[发明专利]目标检测方法、装置、设备和存储介质

说明书

本申请提供一种目标检测方法、装置、计算机设备和存储介质，包括：获取特征提取深度依次递增的第一初始特征图、第二初始特征图和第三初始特征图；第二初始特征图和第三初始特征图进行相加再和第一初始特征图进行拼接，得到的特征图分别与第一初始特征图相加，与第三初始特征图拼接；然后三个深度上的特征图会与最初的初始特征图融合，再经过自下而上的路径相互融合，特征流动方向多样，为目标检测模块提供携带丰富融合特征的第一目标特征图、第二目标特征图和第三目标特征图，提升目标检测精度。

技术领域

本申请涉及计算机视觉技术领域，特别是涉及一种目标检测方法、装置、计算机设备和存储介质。

背景技术

依靠计算机视觉领域中的目标检测技术可以监测输电线路通道场景中是否存在外破危险物，是一种防范外力破坏事故有效的手段。近年随着深度学习技术的快速发展，利用神经网络进行目标检测的方式相较于传统定制特征的方式，在检测精度上有着非常高的提升，并且花费的时间和精力成本也更低。

目前目标检测神经网络包括特征提取模块和目标检测模块；目标检测模块基于特征提取模块输出的特征图进行目标检测。为了提高目标检测精度，通常会对特征提取模块输出的特征图进行多尺度融合处理(即不同特征提取深度的特征融合处理)，然后在将多尺度融合处理的特征图输入至目标检测模块，FPN(特征金字塔)就是多尺度融合处理的典型网络模块。但是，传统的FPN在进行多尺度融合处理时，特征流动方向较单一，难以提供更丰富的融合特征，无法进一步提升多尺度融合效果。

发明内容

基于此，有必要针对上述技术问题，提供一种目标检测方法、装置、计算机设备和存储介质。

一种目标检测方法，所述方法包括：

获取特征提取模块对待检测图像进行特征提取后输出的第一初始特征图、第二初始特征图和第三初始特征图；所述第一初始特征图、所述第二初始特征图和所述第三初始特征图对应的特征提取深度依次递增；

对所述第二初始特征图和第三初始特征图相加得到第一中间特征图，并将所述第一中间特征图与所述第一初始特征图进行拼接，得到第二中间特征图；

将所述第二中间特征图和第一初始特征图相加得到的第三中间特征图与所述第一初始特征图进行拼接，得到第一目标特征图；

将所述第二中间特征图、第二初始特征图和第一目标特征图相加，得到第二目标特征图；

将对所述第二中间特征图与第三初始特征图进行拼接得到的第四中间特征图与所述第三初始特征图、第二目标特征图、第一目标特征图进行融合，得到第三目标特征图；

将所述第一目标特征图、第二目标特征图和第三目标特征图输入目标检测模块中，以检测所述待检测图像中的目标。

在其中一个实施例中，所述对所述第二初始特征图和第三初始特征图相加得到第一中间特征图，包括：

为所述第二初始特征图赋予第一权重，并为所述第三初始特征图赋予第二权重；

对赋予权重后的第二初始特征图和第三初始特征图进行相加得到第五中间特征图，并为所述第五中间特征图赋予第三权重；所述第三权重是所述第一权重和所述第二权重的和值的倒数；

利用卷积核对赋予权重后的第五中间特征图进行特征提取，得到所述第一中间特征图。

在其中一个实施例中，在为所述第二初始特征图赋予第一权重，并为所述第三初始特征图赋予第二权重之前，所述方法还包括：

对所述第一权重和所述第二权重进行归一化处理。

在其中一个实施例中，在对所述第一权重和所述第二权重进行归一化处理之前，所述方法还包括：

利用线性整流函数对所述第一权重和/或所述第二权重进行处理，以使第一权重和/或第二权重大于或等于0。