[发明专利]临边目标检测方法、装置、终端及介质

权利要求书

1.一种临边目标检测方法，其特征在于，包括：

S11：采集待检测区域的图像；

S12：将图像输入至特征提取网络内，作为骨干网络，提取图像的深度特征；

S13：将所述S12得到的所述图像的深度特征输入至区域生成网络模块内，得到目标候选框；

S14：将所述S13得到的所述目标候选框，以及所述S12中的所述图像的深度特征一同输入到区域特征提取模块内，获取临边候选区域的公共特征；

S15：将所述S14得到的所述公共特征输送至高度差预测模块，得到边缘高度特征图；

S16：将所述S14得到的所述公共特征输送至第一分类与回归模块，获取分类特征图；

S17：将所述S15得到的所述边缘高度特征图与所述S16得到的所述分类特征图进行融合，随后再将融合后的特征图送入第二分类与回归模块，得到目标检出框。

2.根据权利要求1所述的临边目标检测方法，其特征在于，所述S15中的高度差预测模块的构建方法为：

S21：基于卷积神经网络构建一分支模块，作为所述高度差预测模块。

3.根据权利要求2所述的临边目标检测方法，其特征在于，所述21具体包括：将所述S14中的所述公共特征通过卷积操作进行卷积操作进行降维，得到大小为7×7×256的输出特征图，作为所述高度差预测模块的输出。

4.根据权利要求3所述的临边目标检测方法，其特征在于，所述S15还包括为所述高度差预测模块提供监督信息，包括：

S41：收集大量包含待检测临边的图像，构建训练数据集，对训练数据集进行标注，标注出所有边缘区域所对应的位置、边缘高度差类型以及是否为临边；

S42：将所述S21中的所述输出特征图经过两层1024维的全连接层，获取聚合后的1024维特征向量；

S43：将所述S42得到的所述1024维特征向量，送入大小为3的全连接层并将结果进行softmax操作，获取当前区域的高度类型概率；

S44：对所述高度差预测模块进行训练，训练时将标注的边缘高度差类型作为边缘高度特征图的监督信息，并且通过损失函数计算高度差预测模块的Loss，记为Loss_h。

5.根据权利要求4所述的临边目标检测方法，其特征在于，所述S41中的训练数据集的标注方法为：使用旋转矩形框进行标注，具体的标注准则包括：

包围完整：矩形框能够完整将整个临边区域包含在内；

与边平行：矩形框能够通过旋转使临边位于矩形框中心，且矩形框至少有一对边界与临边保持平行；

面积适当：矩形框的四条边缘与临边保持预设距离，同时矩形框包含形成临边的两个面的预设大小部分；

框选精准：如果第一次框选时未能满足上述要求，通过拖、拉矩形框的相应边缘或旋转矩形框，进行微调，使其满足上述要求。

6.根据权利要求4所述的临边目标检测方法，其特征在于，所述S16中的所述第一分类与回归模块包括：

分类网络，用于将所述目标候选框对应的加权特征图进行分类，输出其具体类别；

回归网络，用于对所述目标候选框的位置进行精细调整；

所述分类网络以及所述回归网络在训练时会分别得到一个Loss，将这两个Loss与所述S15中的所述的高度差预测模块的Loss_h相加，作为整个网络的总Loss，从而实现端到端的训练。

7.一种临边目标检测装置，其特征在于，包括：图像采集模块以及检测模块；其中，

所述图像采集模块被配置为能够对所要检测的目标进行抓拍，获取预设场景下包含待检测目标的图像或视频；

所述检测模块被配置为能够采用如权利要求1-6任一项所述的临边目标检测方法，对所述图像采集模块采集的图像或视频进行检测，得到检测结果。