[发明专利]物体检测装置及方法、终端设备

说明书

本发明实施例提供一种物体检测装置及方法、终端设备，由于用于特征提取的混洗单元中的所有卷积层的输入通道和输出通道的数量相同，不需要进行特征的扩展和压缩，从而降低了对处理器的内存和性能要求并提高了处理速度，另外，该混洗单元具有至少一个深度可分离卷积层，大大降低了FLOPs等对于处理器的内存和性能要求，同时，相比于Yolo‑Darknet53等网络，其对处理器的要求大大降低而识别精度几乎相同，因此，提供了一种轻量化、处理速度快且识别精度较高的检测方法，从而能够应用于内存和性能有限的终端设备上，并获得较好的识别效果。

技术领域

本发明涉及信息技术领域。

背景技术

近年来，在深度学习的帮助下，计算机视觉领域的研究取得了很大的进步。深度学习是指在分层神经网络上运用各种机器学习算法解决图像、文本等各种问题的算法集合。深度学习的核心是特征学习，旨在通过分层神经网络获取分层次的特征信息，从而解决以往需要人工设计特征的重要难题。

目前，出现了一些较为流行的深度学习方法，例如，Yolo网络是一种有发展前景的用于目标识别和检测的深度学习方法。例如，具有darknet53作为骨干网络结构的Yolo-Darknet53网络，由于其具有多尺度的目标检测和更好的分类器，因此其相比于单级(single stage)的方法具有更快的处理速度和更高的识别精度，其中，darknet53结构用于进行特征的提取。

应该注意，上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明，并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。

发明内容

但是，例如Yolo-Darknet53网络等识别精度较高的神经网络，其很宽且很深的层使得这些网络对于处理器的内存和处理速度具有较高的要求，例如，Yolo-Darknet53网络要求的每秒执行的运算次数(FLOPs，FLoating point Operations Per Second)为739.8M，在中央处理器(CPU，Central Processing Unit)上的处理速度为每帧1375.8ms，在图形处理器(GPU，Graphics Processing Unit)上的处理速度为每帧37.0ms。而对于某些终端设备，例如，车载设备，其只能满足100M左右的FLOPs。因此，当前的这些识别精度较高的神经网络无法应用于某些移动设备上。

本发明实施例提供一种物体检测装置及方法、终端设备，由于用于特征提取的混洗单元中的所有卷积层的输入通道和输出通道的数量相同，不需要进行特征的扩展和压缩，从而降低了对处理器的内存和性能要求并提高了处理速度，另外，该混洗单元具有至少一个深度可分离卷积层，大大降低了FLOPs等对于处理器的内存和性能要求，同时，相比于Yolo-Darknet53等网络，其对处理器的要求大大降低而识别精度几乎相同，因此，提供了一种轻量化、处理速度快且识别精度较高的检测方法，从而能够应用于内存和性能有限的终端设备上，并获得较好的识别效果。

根据本发明实施例的第一方面，提供一种物体检测装置，所述装置包括：特征提取单元，其用于提取输入图像中的特征；以及检测单元，其用于根据所述特征提取单元提取出的特征，对所述输入图像中的物体进行检测，其中，所述特征提取单元包括至少一个混洗单元，所述混洗单元包括多个卷积层，所述多个卷积层中的各个卷积层的输入通道和输出通道的数量相同，所述多个卷积层包括至少一个深度可分离卷积层。

根据本发明实施例的第二方面，提供一种终端设备，所述终端设备包括根据本发明实施例的第一方面所述的装置。