[发明专利]目标检测方法、装置、电子设备及存储介质在审
| 申请号: | 202310275105.7 | 申请日: | 2023-03-20 |
| 公开(公告)号: | CN116129101A | 公开(公告)日: | 2023-05-16 |
| 发明(设计)人: | 陈子亮 | 申请(专利权)人: | 北京百度网讯科技有限公司 |
| 主分类号: | G06V10/22 | 分类号: | G06V10/22;G06V10/82 |
| 代理公司: | 北京市通商律师事务所 11951 | 代理人: | 许念如 |
| 地址: | 100085 北京市*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 目标 检测 方法 装置 电子设备 存储 介质 | ||
1.一种目标检测方法,包括:
获取待检测图像对应的第一特征图;
将所述第一特征图输入目标检测模型的编码器,并通过所述编码器根据所述第一特征图的坐标信息进行位置编码得到对应的第一位置向量;
将所述第一特征图和对应的所述第一位置向量依次输入所述编码器的每一级编码模块进行编码处理得到第二特征图和第二位置向量;
根据所述第二特征图和所述第二位置向量进行解码处理得到所述待检测图像的检测结果。
2.根据权利要求1所述的方法,其中,所述获取待检测图像对应的第一特征图包括:
获取所述待检测图像;
将所述待检测图像输入所述目标检测模型的卷积神经网络,通过所述卷积神经网络进行特征提取得到所述第一特征图。
3.根据权利要求2所述的方法,其中,所述通过所述卷积神经网络进行特征提取得到所述第一特征图包括:
所述卷积神经网络通过空洞卷积核或可变形卷积核进行特征提取得到所述第一特征图。
4.根据权利要求1-3中任意一项所述的方法,其中,所述将所述第一特征图和对应的所述第一位置向量依次输入所述编码器的每一级编码模块进行编码处理得到第二特征图和第二位置向量包括:
对输入的所述第一特征图进行编码处理得到所述第二特征图,并计算所述第一特征图经当前所述编码模块编码处理后产生的位置偏移;
根据所述位置偏移对所述第一位置向量进行调整得到所述第二位置向量。
5.根据权利要求4所述的方法,其中,所述对输入的所述第一特征图进行编码处理,并计算所述第一特征图经当前所述编码模块处理后产生的位置偏移包括:
通过全局注意力机制对输入的所述第一特征图进行编码处理,并计算所述第一特征图经当前所述编码模块处理后产生的所述位置偏移。
6.根据权利要求4或5所述的方法,其中,所述计算所述第一特征图经当前所述编码模块处理后产生的位置偏移包括:
通过每一级所述编码模块的全连接层计算所述第一特征图对应的所述位置偏移。
7.一种目标检测装置,包括:
获取模块,被配置为获取待检测图像对应的第一特征图;
编码模块,被配置为将所述第一特征图输入目标检测模型的编码器,并通过所述编码器根据所述第一特征图的坐标信息进行位置编码得到对应的第一位置向量;
所述编码模块将所述第一特征图和对应的所述第一位置向量依次输入所述编码器的每一级编码模块进行编码处理得到第二特征图和第二位置向量;
解码模块,被配置为根据所述第二特征图和所述第二位置向量进行解码处理得到所述待检测图像的检测结果。
8.根据权利要求7所述的装置,其中,所述获取模块包括:
图像获取单元,被配置为获取所述待检测图像;
特征提取单元,被配置为将所述待检测图像输入所述目标检测模型的卷积神经网络,通过所述卷积神经网络进行特征提取得到所述第一特征图。
9.根据权利要求8所述的装置,其中,所述卷积神经网络通过空洞卷积核或可变形卷积核进行特征提取得到所述第一特征图。
10.根据权利要求7-9中任意一项所述的装置,其中,所述编码模块包括:
特征编码单元,被配置为对输入的所述第一特征图进行编码处理得到所述第二特征图;
计算单元,被配置为计算所述特征图经当前所述编码模块编码处理后产生的位置偏移;
调整单元,被配置为根据所述位置偏移对所述第一位置向量进行调整得到所述第二位置向量。
11.根据权利要求9所述的装置,其中,所述计算单元通过全局注意力机制对输入的所述第一特征图进行编码处理,并计算所述第一特征图经当前所述编码模块处理后产生的所述位置偏移。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310275105.7/1.html,转载请声明来源钻瓜专利网。





