[发明专利]目标检测方法、装置、计算机设备和存储介质

权利要求书

1.一种目标检测方法，所述方法包括：

获取待检测图像；

采用预先训练的目标检测模型对所述待检测图像进行目标检测，得到所述待检测图像对应的目标检测结果；所述目标检测模型为在低秩网络模型中增加抑制信号后构建的模型；

所述低秩网络模型的训练过程，包括：

获取第二样本图像；

对所述第二样本图像进行下采样，得到各下采样图像层，提取各所述下采样图像层的下采样图像特征，并建立各所述下采样图像层之间的特征映射关系；

对所述第二样本图像进行上采样，得到各上采样图像层，并根据所述特征映射关系，提取各所述上采样图像层的上采样图像特征；

基于所述下采样图像特征与所述上采样图像特征，分别得到各所述下采样图像层和各所述上采样图像层对应的子拟合形状；

融合各所述子拟合形状，得到所述第二样本图像对应的第二拟合形状；

当基于所述第二拟合形状确定未达到模型训练结束条件时，在所述第二拟合形状为首次对所述第二样本图像进行图像检测得到的形状时，基于所述第二样本图像和所述第二拟合形状构建全局回归映射矩阵，并将所述全局回归映射矩阵作为待训练网络模型的约束条件，将所述第二拟合形状作为约束后第二拟合形状；在所述第二拟合形状为非首次对所述第二样本图像进行图像检测得到的形状时，基于约束条件为所述全局回归映射矩阵的待训练网络模型，对所述第二拟合形状进行低秩约束，得到约束后第二拟合形状；

将约束后第二拟合形状作为新的第二样本图像，返回采用待训练网络模型对第二样本图像进行图像检测的步骤，直至达到所述模型训练结束条件，得到低秩网络模型；

所述目标检测模型的训练过程，包括：

获取第一样本图像；

获取初始检测模型，所述初始检测模型为在低秩网络模型中增加初始抑制信号后获得的模型；

采用所述初始检测模型对所述第一样本图像进行图像检测，得到第一拟合形状；

在基于所述第一拟合形状确定未达到拟合结束条件时，调整所述初始检测模型中的初始抑制信号的强度，返回所述采用所述初始检测模型对第一样本图像进行图像检测的步骤，直至达到所述拟合结束条件，得到目标检测模型。

2.根据权利要求1所述的目标检测方法，其特征在于，所述待检测图像是指图像中包含小目标，需要对小目标进行目标检测的图像。

3.根据权利要求2所述的目标检测方法，其特征在于，所述小目标的定义方式包括相对尺寸与绝对尺寸两种定义方式；

所述相对尺寸的定义方式为：所述小目标的尺寸大小占原始图像尺寸大小的0.12％；

所述绝对尺寸的定义方式为：所述小目标的像素大小小于或等于32像素×32像素。

4.根据权利要求1所述的目标检测方法，其特征在于，所述基于所述第二样本图像和所述第二拟合形状构建全局回归映射矩阵，包括：

计算所述第二样本图像中预先标定的真实形状，与所述第二拟合形状之间的形状增量；

根据各所述形状增量，构建所述第二样本图像与所述第二拟合形状之间的全局回归映射矩阵。

5.根据权利要求1所述的目标检测方法，其特征在于，所述调整所述初始检测模型中的初始抑制信号的强度，包括：

计算所述第一样本图像与所述第一拟合形状之间的形状误差；

基于所述形状误差，调整所述初始检测模型中的初始抑制信号的强度。