[发明专利]目标检测方法及装置、电子设备、存储介质

说明书

本申请提供一种目标检测方法及装置、电子设备、计算机可读存储介质，方法包括：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；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；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。本申请实施例，可以避免单一检测方式的局限性，提高检测精度，从而检测出待检测图像中尺寸小、边缘模糊的目标。

技术领域

本申请涉及图像处理技术领域，特别涉及一种目标检测方法及装置、电子设备、计算机可读存储介质。

背景技术

在工业的各个生产阶段，存在大量质检流程。对于汽车零部件、3C电子产品、纺织布料、建筑物体等生产对象，质检的内容包括表面缺陷检测。通常，可基于传统图像视觉技术对待检测对象表面的明显缺陷(比如，尺寸较大、边缘清晰的破损)进行检测。而对于划痕、压伤、污迹、凹凸等尺寸小、边缘模糊的缺陷，往往需要人工进行检测。

发明内容

本申请实施例的目的在于提供一种目标检测方法及装置、电子设备、计算机可读存储介质，基于图像处理技术对图像中尺寸小、边缘模糊的目标进行检测。

一方面，本申请提供了一种目标检测方法，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；

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。

在一实施例中，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。

在一实施例中，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。