[发明专利]目标检测方法、装置、设备、存储介质和程序产品

说明书

本申请涉及一种目标检测方法、装置、设备、存储介质和程序产品。所述方法包括：将目标图像输入至特征提取网络中，其中，特征提取网络包括了级联的下采样网络、分层网络、注意力网络和特征融合网络，注意力网络包括多个注意力模块；然后，通过下采样网络对目标图像进行下采样特征提取处理，通过分层网络对下采样网络输出的特征图进行分层处理，通过多个注意力模块对分层网络输出的多个分层特征图进行特征提取，通过特征融合网络对多个注意力模块输出的多个特征图以及下采样网络输出的特征图进行融合处理，得到用于进行目标检测的目标特征图。采用本方法能够提高目标检测的准确率。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种目标检测方法、装置、设备、存储介质和程序产品。

背景技术

近年来，利用计算机图像处理技术对目标进行检测的研究越来越多，目标检测是计算机视觉研究中的热点和难点，目标检测要解决的问题主要有检测图像或者视频帧中是否存在待检测的目标以及检测目标在图像或者视频帧中的位置。

目前目标检测主要通过卷积网络来实现，对图像进行卷积处理可以提取出图像的大部分特征然后进行目标检测工作，但是这种方法存在对图像中特征提取不够全面的问题，因此导致目标检测准确率不高。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高准确率的目标检测方法、装置、设备、存储介质和程序产品。

第一方面，本申请提供了一种目标检测方法。该方法包括：

将目标图像输入至特征提取网络中，特征提取网络包括级联的下采样网络、分层网络、注意力网络和特征融合网络，注意力网络包括多个注意力模块；通过下采样网络对目标图像进行下采样特征提取，通过分层网络对下采样网络输出的特征图进行分层处理，通过多个注意力模块对分层网络输出的多个分层特征图进行特征提取，通过特征融合网络对多个注意力模块输出的多个特征图以及下采样网络输出的特征图进行融合处理，得到目标特征图，目标特征图用于进行目标检测。

在其中一个实施例中，多个注意力模块与多个分层特征图一一对应，通过多个注意力模块对分层网络输出的多个分层特征图进行特征提取，包括：将各分层特征图输入至对应的注意力模块中；通过各注意力模块对输入的分层特征图分别进行特征提取。

在其中一个实施例中，注意力模块包括级联的第一提取子网络、第二提取子网络和第三提取子网络，通过各注意力模块对输入的分层特征图分别进行特征提取，包括：对于各注意力模块，通过第一提取子网络对输入的分层特征图进行特征提取，通过第二提取子网络中的第一特征提取分支和第二特征提取分支分别对第一提取子网络输出的特征图进行特征提取，得到两个候选特征图，并通过第二提取子网络对两个候选特征图进行融合处理，通过第三提取子网络对第二提取子网络输出的特征图进行特征提取。

在其中一个实施例中，第一提取子网络包括两个非对称的第一卷积层以及第一融合层，通过第一提取子网络对输入的分层特征图进行特征提取，包括：通过两个第一卷积层对分层特征图分别进行特征提取，通过第一融合层对两个第一卷积层输出的特征图进行融合处理。

在其中一个实施例中，第一特征提取分支包括第二卷积层，第二特征提取分支包括第二卷积层以及级联的全局池化层、第一全连接层、激活函数层以及第二全连接层。

在其中一个实施例中，第三提取子网络包括两个非对称的第三卷积层以及第二融合层，通过第三提取子网络对第二提取子网络输出的特征图进行特征提取，包括：通过两个第三卷积层对第二提取子网络输出的特征图分别进行特征提取，通过第二融合层对两个第三卷积层输出的特征图进行融合处理。

在其中一个实施例中，注意力模块还包括参数标准化子网络，通过第三提取子网络对第二提取子网络输出的特征图进行特征提取之后，该方法还包括：通过参数标准化子网络对第三提取子网络输出的特征图进行参数标准化处理。