[发明专利]目标检测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种目标检测方法、装置、计算机设备和存储介质。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待检测图像进行目标检测，得到待检测图像对应的目标检测结果；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。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，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；采用初始检测模型对第一样本图像进行图像检测，得到第一拟合形状；在基于第一拟合形状确定未达到拟合结束条件时，调整初始检测模型中的初始抑制信号的强度，直至达到拟合结束条件，得到目标检测模型。采用本申请实施例方法能够提高图像中的小目标的检测精度。

技术领域

本申请涉及机器学习技术领域，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

目标检测是计算机视觉领域的研究课题之一，主要包括目标识别和目标定位，被广泛应用在飞机序列识别、军事目标检测、机器人导航、人脸识别等领域。其中，占图像的几何面积很小的小目标往往价值更高。小目标是图像中特殊的对象，通常有两种定义方式，一种是相对尺寸的定义，即小目标的尺寸大小占原始图像尺寸大小的0.12％，另一种是绝对尺寸的定义，即小目标的像素大小不超过32像素*32像素。

由于图像中的小目标所占像素点少、特征表示能力弱、受噪声干扰较大等影响，现有的目标检测方法容易造成小目标的误检与漏检，尤其是在卷积神经网络中深层的特征较少甚至丢失，导致图像中的小目标的检测精度不高。

发明内容

基于此，有必要针对上述技术问题，提供一种能够有效提高图像中的小目标的检测精度的目标检测方法、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。

在其中一个实施例中，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。

在其中一个实施例中，所述低秩网络模型的训练过程，包括：

获取第二样本图像；

采用待训练网络模型对所述第二样本图像进行图像检测，得到所述第二样本图像对应的第二拟合形状；

在基于所述第二拟合形状确定未达到模型训练结束条件时，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，将所述约束后第二拟合形状作为新的第二样本图像，返回所述采用待训练网络模型对所述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。

在其中一个实施例中，所述采用待训练网络模型对所述第二样本图像进行图像检测，得到所述第二样本图像对应的第二拟合形状，包括：

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；