[发明专利]目标检测方法、装置、电子设备及存储介质

说明书

本发明提供了一种目标检测方法、装置、电子设备及存储介质，该方法包括：通过骨干网络提取待检测图像的图像特征；通过偏差均衡RPN对图像特征进行处理，得到目标检测提议框；根据图像特征和目标检测提议框，通过复合ROI检测网络确定多个初步目标检测结果；根据多个初步目标检测结果，确定最终的目标检测结果。本发明在实现小样本类别的目标检测时不会导致大样本性能的掉落，没有产生遗忘效应，提高了目标检测的准确性，而且相比元学习方式降低了计算复杂度。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种目标检测方法、装置、电子设备及存储介质。

背景技术

目标检测(Object Detection)是指给定一张图像，对其所包含的属于感兴趣类别的物体进行分类与定位，是计算机视觉相关业务的基础技术之一。小样本目标检测(Few-Shot Object Detection)是指在部分类别样本数量较少(通常少于30个物体/类)的情况下进行的目标检测，由于存在另外的样本数量充足的类别，可以利用这些类别的信息帮助小样本条件下的学习。

目前，小样本目标检测技术方案较少，通常分为元学习和迁移学习两类。然而，这两类方法在实现小样本类别的目标检测时都牺牲了部分大样本类别性能，导致大样本性能的掉落，即遗忘效应，目标检测的准确性较低，并且元学习方法往往计算复杂度更高。

发明内容

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种目标检测方法、装置、电子设备及存储介质。

依据本发明实施例的第一方面，提供了一种目标检测方法，包括：

通过骨干网络提取待检测图像的图像特征；

通过偏差均衡区域生成网络RPN对所述图像特征进行处理，得到目标检测提议框；

根据所述图像特征和所述目标检测提议框，通过复合ROI检测网络确定多个初步目标检测结果；

根据所述多个初步目标检测结果，确定最终的目标检测结果。

依据本发明实施例的第二方面，提供了一种目标检测装置，包括：

特征提取模块，用于通过骨干网络提取待检测图像的图像特征；

提议框生成模块，用于通过偏差均衡RPN生成对图像特征进行处理，得到目标检测提议框；

初步结果确定模块，用于根据所述图像特征和所述目标检测提议框，通过复合ROI检测网络确定多个初步目标检测结果；

检测结果确定模块，用于根据所述多个初步目标检测结果，确定最终的目标检测结果。

依据本发明实施例的第三方面，提供了一种电子设备，包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如第一方面中所述的目标检测方法。

依据本发明实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的目标检测方法。

本发明实施例提供的目标检测方法、装置、电子设备及存储介质，通过骨干网络提取待检测图像的图像特征，通过偏差均衡RPN对图像特征进行处理，得到目标检测提议框，根据图像特征和目标检测提议框，通过复合ROI检测网络确定多个初步目标检测结果，根据多个初步目标检测结果，确定最终的目标检测结果，由于通过偏差均衡RPN来生成目标检测提议框，并通过复合ROI检测网络确定多个初步目标检测结果，在实现小样本类别的目标检测时没有牺牲大样本类别的性能，不会导致大样本性能的掉落，即没有产生遗忘效应，提高了目标检测的准确性，而且这是一种迁移学习的方式，相比元学习方式降低了计算复杂度。