[发明专利]一种目标检测方法、系统、装置及存储介质

说明书

本发明公开了一种目标检测方法、系统、装置及存储介质，方法包括：对待检测图像进行特征提取，生成得到特征图；对特征图进行特征提取，得到第一特征信息；对特征图进行注意力特征提取，得到第二特征信息；将第一特征信息和第二特征信息进行合并，得到目标特征信息；生成候选框，并将候选框投影到目标特征信息上，得到感兴趣区域；对感兴趣区域进行分类预测，得到最终分类得分和最终边界框。本发明通过将第一特征信息和第二特征信息进行合并得到目标特征信息，使得特征具有更强的语义信息，从而能大大提高目标检测的准确率。本发明可广泛应用于目标检测领域中。

技术领域

本发明涉及检测技术领域，尤其涉及一种目标检测方法、系统、装置及存储介质。

背景技术

近年来计算机视觉领域技术蓬勃发展，虽然目前研究目标检测的方法有很多，但大致可以将之分为两个主流：一是基于区域提议的方法，如RCNN系列(RCNN，Fast RCNN以及Faster RCNN等)；二是无区域提议的方法，如YOLO、SSD以及DSSD等。其中基于区域提议方法的主要原理是将目标检测任务划分为两个子问题：在第一阶段，通过算法或区域提议网络生成高质量的候选框，然后在第二阶段，设计子网络以对这些候选框进行分类和边界框回归，从而获得相对更高的准确率。

目前大多数的基于区域提议的目标检测方法都是针对其中的某一方面进行了改进，没有进行有效的结合，以至于目标检测的结果仍有较大的上升空间。

发明内容

为了解决上述技术问题，本发明的目的是提供一种能提高准确率的目标检测方法、系统、装置及存储介质。

本发明所采取的技术方案是：

一种目标检测方法，包括以下步骤：

对待检测图像进行特征提取，生成得到特征图；

对特征图进行特征提取，得到第一特征信息；

对特征图进行注意力特征提取，得到第二特征信息；

将第一特征信息和第二特征信息进行合并，得到目标特征信息；

生成候选框，并将候选框投影到目标特征信息上，得到感兴趣区域；

对感兴趣区域进行分类预测，得到最终分类得分和最终边界框。

作为所述的一种目标检测方法的进一步改进，所述第二特征信息包括通道特征信息和空间特征信息，所述的对特征图进行注意力特征提取，得到第二特征信息，这一步骤具体包括：

对特征图进行通道特征提取，得到通道特征信息；

对特征图进行空间特征提取，得到空间特征信息。

作为所述的一种目标检测方法的进一步改进，所述的对特征图进行通道特征提取，得到通道特征信息，这一步骤具体为：

将特征图在空间层面上进行压缩，得到第一矢量；

对第一矢量分别进行平均池化和最大值池化处理，提取得到通道特征信息。

作为所述的一种目标检测方法的进一步改进，所述的对特征图进行空间特征提取，得到空间特征信息，这一步骤具体为：

将特征图在通道层面上进行压缩，得到第二矢量；

对第二矢量分别进行平均池化和最大值池化处理，提取得到空间特征信息。

作为所述的一种目标检测方法的进一步改进，所述的生成候选框，这一步骤具体包括：

在特征图上产生均匀分布的候选框；

对候选框进行多次迭代，评估每次迭代过程中产生的候选框存在目标的概率得分，将每次迭代过程中产生的候选框加入到总候选框集合中；