(19)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 202210916890.5 (22)申请日 2022.08.01 (71)申请人 北京远鉴信息技 术有限公司 地址 100000 北京市海淀区西四环北路158 号1幢7层80 001-2 (72)发明人 王学彬　王秋明　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 邓超 (51)Int.Cl. G06V 10/44(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/77(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) (54)发明名称 一种目标图像的检测方法、 装置、 电子设备 及存储介质 (57)摘要 本申请提供了一种目标图像的检测方法、 装 置、 电子设备及存储介质， 应用于图像检测技术 领域， 检测方法包括： 获取待检测的目标图像； 将 待检测的目标图像输入至预先训练好的目标检 测模型的骨干网络， 对待检测的目标图像进行特 征提取， 确定出待检测的目标图像的浅层特征图 以及深层特征图； 将浅层特征图以及深层特征图 输入至目标检测模型的特征金字塔网络， 分别对 浅层特征图和深层特征图以不同权重进行加权 处理， 确定出融合特征图； 将融合特征图输入至 目标检测模 型的头网络， 确定出待检测的目标图 像中的目标物品。 通过在特征金字塔网络中对浅 层特征图以及深层特征图进行不同权重的加权 处理， 得到融合特征图， 提高了目标图像的检测 效率以及准确率。 权利要求书3页 说明书13页 附图5页 CN 115205547 A 2022.10.18 CN 115205547 A 1.一种目标图像的检测方法， 其特 征在于， 所述检测方法包括： 获取待检测的目标图像； 将所述待检测的目标图像输入至预先训练好的目标检测模型的骨干网络， 对所述待检 测的目标图像进行特征提取， 确定出所述待检测的目标图像的浅层特征图以及深层特征 图； 将所述浅层特征图以及所述深层特征图输入至所述目标检测模型的特征金字塔网络， 分别对所述浅层特 征图和所述深层特 征图以不同权 重进行加权处 理， 确定出融合特 征图； 将所述融合特征图输入至所述目标检测模型的头网络， 确定出所述待检测的目标图像 中的目标物品。 2.根据权利要求1所述的检测方法， 其特征在于， 所述将所述浅层特征图以及所述深层 特征图输入至所述目标检测模型的特征金字塔网络， 分别对所述浅层特征图和所述深层特 征图以不同权 重进行加权处 理， 确定出融合特 征图， 包括： 将所述浅层特征图以及所述深层特征图输入至所述特征金字塔网络进行特征拼接， 确 定出拼接特 征图； 将所述拼接特征图输入至所述特征金字塔网络的卷积层， 对所述拼接特征图进行卷积 处理， 确定出第一目标 特征图； 将所述第一目标特征图输入至所述特征金字塔网络的池化层， 对所述第 一目标特征图 进行全局平均池化处 理， 确定出第二目标 特征图； 将所述第二目标特征图输入至所述特征金字塔网络的激活层， 对所述第 二目标特征图 进行激活 处理， 确定出第一目标权 重和第二目标权 重； 将所述第一目标权重和所述第 二目标权重输入至所述特征金字塔网络的融合层， 利用 所述第一目标权重对所述浅层特征图进行加权处理以及利用所述第二目标权重对所述深 层特征图进行加权处 理， 确定出 所述融合特 征图。 3.根据权利要求2所述的检测方法， 其特征在于， 所述将所述拼接特征图输入至所述特 征金字塔网络的卷积层， 对所述 拼接特征图进行 卷积处理， 确定出第一目标 特征图， 包括： 获取初始化的二维矩阵， 其中， 所述初始化的二维矩阵的维度是根据卷积核的数量以 及所述拼接特征图在不同维度下的特 征向量的数量确定的； 基于在不同维度 下所述拼接特征图的特征向量相对应的特征信 息， 确定出不同维度 下 所述拼接特征图的特 征向量的目标 数值； 将所述不同维度下所述拼接特征图的特征向量的目标数值添加至所述初始化的二维 矩阵， 生成目标二维矩阵； 每个所述卷积核根据所述目标二维矩阵中的不同维度下所述拼接特征图的特征向量 的目标数值， 筛选出相对应的不同维度下所述拼接特征图的特征向量， 并进行卷积处理， 确 定出所述第一目标 特征图。 4.根据权利要求2所述的检测方法， 其特征在于， 所述将所述第 二目标特征图输入至所 述特征金字塔网络的激活层， 对所述第二 目标特征图进行激活处理， 确定出第一 目标权重 和第二目标权 重， 包括： 利用sigmo id激活函数对所述第二目标 特征图进行归一 化处理， 确定出权 重向量； 基于所述权 重向量的维度进行划分， 确定出 所述第一目标权 重和所述第二目标权 重。权　利　要　求　书 1/3 页 2 CN 115205547 A 25.根据权利要求2所述的检测方法， 其特征在于， 所述将所述第 一目标权重和所述第 二 目标权重输入至所述特征金字塔网络的融合层， 利用所述第一目标权重对 所述浅层特征图 以及利用所述第二 目标权重对所述深层特征图进行加权处理， 确定出所述融合特征图， 包 括： 利用所述第一目标权重对所述浅层特征图进行加权处理， 确定出加权后的浅层特征 图； 利用所述第二目标权重对所述深层特征图进行加权处理， 确定出加权后的深层特征 图； 将所述加权后的浅层特征图以及所述加权后的深层特征图进行特征相加， 确定出所述 融合特征图。 6.根据权利要求1所述的检测方法， 其特征在于， 通过以下步骤训练出所述目标检测模 型： 获取多个样本图片以及每个样本图片对应的标签信 息， 将多个所述样本图片划分为训 练集以及验证集； 利用所述训练集以及所述训练集中相对应的所述样本图片对应的标签信息对初始训 练模型进行多次训练， 确定出 所述目标检测模型； 利用所述验证集对所述目标检测模型进行测试， 验证所述目标检测模型的检测准确 率。 7.一种目标图像的检测装置， 其特 征在于， 所述检测装置包括： 获取模块， 用于获取待检测的目标图像； 特征提取模块， 用于将所述待检测的目标图像输入至预先训练好的目标检测模型的骨 干网络， 对所述待检测的目标图像进行特征提取， 确定出所述待检测的目标图像的浅层特 征图以及深层特 征图； 特征融合模块， 用于将所述浅层特征图以及所述深层特征图输入至所述目标检测模型 的特征金字塔网络， 分别对所述浅层特征图和所述深层特征图以不同权重进行加权处理， 确定出融合特 征图； 确定模块， 用于将所述融合特征图输入至所述目标检测模型的头网络， 确定出所述待 检测的目标图像中的目标物品。 8.根据权利要求7所述的检测装置， 其特征在于， 所述特征融合模块在用于所述将所述 浅层特征图 以及所述深层特征图输入至所述目标检测模型的特征金字塔网络， 分别对所述 浅层特征图和所述深层特征图以不同权重进行加权处理， 确定出融合特征图时， 所述特征 融合模块具体用于： 将所述浅层特征图以及所述深层特征图输入至所述特征金字塔网络进行特征拼接， 确 定出拼接特 征图； 将所述拼接特征图输入至所述特征金字塔网络的卷积层， 对所述拼接特征图进行卷积 处理， 确定出第一目标 特征图； 将所述第一目标特征图输入至所述特征金字塔网络的池化层， 对所述第 一目标特征图 进行全局平均池化处 理， 确定出第二目标 特征图； 将所述第二目标特征图输入至所述特征金字塔网络的激活层， 对所述第 二目标特征图权　利　要　求　书 2/3 页 3 CN 115205547 A 3