[发明专利]基于注意力机制的道路图像目标检测方法及相关设备

说明书

本申请实施例属于机器学习技术领域，应用于智慧城市领域中，涉及一种基于注意力机制的道路图像目标检测方法，包括获取待检测道路图像；将所述待检测道路图像输入到训练好的检测集成框架中，以及与各目标检测框架对应的注意力权重值；通过各目标检测框架对所述待检测道路图像进行目标检测处理，输出得到行人检测结果；根据所述注意力权重值综合各所述行人检测结果，得到所述检测集成框架的目标检测结果。本申请还提供一种基于注意力机制的道路图像目标检测装置、计算机设备及存储介质。此外，本申请还涉及区块链技术，采用本方法能够解决现有技术中的目标检测框架难以实现以针对性的设定的指标来进行目标检测的技术问题。

技术领域

本申请涉及机器学习技术领域，特别是涉及一种基于注意力机制的道路图像目标检测方法、装置、计算机设备和存储介质。

背景技术

随着近年来深度学习的迅猛发展，计算机视觉领域也取得了较大突破。而目标检测作为计算机视觉领域核心任务之一，也在深度学习的加持下取得了较传统方法极为明显的进步。目标检测的任务是找出图像或者视频中感兴趣物体，同时检测出他们的位置、大小和类别。现有技术中的Yolo系列和SSD系列模型会采用one stage算法实现分类与回归，其仅仅使用一个CNN网络直接预测不同目标的类别和位置，这样做虽然提高了模型的检测速度，但是在精度上损失却很大。目标检测的性能评价指标也可以很具任务的不同而选择不同的指标，包括精确率、精确度、召回率、mean Average Precision(mAP)、intersectionover-union(IoU)等等，不同的任务往往需要不同的指标。与此同时，AutoML技术也在目标检测领域得到了应用，例如，MobileNetV3中使用了MnasNet和NetAdapt来对网络进行粗略的搜索和微调。可以说，目标检测领域有着繁多的算法和指标，各个模型的性能可能在不同的任务上有着较大的差异，而不同的任务也需要使用不同的指标来对模型的性能进行定义，因此，在以特定的任务上，目标检测框架难以实现以针对性的设定的指标来进行目标检测的目的。

发明内容

基于此，针对上述技术问题，本申请提供一种基于注意力机制的道路图像目标检测方法、装置、计算机设备及存储介质，以解决现有技术中的目标检测框架难以实现以针对性的设定的指标来进行目标检测的技术问题。

一种基于注意力机制的道路图像目标检测方法，所述方法包括：

获取待检测道路图像；

将所述待检测道路图像输入到训练好的检测集成框架中，其中，所述检测集成框架中包括至少两个目标检测框架，以及与各目标检测框架对应的注意力权重值；

通过各目标检测框架对所述待检测道路图像进行目标检测处理，输出得到行人检测结果；

根据所述注意力权重值综合各所述行人检测结果，得到所述检测集成框架的目标检测结果。

一种基于注意力机制的道路图像目标检测装置，所述装置包括：

数据模块，用于获取待检测道路图像；

输入模块，用于将所述待检测道路图像输入到训练好的检测集成框架中，其中，所述检测集成框架中包括至少两个目标检测框架，以及与各目标检测框架对应的注意力权重值；

检测模块，用于通过各目标检测框架对所述待检测道路图像进行目标检测处理，输出得到行人检测结果；

综合模块，用于根据所述注意力权重值综合各所述行人检测结果，得到所述检测集成框架的目标检测结果。

一种计算机设备，包括存储器和处理器，以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现上述基于注意力机制的道路图像目标检测方法的步骤。