[发明专利]目标检测方法及应用其的城市违规事件监测方法

说明书

本申请提出了一种目标检测方法，包括：获取待检测图像；将待检测图像输入主干网络以获取不同尺度的初级特征图，并将所有初级特征图输入颈部网络以获取不同尺度的聚合特征图；将所有聚合特征图输入解耦预测网络以获取预测结果，其中，解耦预测网络包括并行的不同深度的预测层，每一预测层对聚合特征图进行卷积，将卷积输出的结果分别输入目标分类分支、目标置信度分支以及边框回归分支得到对应每一分支的特征图，堆叠各个分支输出的特征图得到三维特征图，将三维特征图进行特征重塑得到预测特征子图，堆叠各个预测层输出的预测特征子图后进行向量转置得到预测特征图，根据预测特征图输出预测结果。该方法采用解耦预测网络提高目标检测精度。

技术领域

本申请涉及目标检测领域，特别是涉及一种目标检测方法及应用其的城市违规事件监测方法。

背景技术

智慧城市管理有很多方面需要应用目标检测，例如路面垃圾、出店经营、流动经营、违章停车等问题，目标检测在城市管理有着非常重要的作用。基于深度学习的静态图像目标检测算法主要是从R-CNN检测器发展而来的，该检测器从无监督算法生成的目标候选框发展而来，并使用卷积神经网络对其进行分类。该模型是尺度不变的，但是R-CNN的训练和推理的计算成本与候选框数量成线性关系。为了缓解这一计算瓶颈，Faster-RCNN开始提出设置锚框，这样网络对于学习的对象更加具有针对性，采用RPN(区域候选网络)网络来提取候选框，在COCO数据集是mAP达到了27.2％。之后在单阶段目标检测中，以YOLO和SSD算法为代表的目标检测方法通过采用特征金字塔网络结构，利用浅层特征预测小目标，深层特征预测大目标，其中Joseph Redmon的YOLOv3将mAP达到了33％，Zhang的RefineDet更是达到了41.8％。在视频目标检测领域，Dai等人Deep Feature Flow在非关键视频帧上使用FlowNet网络估计光流，通过关键帧提取的特征做双线性warp的形式得到非关键帧的特征图。Wang等人引入了一个Temporal CNN对每一个Tubelet进行rescore，这样通过Temporal的信息来重新评估每个proposal的置信度。zhu等人的THP-VID提出稀疏递归特征聚合、时间自适应的关键帧选取方法在ImageNet VID视频检测数据集上达到78.6％mAP。进入2019年Anchor Free方法颇有点井喷的感觉，Anchor的本质是候选框，其主要的思路大都起源于2015年的DensBox和2016年的UnitBox。其中分为基于关键点的CornerNet、CenterNet、ExtremeNet^[16]，和密集预测的FSAF、FCOS、FoveaBox。这些算法在目标检测方向都表现不错。2020年神经架构搜索已经成为最近深度学习算法的热点。2021年开创性地将Transformer模型跨领域地引用到了计算机视觉任务中，并取得了不错地成果。这也被许多AI学者认为是开创了CV领域的新时代，甚至可能完全取代传统的卷积操作。

虽然许多研究人员在目标检测领域的研究都取得了一定的进展，然而考虑到目标检测算法适用的具体应用场景的不同，目前现存的目标检测算法在一些特殊的应用场景中依旧存在较大的局限性。

例如，现存的目标检测模型中的非解耦头部预测网络提取的特征由于几何图像的变化无法兼顾较小的局部特征，并且在提取大目标的特征时运算量大，以至于非解耦头部预测网络存在收敛速度小、预测精度差的问题。

另外，常规的在主干网络和颈部网络提取到的语义特征单一，以至于应用于小目标检测时的检测精度不稳定。

发明内容

本申请实施例提供了一种目标检测方法，包括以下步骤：

获取待检测图像；

将所述待检测图像输入主干网络以获取不同尺度的初级特征图，并将所有所述初级特征图输入颈部网络以获取不同尺度的聚合特征图；