[发明专利]用于目标检测的区域提取处理方法及相关产品

说明书

提供了一种目标检测的提取处理方法及相关产品，该方法包括：根据所有提取的分数的统计特性，确定分数阈值；从所有提取中选择分数高于分数阈值的提取；对所选择的提取进行抑制，以得到具有高分数的所有非重叠提取，这样降低了选择提取的时间复杂度，提高了用于抑制的提取的选择效率，从而提高了提取处理效率和目标检测效率。

技术领域

本公开涉及目标检测技术领域，尤其涉及一种目标检测的提取处理方法及相关产品。

背景技术

区域提取方法和基于区域的卷积神经网络(region-based convolutionalneural network，R-CNN)的成功推动了目标检测的最新进展，R-CNN演变为快速R-CNN，并进一步演变为faster R-CNN。faster R-CNN目标检测系统由两个模块组成，一个模块是深度全卷积网络，其通过引入区域提取网络(region proposal network，RPN)来提取区域，第二个模块是使用提取区域的快速R-CNN检测器。

在faster R-CNN中，将图像输入卷积神经网络(convolutional neural network，CNN)得到该图像的特征图，并且RPN进一步利用该特征图生成一系列矩形区域提取。RPN生成的区域提取经常在同一个目标上重叠，并且为了找到所有具有高分(分数阈值)的非重叠(交并比(intersection over union ratio，IoU))提取，一种叫做非极大值抑制(non-maximum suppression，NMS)的算法用于目标检测神经网络，其中分数是检测是目标的概率，并且阈值是任何检测被视为包含目标的最小概率值。在目前的技术中，使用NMS查找所有非重叠提取的方法，通常包括两个步骤：根据它们的分数对所有提取进行排序，并从得分最高的框开始，不断去除分数较低的框和与得分较高的重叠高的框，这是耗时的，不适合那些对实时性能要求较高的环境。

提供该背景信息是为了揭示申请人认为可能与本公开相关的信息。不一定要承认也不应解释为任何前述信息构成针对本公开的现有技术。

发明内容

有鉴于此，为了克服上述问题，本公开提供了一种提取处理方法及相关产品。

前述和其他目的由独立权利要求的主题实现。从从属权利要求、说明书和附图，进一步的实施方式是显而易见的。

本公开的第一方面涉及一种提取处理方法，包括：

根据所有提取的分数的统计特性确定分数阈值；

从所有分数中选择分数高于分数阈值的提取；和

对所选择的提取进行抑制以得到具有高分数的所有非重叠提取。

本公开的第二方面涉及一种提取处理装置，包括：

存储器，配置为存储程序指令，和

处理器，配置为执行存储在存储器中的程序指令，以执行：

根据所有提取的分数的统计特性确定分数阈值；

从所有分数中选择分数高于分数阈值的提取；和

对所选择的提取进行抑制以得到具有高分数的所有非重叠提取。

本公开的第三方面涉及一种片上系统，包括：

存储器，配置为存储程序指令；和

处理器，配置为执行所述程序指令以执行：

根据所有提取的分数的统计特性确定分数阈值；

从所有提取中选择分数高于分数阈值的提取；和

对所选择的所述提取进行抑制以得到具有高分数的所有非重叠提取。

本公开的第四方面涉及一种目标检测系统，包括：