本申請提供了一種目標檢測方法及相關產品，方法包括：獲取目標圖像；將所述目標圖像輸入到預設ResNet殘差網絡，得到淺層網絡特征、深層網絡特征和耦合特征，所述預設ResNet殘差網絡為兩級特征級聯網絡，所述兩級特征級聯網絡包括第一級特征網絡和第二級特征網絡，所述第一級特征網絡用于提取淺層網絡特征，所述第二級網絡特征用于提取深層網絡特征；基于預設互斥損失規則對所述淺層網絡特征進行目標檢測，得到第一目標區域；基于所述深層網絡特征和所述耦合特征進行目標檢測，得到第二目標區域；將所述第一目標區域和所述第二目標區域作為最終的目標區域。采用本申請可提升目標檢測召回率和檢測精度。

技術領域

本申請涉及圖像處理技術領域，具體涉及一種目標檢測方法及相關產品。

背景技術

目標檢測是計算機視覺應用的關鍵部分。它在在城市自動駕駛、視頻監控和工業機器人場景中有廣泛的應用前景。隨著計算機視覺技術的發展，目標檢測的檢測精度和檢測速度都有了極大的提升。但是，擁擠場景下的行人、車輛檢測以及大場景下的微小目標檢測，一直是目標檢測技術難以突破的瓶頸。即使當前的大多數目標檢測技術對離攝像頭較近的目標檢測效果都比較好，但是對那些遠離攝像頭的相對較小的行人和車輛目標檢出率和檢出精度都難以令人滿意。

發明內容

本申請實施例提供了一種目標檢測方法及相關產品，能夠提升目標檢測精度。

本申請實施例第一方面提供了一種目標檢測方法，包括：

獲取目標圖像；

將所述目標圖像輸入到預設ResNet殘差網絡，得到淺層網絡特征、深層網絡特征和耦合特征，所述預設ResNet殘差網絡為兩級特征級聯網絡，所述兩級特征級聯網絡包括第一級特征網絡和第二級特征網絡，所述第一級特征網絡用于提取淺層網絡特征，所述第二級網絡特征用于提取深層網絡特征；

基于預設互斥損失規則對所述淺層網絡特征進行目標檢測，得到第一目標區域；

基于所述深層網絡特征和所述耦合特征進行目標檢測，得到第二目標區域；

將所述第一目標區域和所述第二目標區域作為最終的目標區域。

本申請實施例第二方面提供了一種目標檢測裝置，包括:

獲取單元，用于獲取目標圖像；

處理單元，用于將所述目標圖像輸入到預設ResNet殘差網絡，得到淺層網絡特征、深層網絡特征和耦合特征，所述預設ResNet殘差網絡為兩級特征級聯網絡，所述兩級特征級聯網絡包括第一級特征網絡和第二級特征網絡，所述第一級特征網絡用于提取淺層網絡特征，所述第二級網絡特征用于提取深層網絡特征；

檢測單元，用于基于預設互斥損失規則對所述淺層網絡特征進行目標檢測，得到第一目標區域；以及基于所述深層網絡特征和所述耦合特征進行目標檢測，得到第二目標區域；

確定單元，用于將所述第一目標區域和所述第二目標區域作為最終的目標區域。

第三方面，本申請實施例提供了一種電子設備，包括：處理器和存儲器；以及一個或多個程序，所述一個或多個程序被存儲在所述存儲器中，并且被配置成由所述處理器執行，所述程序包括用于如第一方面中所描述的部分或全部步驟的指令。

第四方面，本申請實施例提供了一種計算機可讀存儲介質，其中，所述計算機可讀存儲介質用于存儲計算機程序，其中，所述計算機程序使得計算機執行如本申請實施例第一方面中所描述的部分或全部步驟的指令。

第五方面，本申請實施例提供了一種計算機程序產品，其中，所述計算機程序產品包括存儲了計算機程序的非瞬時性計算機可讀存儲介質，所述計算機程序可操作來使計算機執行如本申請實施例第一方面中所描述的部分或全部步驟。該計算機程序產品可以為一個軟件安裝包。