[发明专利]目标检测方法、系统及存内计算芯片

权利要求书

1.一种目标检测方法，其特征在于，所述方法应用于存内计算芯片，目标检测网络、消息通信神经网络、特征后处理神经网络均部署于所述存内计算芯片中，所述方法包括：

获取待检测图像；

将所述待检测图像输入至所述目标检测网络，得到所述目标检测网络输出的所述待检测图像中的第一锚点特征信息，其中，每一锚点对应一候选预测框；

将所述第一锚点特征信息输入至所述消息通信神经网络，以由所述消息通信神经网络对所述第一锚点特征信息进行卷积操作处理，得到第二锚点特征信息；

将所述第二锚点特征信息输入至所述特征后处理神经网络，得到多个锚点各自的目标置信度；

根据所述目标置信度，从多个候选预测框中确定目标框，并将所述目标框的信息发送至显示装置，以由所述显示装置对所述目标框进行显示。

2.根据权利要求1所述的方法，其特征在于，所述消息通信神经网络是通过如下方式训练得到的：

从训练数据集中获取训练图像；

将所述训练图像输入至所述目标检测网络，得到多个锚点各自的锚点特征信息，其中，多个锚点与多个预测框一一对应，锚点的锚点特征信息包括该锚点对应的预测框中包含训练目标的第一置信度、该锚点对应的预测框的中心点坐标、该锚点对应的预测框的宽度和高度；

将多个锚点各自的锚点特征信息输入至神经网络的卷积核中，以由所述卷积核提取每一锚点的局部特征关系，并计算锚点对应的预测框中包含训练目标的第二置信度；

根据所述第二置信度去除所述多个预测框中的冗余预测框并过滤掉无效预测框，得到训练预测框；

根据所述训练预测框中包含训练目标的第二置信度、所述训练预测框的中心点坐标、宽度和高度，以及所述训练图像的真实目标框中包含训练目标的真实置信度、所述真实目标框的中心点坐标、宽度和高度，计算损失值；

根据所述损失值对所述神经网络的卷积核进行迭代训练，在训练完成的情况下，得到所述特征提取神经网络。

3.根据权利要求1所述的方法，其特征在于，所述消息通信神经网络中包括Concatenate网络，所述消息通信神经网络用于通过如下方式得到第二锚点特征信息：

所述Concatenate网络将经过卷积处理的第一锚点特征信息与如下信息之一进行拼接：零矩阵、消息通信神经网络上一次输出的锚点特征信息，以扩大锚点特征的感受野；

将所述Concatenate网络输出的锚点特征信息进行卷积压缩，以得到所述第二锚点特征信息。

4.根据权利要求1-3中任一项所述的方法，其特征在于，所述消息通信神经网络为可学习NMS网络。

5.一种目标检测系统，其特征在于，所述系统部署于存内计算芯片，所述系统包括的目标检测网络、消息通信神经网络、特征后处理神经网络均部署于所述存内计算芯片中；

所述目标检测网络，用于对待检测图像进行处理，得到所述待检测图像中的第一锚点特征信息，其中，每一锚点对应一候选预测框；

所述消息通信神经网络，用于对所述第一锚点特征信息进行卷积操作处理，得到第二锚点特征信息；

所述特征后处理神经网络，用于根据所述第二锚点特征信息，得到多个锚点各自的目标置信度；

结果输出模块，用于根据所述目标置信度，从多个候选预测框中确定目标框，并将所述目标框的信息发送至显示装置，以由所述显示装置对所述目标框进行显示。