[发明专利]用于自动驾驶的目标检测方法、装置及设备

说明书

本申请涉及一种用于自动驾驶的目标检测方法、装置及设备。该方法包括：获取待检测图像；将所述待检测图像输入至预设目标检测模型中，得到所述预设目标检测模型输出的检测结果；利用预设目标分类模型，对所述检测结果中的小目标物体所在的图像区域进行分类，得到所述小目标物体的分类结果；利用所述分类结果，对所述检测结果中所述小目标物体的类别信息进行校正，得到经所述分类结果校正后的所述检测结果。本申请提供的方案，能够提升对图像中小目标物体的识别正确率。

技术领域

本申请涉及导航技术领域，尤其涉及一种用于自动驾驶的目标检测方法、装置及设备。

背景技术

中国专利CN112288031A，公开了一种交通信号灯检测方法、装置、电子设备和存储介质，通过交通信号灯检测模型对获取到的待检测图像进行卷积处理，从而获取所述待检测图像中包括的交通信号灯的候选区域；再通过交通信号灯分类模型对候选区域进行分类运算，最终获得所述待检测图像中包括的交通信号灯的类别。本申请在进行交通信号灯的类别检测时，仅需要对预先检测到的候选区域进行分类运算，而不是对整个图像进行分类运算，在无需对模型尺寸进行压缩的前提下，提高交通信号灯类别检测的速度和效率，降低了检测过程中需要占用的内存，同时也保证了交通信号灯检测结果的准确度。

中国专利CN111160206A，公开了一种交通环境元素视觉感知方法及装置，其中，该装置包括：图像处理模块、多任务网络、小目标图像提取模块、小目标分类网络；图像处理模块用于获取交通环境的原始图像，将原始图像进行降分辨率处理得到交通环境图像；多任务网络用于根据交通环境图像获取目标对象在交通环境图像中的定位结果及交通环境图像中的交通环境元素的预测结果，交通环境元素不包含目标对象；小目标图像提取模块用于根据定位结果提取原始图像中与定位结果相对应的目标图像；小目标分类网络用于根据目标图像获取目标对象的分类结果。该装置不仅可以获取多种交通环境元素的预测结果，且可以通过更小的计算量，更快的得到在图像中占比较小的目标图像的分类结果。

中国专利CN113516082A，公开了一种安全帽的检测方法、装置、计算机设备及存储介质，该方法包括：获取包括至少一个检测对象的目标检测图像；将目标检测图像输入至预先训练的检测模型中，并获取检测模型输出的，在目标检测图像中检测得到的至少一个检测对象的头部所在区域；根据检测模型输出的检测结果，在目标检测图像中分别截取各检测对象的头部区域图像；将各检测对象的头部区域图像分别输入至分类模型中，并获取分类模型输出的各检测对象是否佩戴安全帽，或者是否佩戴设定颜色的安全帽的分类结果。本发明实施例的技术方案可以有效提高安全帽的检测精度，在保证安全帽检测精度的基础上，同时可以提高对每个独立模型的训练和优化速度。

中国专利CN111783590A，公开了一种基于度量学习的多类别小目标检测方法，本发明针对多类别小目标的识别特点，将深度学习的特征表达能力与度量学习的相似性判别能力相结合，设计了新型深度神经网络结构。其特点是采用结合特征金字塔网络(FeaturePyramid Network，FPN)的Faster RCNN网络结构基于整张图像数据对多类别小目标进行检测，并在该网络中嵌入图网络模块对图像内各区域间的相似度信息进行传递计算，在该网络后端采用基于三元组损失的相似性度量模块区分样本间的细节信息，充分提取小目标特征信息及其目标间的相似性关系，提高对多类别小目标检测的准确率。

目标检测是计算机视觉领域的传统任务，与图像识别不同，目标检测不仅需要识别出图像上存在的物体，给出对应的类别，还需要将该物体的位置通过最小包围框的方式给出。目标检测任务可以通过目标检测模型(例如YOLO模型、Faster R-CNN模型、SSD模型等)完成，目标检测模型可以对输入图像进行检测，从而识别出图像中目标物体的位置以及类别。在导航技术领域，目标检测技术已得到广泛运用，为汽车自动驾驶功能的实现提供了技术支持。

然而，对于待检测的图像中的小目标物体而言，小目标物体的信息较少，且相对于图像的全局信息来说占比很小，例如远距离的黄灯和红灯等结构相似的小目标物体，目标检测模型难以正确识别出这类小目标物体的类别。

发明内容