[发明专利]目标检测方法、装置、计算机可读存储介质和计算机设备

说明书

本申请涉及一种目标检测方法、装置、计算机可读存储介质和计算机设备，所述方法包括：获取目标图像；通过检测模型的特征提取层对所述目标图像进行分组卷积和混洗处理，得到不同尺度的特征图，所述分组卷积为根据各组卷积核和各组输入通道的映射关系，将所述各组卷积核分别与对应的各组输入通道的特征图进行卷积处理；将所述不同尺度的特征图输入所述检测模型的检测层进行目标检测，得到所述目标图像中目标对象的信息。本申请提供的方案可以实现减少计算量并提高检测模型的运算速度。

技术领域

本申请涉及计算机技术领域，特别是涉及一种目标检测方法、装置、计算机可读存储介质和计算机设备。

背景技术

随着计算机技术的发展，出现了图像特征提取技术，图像特征提取是指通过计算机提取图像信息，决定每个图像的点是否属于一个图像特征。通过图像特征提取，可识别中图像中的关键信息，例如人脸识别、目标检测、图像分类等。传统的图像特征提取方法一般是通过卷积神经网络的卷积层提取图像特征，通过卷积核与特征通道进行卷积处理，输出图像的特征数据。

但是传统的卷积神经网络的卷积层中每个卷积核与所有特征通道相关联，存在计算量大、运算速度慢的问题。

发明内容

基于此，有必要针对传统特征提取方法计算量大的技术问题，提供一种计算量小的目标检测方法、装置、计算机可读存储介质和计算机设备。

一种目标检测方法，包括：

获取目标图像；

通过检测模型的特征提取层对所述目标图像进行分组卷积和混洗处理，得到不同尺度的特征图，所述分组卷积为根据各组卷积核和各组输入通道的映射关系，将所述各组卷积核分别与对应的各组输入通道的特征图进行卷积处理；

将所述不同尺度的特征图输入所述检测模型的检测层进行目标检测，得到所述目标图像中目标对象的信息。

一种检测模型训练方法，包括：

获取训练样本和所述训练样本对应的标签；

将所述训练样本输入待训练的检测模型中特征提取层的当前卷积层进行卷积处理，得到所述当前卷积层的下一层的各个输入通道分别对应的特征图；

当所述当前卷积层为目标卷积层时，获取所述目标卷积层的各组卷积核和各组输入通道之间的映射关系；

根据所述映射关系将所述目标卷积层的各组卷积核分别与对应的各组输入通道的特征图进行卷积处理，得到所述目标卷积层输出的各组特征图，其中，一组卷积核对应一组输入通道；

通过所述检测模型中特征提取层的混洗层对所述各组特征图进行混洗，得到不同尺度的特征图；

通过所述检测模型中的检测层对所述不同尺度的特征图进行目标检测，得到检测结果；

按照所述检测结果和所述标签的差异，调整所述检测模型的参数并继续训练，直至满足训练停止条件时结束训练。

一种目标检测装置，其特征在于，所述装置包括：

获取模块，用于获取目标图像；

特征提取模块，用于通过检测模型的特征提取层对所述目标图像进行分组卷积和混洗处理，得到不同尺度的特征图，所述分组卷积为根据各组卷积核和各组输入通道的映射关系，将所述各组卷积核分别与对应的各组输入通道的特征图进行卷积处理；

检测模块，用于将所述不同尺度的特征图输入所述检测模型的检测层进行目标检测，得到所述目标图像中目标对象的信息。

一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行任一项所述目标检测方法的步骤。