[发明专利]目标检测方法及装置、电子设备、存储介质

权利要求书

1.一种目标检测方法，其特征在于，包括：

将待检测图像作为特征提取网络的输入，获得所述特征提取网络输出的多个尺度的图像特征；

将多个尺度的图像特征作为分类网络的输入，获得所述分类网络输出的分类结果图和语义分割图；其中，所述分类网络包括网格化分类网络和语义分割网络；所述将多个尺度的图像特征作为分类网络的输入，获得所述分类网络输出的分类结果图和语义分割图，包括：将多个尺度的图像特征作为所述网格化分类网络的输入，针对每一尺度的图像特征，通过所述网格化分类网络将所述图像特征依据多种粒度划分为多组网格图像特征；通过所述网格化分类网络对所述网格图像特征进行分类计算，获得与多个尺度多个粒度对应的多组分类结果图；将多个尺度的图像特征作为所述语义分割网络的输入，通过所述语义分割网络对多个尺度的图像特征进行融合；通过所述语义分割网络对融合后的特征图进行计算，获得语义分割图；

融合所述分类结果图和语义分割图，获得目标置信度得分图；其中，所述目标置信度得分图中每一像素点的像素值，表示该像素点在所述待检测图像中对应的像素点属于目标的置信度；

筛选所述目标置信度得分图中像素值大于预设第一阈值的像素点，获得检测结果图；

基于所述检测结果图确定目标在所述待检测图像中的位置信息。

2.根据权利要求1所述的方法，其特征在于，所述特征提取网络和所述分类网络通过如下方式训练得到：

将样本图像输入至所述特征提取网络，获得所述特征提取网络输出的多个尺度的图像特征；其中，所述样本图像携带软标签图像和多个尺度多个粒度的多组网格标签图；

将所述多个尺度的图像特征输入所述分类网络，获得所述分类网络中网格化分类网络输出的多个尺度多个粒度的多组分类结果图，以及，所述分类网络中语义分割网络输出的语义分割图；

基于所述软标签图和所述语义分割图之间的差异，以及，多个尺度多个粒度的多组网格标签图与多个尺度多个粒度的多组分类结果图之间的差异，调整所述特征提取网络和所述分类网络的网络参数；

重复上述过程，直至所述特征提取网络和所述分类网络收敛。

3.根据权利要求2所述的方法，其特征在于，在将所述样本图像输入至所述特征提取网络之前，所述方法还包括：

获取所述样本图像和对应于所述样本图像的弱标注信息；其中，所述弱标注信息指示所述样本图像中目标所在位置；

对所述弱标注信息进行距离变换和归一化处理，获得对应于所述样本图像的软标签图像；

依据所述多个尺度图像特征的尺度、所述多种粒度和所述软标签图像，生成多个尺度多个粒度的多组网格标签图。

4.根据权利要求3所述的方法，其特征在于，所述依据所述多个尺度图像特征的尺度、所述多种粒度和所述软标签图像，生成多个尺度多个粒度的多组网格标签图，包括：

基于所述多种粒度将所述样本图像划分为多组网格样本图像；

针对每一网格样本图像，基于所述网格样本图像中像素点在所述软标签图像对应的像素点的像素值，确定所述网格样本图像属于目标的网格置信度；其中，所述软标签图像的每一像素点的像素值，表征该像素点在所述样本图像中对应的像素点属于目标的置信度；

基于所述网格置信度为所述网格样本图像生成网格标签图；

根据所述多个尺度的图像特征的尺度，缩放处理多个粒度的多组网格标签图，获得与每一尺度的图像特征相同尺度的多个粒度的多组网格标签图。

5.根据权利要求1所述的方法，其特征在于，所述融合所述分类结果图和语义分割图，获得目标置信度得分图，包括：

将每一尺度图像特征对应的多个粒度的多组分类结果图进行融合，获得与每一尺度图像特征对应的多粒度融合分类结果图；

将对应于每一尺度图像特征的多粒度融合分类结果图进行融合，获得多尺度多粒度融合分类结果图；

融合所述多尺度多粒度融合分类结果图和所述语义分割图，获得所述目标置信度得分图。