[发明专利]对象检测方法、装置、集成电路芯片、计算装置和板卡

权利要求书

1.一种对象检测方法，其中，所述对象检测方法包括：

获取待检测图像；

根据所述待检测图像获得与至少一个对象相关的对象特征；

根据所述对象特征，针对所述至少一个对象各自确定带有对象局部信息的对象检测结果。

2.根据权利要求1所述的对象检测方法，其中，根据所述待检测图像获得与所述至少一个对象相关的对象特征包括：

通过骨干网络从所述待检测图像中提取与所述至少一个对象相关的浅层特征；

通过特征融合网络对所述浅层特征进行融合，获得所述对象特征。

3.根据权利要求2所述的对象检测方法，其中，

通过骨干网络从所述待检测图像中提取与所述至少一个对象相关的不同尺度的多层浅层特征；

通过特征金字塔网络对所述多层浅层特征分别进行融合，获得多层对象特征。

4.根据权利要求3所述的对象检测方法，其中，所述骨干网络是残差网络。

5.根据权利要求4所述的对象检测方法，其中，根据所述对象特征，针对所述至少一个对象各自确定带有对象局部信息的对象检测结果包括：

根据所述对象特征，针对所述至少一个对象通过各自的分类回归网络获得带有所述对象局部信息的初步对象检测结果；

根据所述初步对象检测结果，通过非极大值抑制处理获得中间对象检测结果；

根据所述中间对象检测结果，确定带有所述对象局部信息的对象检测结果。

6.根据权利要求5所述的对象检测方法，其中，根据所述中间对象检测结果，确定带有所述对象局部信息的对象检测结果包括：

当所述中间对象检测结果中的所述对象的分类参数与所述对象局部的分类参数相乘大于预设阈值时，将所述中间对象检测结果作为带有所述对象局部信息的对象检测结果。

7.根据权利要求5所述的对象检测方法，其中，所述对象检测方法还包括：

对由所述残差网络、所述特征金字塔网络和所述分类回归网络构成的神经网络模型进行训练。

8.根据权利要求7所述的对象检测方法，其中，所述训练包括：

当针对一个对象进行检测时，使用带标签训练集中的针对所述一个对象的所有带标签训练数据对所述神经网络模型进行训练；

当针对多个对象进行检测时，使用带标签训练集中的针对所述多个对象的所有带标签训练数据对所述神经网络模型进行训练，并且使用带标签训练集中的针对每个对象的带标签训练数据分别对所述神经网络模型进行训练。

9.根据权利要求8所述的对象检测方法，其中，根据所述神经网络模型的对象预测结果和对应的带标签训练数据，通过分类损失函数和回归损失函数来确定所述神经网络模型的损失。

10.根据权利要求9所述的对象检测方法，其中，所述损失包括所有对象预测结果中的对象及对象局部的分类损失之和以及针对所有正样本的对象预测结果中的对象及对象局部的坐标损失之和。

11.根据权利要求10所述的对象检测方法，其中，所述分类损失函数包括FocalLoss函数，所述回归损失函数包括Iou Loss函数。

12.一种对象检测装置，其中，所述对象检测装置包括：

获取模块，其用于获取待检测图像；

特征提取模块，其用于根据所述待检测图像获得与至少一个对象相关的对象特征；

检测模块，其用于根据所述对象特征，针对所述至少一个对象确定带有对象局部信息的对象检测结果。

13.一种集成电路芯片，包括权利要求12所述的对象检测装置。

14.一种计算装置，包括根据权利要求12所述的对象检测装置或根据权利要求13所述的集成电路芯片。

15.一种板卡，包括根据权利要求14所述的计算装置。