[发明专利]目标检测与目标检测模型的训练方法、装置

权利要求书

1.一种目标检测方法，包括：

获取待处理图像；

使用与预设方向对应的非中心化卷积核，从所述待处理图像中提取图像特征；

根据所述图像特征，得到所述待处理图像的目标检测结果。

2.根据权利要求1所述的方法，其中，所述使用与预设方向对应的非中心化卷积核，从所述待处理图像中提取图像特征包括：

根据所述待处理图像的属性信息，确定预设方向；

使用与预设方向对应的非中心化卷积核，从所述待处理图像中提取图像特征。

3.根据权利要1-2中任一项所述的方法，其中，所述使用与预设方向对应的非中心化卷积核，从所述待处理图像中提取图像特征包括：

分别使用与预设方向对应的非中心化卷积核，对所述待处理图像进行卷积处理；

根据对应每个预设方向的卷积结果，得到所述待处理图像的图像特征。

4.根据权利要求3所述的方法，其中，所述根据对应每个预设方向的卷积结果，得到所述待处理图像的图像特征包括：

根据所述待处理图像，获取对应每个预设方向的权重值；

根据对应每个预设方向的卷积结果与权重值，得到所述待处理图像的图像特征。

5.根据权利要求1所述的方法，其中，所述使用与预设方向对应的非中心化卷积核，从所述待处理图像中提取图像特征包括：

将所述待处理图像输入目标检测模型；

由所述目标检测模型中的特征提取网络对所述待处理图像进行处理，以输出所述待处理图像的图像特征。

6.根据权利要求1-5中任一项所述的方法，其中，所述根据所述图像特征，得到所述待处理图像的目标检测结果包括：

将所述图像特征输入目标检测模型；

由所述目标检测模型中的输出网络对所述图像特征进行处理，以输出所述待处理图像的目标检测结果。

7.一种目标检测模型的训练方法，包括：

获取训练集，所述训练集中包含多张样本图像与多张样本图像的目标标注结果；

构建包含输入网络、特征提取网络与输出网络的神经网络模型，所述输入网络用于将样本图像输入所述特征提取网络，所述特征提取网络包含至少一个目标特征提取层，所述至少一个目标特征提取层用于根据前一层输出的图像特征、以及与预设方向对应的非中心化卷积核，得到图像特征，所述输出网络用于根据所述特征提取网络输出的图像特征，得到样本图像的目标预测结果；

使用所述多张样本图像与多张样本图像的目标标注结果训练所述神经网络模型，以调整所述神经网络模型中各网络的参数、以及所述与预设方向对应的非中心化卷积核的参数，得到目标检测模型。

8.根据权利要求7所述的方法，其中，所述至少一个目标特征提取层根据前一层输出的图像特征、以及与预设方向对应的非中心化卷积核，得到图像特征包括：

根据前一层输出的图像特征，得到第一图像特征；

分别使用与预设方向对应的非中心化卷积核，对所述第一图像特征进行卷积处理；

根据对应每个预设方向的卷积结果，得到所述图像特征。

9.根据权利要求8所述的方法，其中，所述根据对应每个预设方向的卷积结果，得到所述图像特征包括：

根据所述第一图像特征，获取对应每个预设方向的权重值；

根据对应每个预设方向的卷积结果与权重值，得到所述图像特征。

10.根据权利要求9所述的方法，其中，所述根据对应每个预设方向的卷积结果与权重值，得到所述图像特征包括：

将对应每个预设方向的权重值进行正则化处理，得到对应每个预设方向的权重值正则化结果；

根据对应每个预设方向的卷积结果与权重值正则化结果，得到所述图像特征。