[发明专利]目标检测方法、装置、电子设备及存储介质

权利要求书

1.一种目标检测方法，其特征在于，所述方法包括：

对待检测图像进行特征提取，得到多尺度特征图；

将所述多尺度特征图输入训练好的目标检测网络，得到第一子特征图及第二子特征图；其中，所述第一子特征图用于表征所述待检测图像的中心区域特征，所述第一子特征图为目标检测框外接矩形的中心区域预测图；所述第二子特征图用于表征所述待检测图像的边框区域特征，所述第二子特征图为标识目标检测框外接矩形的最大外接多边形最大组合点的预测图；

在所述训练好的目标检测网络中，将所述第一子特征图及所述第二子特征图采用基于中心区域预测的回归方式进行预测的过程中，所述训练好的目标检测网络中包括检测子网络的情况下，将所述第一子特征图及所述第二子特征图输入所述检测子网络；在所述检测子网络中，将所述第一子特征图中的每个像素点进行极值回归并映射到所述第二子特征图中，得到所述第一子特征图中的像素点在所述第二子特征图中对应的边框区域预测点，根据所述边框区域预测点得到多个候选检测框；通过所述检测子网络输出所述多个候选检测框；

根据所述多个候选检测框，得到目标检测框。

2.根据权利要求1所述的方法，其特征在于，所述根据所述多个候选检测框，得到目标检测框，包括：

对所述多个候选检测框执行非极大值抑制NMS处理，得到目标检测框。

3.根据权利要求1所述的方法，其特征在于，所述对待检测图像进行特征提取，得到多尺度特征图，包括：

将所述待检测图像输入特征提取网络，根据所述特征提取网络对所述待检测图像进行特征提取，得到所述多尺度特征图；

其中，所述多尺度特征图包括：图片尺寸不同且特征含义相同的多个特征图。

4.根据权利要求3所述的方法，其特征在于，所述将所述多尺度特征图输入训练好的目标检测网络，得到第一子特征图及第二子特征图，包括：

所述训练好的目标检测网络中包括分类子网络的情况下，将所述多个特征图输入所述分类子网络；

所述多个特征图中的每个特征图经所述分类子网络第一分支上的第一卷积操作，得到中心区域特征图，并作为所述第一子特征图；

所述多个特征图中的每个特征图经所述分类子网络第二分支上的第二卷积操作，得到边框区域特征图，并作为所述第二子特征图；

将所述第一子特征图及所述第二子特征图作为对应每个特征图的一组数据，所述多个特征图分别对应所述第一子特征图及所述第二子特征图构成的多组数据。

5.根据权利要求4所述的方法，其特征在于，所述根据所述边框区域预测点得到多个候选检测框，包括：

将所述边框区域预测点由极坐标系转换为笛卡尔坐标系，得到笛卡尔坐标系下的边框区域预测点；

根据所述笛卡尔坐标系下的边框区域预测点，得到所述多个候选检测框。

6.根据权利要求1-5中任一项所述的方法，其特征在于，还包括：

获取对样本图像进行特征提取后得到的多尺度特征图；

获取对所述样本图像进行图像尺寸缩放及人工标注后得到的标注数据，所述图像尺寸缩放与所述多尺度特征图的尺寸相同；

将所述多尺度特征图及所述标注数据构成样本数据，根据所述样本数据对目标检测网络进行训练，得到所述训练好的目标检测网络。

7.根据权利要求6所述的方法，其特征在于，所述根据所述样本数据对目标检测网络进行训练，得到所述训练好的目标检测网络，包括：

根据所述多尺度特征图，生成第一样本子特征图及第二样本子特征图；

从所述标注数据中，分别提取对应第一样本子特征图的第一标注数据、及对应第二样本子特征图的第二标注数据；

根据所述第一样本子特征图及所述第一标注数据计算损失，得到第一损失函数；

根据所述第二样本子特征图及所述第二标注数据计算损失，得到第二损失函数；

根据所述第一损失函数及所述第二损失函数，得到目标损失函数，根据所述目标损失函数的反向传播对目标检测网络进行训练，以得到所述训练好的目标检测网络。