(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210003188.X (22)申请日 2022.01.04 (71)申请人 京东鲲鹏(江苏)科技有限公司 地址 215500 江苏省苏州市 常熟市东 南街 道云深路2号 (72)发明人 刘浩　 (74)专利代理 机构 北京律智知识产权代理有限 公司 11438 代理人 王辉　阚梓瑄 (51)Int.Cl. G06V 20/56(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 目标检测方法及装置、 电子设备、 存 储介质 (57)摘要 本公开提供了一种目标检测方法及装置、 电 子设备、 存储介质， 涉及人工智能领域。 该目标检 测方法包括： 获取待检测图像， 以及预训练的目 标检测网络； 目标检测网络包括通用特征提取网 络和特征金字塔网络， 以及 多尺度平衡特征提取 网络和检测头网络； 基于通用特征提取网络和特 征金字塔网络对待检测图像进行多尺度特征提 取， 得到多尺度特征图； 基于多尺度平衡特征提 取器对多尺度特征图进行多尺度特征融合处理， 得到多尺度融合特征图； 通过检测头网络对多尺 度融合特征图进行目标检测， 输出待检测图像的 目标检测结果。 本公开实施例的技术方案可以通 过多尺度平衡特征器对多尺度特征图的进行多 尺度特征融合处理， 提高了待检测图像检测的效 率和准确率。 权利要求书2页 说明书18页 附图5页 CN 114332799 A 2022.04.12 CN 114332799 A 1.一种目标检测方法， 其特 征在于， 包括： 获取待检测图像， 以及预训练的目标检测网络； 所述目标检测网络包括通用特征提取 网络和特 征金字塔网络， 以及多尺度平衡特 征提取器和检测头网络； 基于所述通用特征提取网络和所述特征金字塔网络对所述待检测图像进行多尺度特 征提取， 得到多尺度特 征图； 调用由可变形卷积网络和可扩展卷积网络构建的所述多尺度平衡特征提取器， 并基于 所述多尺度平衡特征提取器对所述多尺度特征图进行多尺度特征融合处理， 得到多尺度融 合特征图； 通过检测头网络对所述多尺度融合特征图进行目标检测， 输出所述待检测图像对应的 目标检测结果。 2.根据权利要求1所述的目标检测方法， 其特征在于， 所述基于所述通用特征提取网络 和所述特 征金字塔网络对所述待检测图像进行多尺度特 征提取， 得到多尺度特 征图， 包括： 通过所述通用特征提取网络对所述待检测图像进行 特征提取得到初始特 征图； 读取所述初始特征图中的关键特征图， 并将所述关键特征图输入至空间金字塔池化网 络， 得到空间池化特 征图； 基于所述特征金字塔网络对所述空间池化特征图进行多尺度特征提取得到多尺度特 征图。 3.根据权利要求2所述的目标检测方法， 其特征在于， 所述基于所述特征金字塔网络对 所述空间池化特 征图进行多尺度特 征提取得到多尺度特 征图， 包括： 基于所述特征金字塔网络， 按照 不同采样频率对所述空间池化特征图进行多尺度 特征 提取生成多尺度上映射特征图， 并对所述多尺度上映射特征图进 行上采样得到多尺度下映 射特征图； 对相同尺度的所述多尺度上映射特征图和所述多尺度下映射特征图进行合并处理得 到多尺度特 征图。 4.根据权利要求1所述的目标检测方法， 其特征在于， 所述基于所述多尺度平衡特征提 取器对所述多尺度特 征图进行多尺度特 征融合处 理， 得到多尺度融合特 征图， 包括： 基于所述多尺度平衡特征提取器对所述多尺度特征图进行尺度变换得到多标准尺度 特征图， 并对所述多标准尺度特 征图进行合并处 理得到待融合处 理特征图； 对所述待融合处 理特征图进行多尺度特 征融合处 理， 得到多尺度融合特 征图。 5.根据权利要求1所述的目标检测方法， 其特征在于， 所述多尺度平衡特征提取器包括 多尺度平衡特征生成器， 所述对所述待融合处理特征图进行多尺度特征融合处理， 得到多 尺度融合特 征图， 包括： 基于所述多尺度平衡生成器提取所述待融合处理特征图的全局特征， 并生成所述全局 特征对应的全局特 征图； 按照不同的采样频率对所述全局特 征图进行多尺度变换 得到多尺度全局特 征图； 对所述多尺度特征图和所述多尺度全局特征图进行融合处理， 得到多尺度融合特征 图。 6.根据权利要求1所述的目标检测方法， 其特征在于， 所述通过所述检测头网络对所述 多尺度融合特 征图进行目标检测， 输出 所述待检测图像对应的目标检测结果， 包括：权　利　要　求　书 1/2 页 2 CN 114332799 A 2获取预构建的所述检测头网络； 所述检测头网络包括分类分支网络和检测框回归分支 网络； 基于所述分类分支网络 输出所述多尺度特 征图中待检测区域图像的类别 信息； 通过所述检测框回归分支网络生成所述待检测区域图像对应的目标检测框信息； 根据所述类别信息和所述目标检测框信息， 确定所述待检测图像对应的目标检测结 果。 7.根据权利要求1所述的目标检测方法， 其特 征在于， 所述方法还 包括： 获取待检测图像样本， 以及所述待检测图像样本中待检测对象的类别标签和目标检测 框标签； 调用初始检测网络， 并将所述待检测图像样本， 以及所述类别标签和所述目标检测框 标签输入至所述初始检测网络中， 对所述初始检测网络进行训练； 读取所述初始检测网络的损 失函数， 并在检测到所述损 失函数收敛时， 将训练完成的 所述初始检测网络作为目标检测网络， 以通过所述目标检测网络对所述待检测图像进 行检 测识别。 8.一种目标检测装置， 其特 征在于， 包括： 数据获取模块， 用于获取待检测图像， 以及预训练的目标检测网络； 所述目标检测网络 包括通用特征提取网络和特 征金字塔网络， 以及多尺度平衡特 征提取器和检测头网络； 多尺度特征提取模块， 用于基于所述通用特征提取网络和所述特征金字塔网络对所述 待检测图像进行多尺度特 征提取， 得到多尺度特 征图； 多尺度特征融合处理模块， 用于调用由可变形卷积网络和可扩展卷积网络构建的多尺 度平衡特征提取器， 并基于所述多尺度平衡特征提取器对所述多尺度特征图进行多尺度特 征融合处 理， 得到多尺度融合特 征图； 目标检测模块， 用于通过所述检测头网络对所述多尺度融合特征图进行目标检测， 输 出所述待检测图像对应的目标检测检测结果。 9.一种电子设备， 包括： 处理器； 以及 存储器， 所述存储器上存储有计算机可读指令， 所述计算机可读指令被所述处理器执 行时实现如权利要求1至7中任一项所述的目标检测方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 所述计算机程序被处理器执行 时实现如权利要求1至7中任一项所述的目标检测方法。权　利　要　求　书 2/2 页 3 CN 114332799 A 3