(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 202111654902.3 (22)申请日 2021.12.3 0 (71)申请人 浙江大华 技术股份有限公司 地址 310051 浙江省杭州市滨江区滨安路 1187号 (72)发明人 熊涛　魏乃科　潘华东　殷俊　 (74)专利代理 机构 深圳市威世博知识产权代理 事务所(普通 合伙) 44280 专利代理师 何倚雯 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/74(2022.01) G06V 10/764(2022.01)G06V 10/80(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) (54)发明名称 基于目标检测模型的目标检测方法及装置 (57)摘要 本申请公开了一种基于目标检测模型的目 标检测方法及装置。 其中， 该基于目标检测模型 的目标检测方法包括： 将目标图像输入到特征提 取单元中， 得到目标图像的多层特征图； 将待检 测图像输入到特征提取单元中， 得到待检测图像 的多层特征图； 基于待检测图像的每层特征图与 目标图像的对应层的特征图的相似 特征图， 确定 待检测图像中是否包含待处理目标。 本申请可以 节省人为数据采集标注和数据存 储成本。 权利要求书3页 说明书12页 附图4页 CN 114462497 A 2022.05.10 CN 114462497 A 1.一种基于目标检测模型的目标检测方法， 其特征在于， 所述目标检测模型包括具有 多层输出的特 征提取单元， 所述方法包括： 获取目标图像和待检测图像， 所述目标图像中包 含待处理目标； 将所述目标图像输入到所述特征提取单元中， 得到所述目标图像的多层特征图； 将所 述待检测图像输入到所述特 征提取单元中， 得到所述待检测图像的多层特 征图； 基于所述待检测图像的每层特征图与所述目标图像的对应层的特征图的相似特征图， 确定所述待检测图像中是否包 含所述待处 理目标。 2.根据权利要求1所述的方法， 其特征在于， 所述基于所述待检测图像的每层特征图与 所述目标图像的对应层的特征图的相似特征图， 确定所述待检测图像中是否包含所述待处 理目标， 包括： 基于所述待检测图像的每层特征图与所述目标图像的对应层的特征图， 得到多个相似 度特征图； 分别基于每个所述相似度特征图， 确定所述待检测图像中所述待处理目标的检测信 息； 将得到的多个 检测信息进行融合， 确定所述待检测图像中是否包 含所述待处 理目标。 3.根据权利要求2所述的方法， 其特征在于， 每个所述相似度特征图的所述检测信 息包 括每个所述相似度特 征图的检测特 征图； 所述将得到的多个检测信 息进行融合， 确定所述待检测图像中是否包含所述待处理目 标， 包括： 将所述多个相似度特征图的检测特征图进行加权融合， 得到所述待检测图像的最终检 测信息； 基于所述 最终检测信息确定所述待检测图像中是否包 含所述待处 理目标。 4.根据权利要求3所述的方法， 其特征在于， 所述每个所述目标检测模型包括分类单元 和检测单元， 每个所述相似度特征图的所述检测信息包括每个所述相似度特征图的分类特 征图， 所述分别基于每个所述相似度特征图， 确定所述待检测图像中所述待处理目标的检 测信息的步骤 包括： 将每个所述相似度特征图输入到分类单元中， 得到每个所述相似度特征图的分类特征 图； 将每个所述相似度特征图输入到检测单元中， 得到每个所述相似度特征图的检测特征 图； 所述将所述多个相似度特 征图的检测信息进行融合， 包括： 将所述多个相似度特征图的分类特征图进行加权融合， 得到所述待检测图像的最终分 类特征图； 将所述多个相似度特征图的检测特征图进行加权融合， 得到所述待检测图像的 最终检测特 征图。 5.根据权利要求 4所述的方法， 其特 征在于， 所述方法还 包括： 若所述待检测图像中存在所述待处理目标， 基于所述最终检测特征图输出所述待处理 目标的位置信息， 基于所述 最终分类特 征图输出 所述待处 理目标的置信度信息 。 6.根据权利要求1所述的方法， 其特征在于， 所述确定所述待检测图像中是否包含所述 待处理目标， 之后包括： 基于所述待检测图像中是否包含所述待处理目标的确定结果， 对所述目标检测模型的权　利　要　求　书 1/3 页 2 CN 114462497 A 2参数进行优化； 对所述待检测图像进行尺寸变换和/或位置变换； 将变换后的待检测图像作为所述待检测图像， 返回执行所述将所述目标图像输入到所 述特征提取单元中， 得到所述 目标图像的多层特征图； 将所述待检测图像输入到所述特征 提取单元中， 得到所述待检测图像的多层特征图， 以利用所述变换后的待检测图像和所述 目标图像再次对所述目标检测模型的参数进行优化， 直至所述目标检测模型收敛。 7.根据权利要求6所述的方法， 其特征在于， 所述基于所述待检测图像中是否包含所述 待处理目标的确定结果， 对所述目标检测模型的参数进行优化， 包括： 基于所述待检测图像中是否包含所述待处理目标的确定结果， 计算所述目标检测模型 的分类损失和回归损失； 基于所述分类损失和所述回归损失计算总损失； 基于所述总损失对所述目标检测模型的参数进行优化。 8.根据权利要求1所述的方法， 其特征在于， 所述特征提取单元包括两个结构相同的特 征提取分支， 且所述特 征提取分支具有 多层输出； 所述将所述目标图像输入到所述特征提取单元中， 得到所述目标图像的多层特征图， 包括： 将所述目标图像输入到所述特征提取单元的一个特征提取分支中， 得到所述目标图像 的多层特 征图； 所述将所述待检测图像输入到所述特征提取单元中， 得到所述待检测图像的多层特征 图， 包括： 将所述待检测图像输入到所述特征提取单元的另一个特征提取分支中， 得到所述待检 测图像的多层特 征图。 9.根据权利要求2所述的方法， 其特征在于， 所述目标检测模型包括卷积单元， 所述基 于所述待检测图像的每层特征图与所述目标图像的对应层的特征图， 得到多个相似度特征 图， 包括： 利用所述卷积单元， 以所述目标图像的每层特征图为卷积核对所述待检测图像的对应 层的特征图进行 卷积处理， 得到多个相似度特 征图。 10.根据权利要求2所述的方法， 其特征在于， 所述基于所述待检测图像的每层特征图 与所述目标图像的对应层的特 征图， 得到多个相似度特 征图， 之前包括： 对所述目标图像的多层特征图进行分辨率归一化处理， 对所述待检测图像的多层特征 图进行分辨 率归一化处理； 所述基于所述待检测图像的每层特征图与 所述目标图像的对应层的特征图， 得到多个 相似度特 征图， 包括： 基于目标图像的经过分辨率归一化处理的每层特征图以及待检测图像的经过分辨率 归一化处理的对应层的特 征图， 得到多个相似度特 征图。 11.根据权利要求10所述的方法， 其特征在于， 所述对所述目标图像的多层特征图进行 分辨率归一化处理， 对所述待检测图像的多层特 征图进行分辨 率归一化处理， 之后包括： 对目标图像的经过分辨率归一化处理 的多层特征图进行维度归一化处理， 对待检测图 像的经过分辨率归一化处理的多层特 征图进行维度归一 化处理；权　利　要　求　书 2/3 页 3 CN 114462497 A 3