实施例中，提取图像的一般特征可以包括：经由卷积神经网络CNN的一个或多个卷积块来提取所述一般特征。在一些实施例中，一个或多个卷积块可以形成CNN的骨干网络。

在一些实施例中，标识所述一个或多个ROI可以包括：经由区域建议网络(RPN)为一个或多个对象生成一个或多个区域建议，其中区域建议指示对象的ROI。

在一些实施例中，生成所述尺度信息可以包括：从所述一个或多个候选尺度确定针对所述一个或多个对象中的每个对象的尺度；以及基于针对所述一个或多个对象确定的尺度来生成所述尺度信息。在另一些实施例中，基于针对一个或多个对象确定的尺度来生成尺度信息可以包括：针对所述一个或多个候选尺度中的每个候选尺度，确定用于膨胀卷积的与候选尺度相关联的膨胀率；基于所确定的膨胀率和所确定的尺度来确定卷积核；以及通过所述一般特征和所述卷积核的卷积来生成与所述候选尺度相关联的尺度信息。

在一些实施例中，基于所述尺度信息生成所述图像的一个或多个特定于尺度的特征可以包括：针对所述一个或多个候选尺度中的每个候选尺度，通过将与候选尺度相关联的尺度信息与一般特征或基于所述一般特征生成的另外特征相结合来生成与所述候选尺度相关联的特征。在一些实施例中，将与所述候选尺度相关联的尺度信息与所述一般特征或所述另外特征相结合可以包括：基于按元素的乘法(element wise multiplication)来将与所述候选尺度相关联的尺度信息与所述一般特征或所述另外特征相结合。

在一些实施例中，检测图像中的一个或多个对象可以包括：基于所述一个或多个候选尺度来确定针对所标识的一个或多个ROI中的每一个ROI的尺度；基于所确定的ROI的尺度从所述一个或多个特定于尺度的特征中提取特定于尺度的区域特征；以及基于所述特定于尺度的区域特征来检测所述图像中的一个或多个对象。在一些实施例中，基于特定于尺度的区域特征来检测图像中的一个或多个对象可以包括：针对所述一个或多个候选尺度中的每个候选尺度，基于所述特定于尺度的区域特征来检测具有候选尺度的一个或多个对象；以及确定关于所检测的对象的信息，所述信息包括坐标、边界框和分类中的至少一项。