[发明专利]多尺度目标检测方法、装置、计算机设备及存储介质

说明书

本发明公开了一种多尺度目标检测方法、装置、计算机设备及存储介质，所述方法包括：获取初始图像，将初始图像进行几倍放大，形成图像金字塔，输入到预设的特征金字塔网络，再通过预设的特征金字塔网络对初始图像中的目标进行识别和框选定位处理，得到第一预测结果，同时，对初始图像按照预设方式进行放大处理，得到放大图像，将放大图像输入到预设的小尺度目标检测网络，通过预设的小尺度目标检测网络对放大图像进行特征提取和分类，得到第二预测结果，对第一预测结果和第二预测结果进行汇总分析，得到目标检测结果，这种采用特征金字塔网络和小尺度目标检测网络进行结合的方式，提高了多尺度目标检测和定位的准确度。

技术领域

本发明涉及图像识别领域，尤其涉及一种多尺度目标检测方法、装置、 计算机设备及存储介质。

背景技术

随着人工智能技术的不断发展，人们对计算机也提出了新的要求。除了 学习围棋，人们希望计算机能自主检测生活中的物体，这促进了计算机视觉 领域的发展和创新。计算机视觉是让机器拥有类似于人类的视觉能力，它是 对输入的图像信息进行检测，对图像中的目标和环境进行认知，并给出相应 的理解。计算机视觉是利用摄像头来模拟人观察这个世界，可是对世界的理 解，还需要技术人员对摄像头收集到的信息进行处理。计算机视觉涉及的研 究领域较多，如：目标检测、目标跟踪、场景理解、立体视觉和动作识别等。目标检测是计算机视觉领域中的研究热点。它是计算机根据视频帧或者图片 检测出目标的位置和类别并进行标记。目标检测具有较强的实用价值，在安 全防卫、交通监控、医疗诊断、国防军事以及日常生活等领域有着广泛的应 用前景。

目标检测在不同领域的应用，体现出它的实用性和广泛性。但目标检测 还存在一定的不稳定性，这是视频中或者图像中环境变化、视角不同以及光 线遮挡等都会造成目标的变化，增加目标检测的难度。

当前，也有一些通过背景建模和机器学习的方式，来进行目标检测，但 背景建模只能针对一些限定好各种条件的目标检测，而在实际应用中，这种 方式兼容性较差，现有的一些机器学习的方式，通过对将各种目标放入模型 进行训练，从而实现对各种目标进行识别，但这种方式，对于一些遮挡或者 视角不同，即不同尺度性的目标，检测的准确率较低，且同一图像也可能存 在多种目标，多目标的尺度多样性给目标检测的准确性带来挑战。如何提高 多尺度目标检测的准确性，是实际应用中要面临的问题，也是目前亟待解决的问题。

发明内容

本发明实施例提供一种多尺度目标检测方法、装置、计算机设备和存储 介质，以解决当前资源数据发放的安全性较低的问题。

一种多尺度目标检测方法，包括：

获取初始图像；

将所述初始图像放大得到图像金字塔，输入到预设的特征金字塔网络；

通过所述预设的特征金字塔网络对所述初始图像中的目标进行识别和框 选定位处理，得到第一预测结果；

对所述初始图像按照预设方式进行放大处理，得到放大图像；

将所述放大图像输入到预设的小尺度目标检测网络；

通过所述预设的小尺度目标检测网络对所述放大图像进行特征提取和分 类，得到第二预测结果；

对所述第一预测结果和所述第二预测结果进行汇总分析，得到目标检测 结果。

一种多尺度目标检测装置，包括：

图像获取模块，用于获取初始图像；

第一传输模块，用于将所述初始图像放大形成图像金字塔，输入到预设 的特征金字塔网络；

第一预测模块，用于通过所述预设的特征金字塔网络对所述初始图像中 的目标进行识别和框选定位处理，得到第一预测结果；

图像处理模块，用于对所述初始图像按照预设方式进行放大处理，得到 放大图像；