CN115797660A - 图像检测方法、装置、电子设备和存储介质 - Google Patents

Abstract

本公开提供了一种图像检测方法、装置、电子设备和存储介质，涉及人工智能技术领域，尤其涉及自动驾驶、智能交通、计算机视觉等领域。实现方案为：获得待检测的目标图像，目标图像包括多个对象；对目标图像执行特征提取，以获得与多个特征尺度中的每一个特征尺度相应的特征，其中，多个特征尺度中的每一个特征尺度与多个先验框相应，该多个先验框对应于多个尺度；针对多个特征尺度对应的多个特征中的每一个特征，获得与该特征对应的多个先验框中的每一个先验框对应的子特征；从多个特征对应的多个子特征中，获得多个目标子特征；以及基于多个目标子特征，获得目标图像的多个预测框，多个预测框中的每一个预测框指示多个对象中的一个对象。

Description

图像检测方法、装置、电子设备和存储介质

技术领域

本公开涉及人工智能技术领域，尤其涉及自动驾驶、智能交通、计算机视觉等领域，具体涉及一种图像检测方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

基于人工智能的图像检测技术，通过图像检测模型获得图像的图像特征，并基于图像特征获得图像中所包含的对象(例如，人、车辆等)，已经广泛应用于各种场景。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种图像检测方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种图像检测方法，包括：获得待检测的目标图像，所述目标图像包括多个对象；对所述目标图像执行特征提取，以获得与多个特征尺度中的每一个特征尺度相应的特征，其中，所述多个特征尺度中的每一个特征尺度与多个先验框相应，该多个先验框对应于多个尺度；

针对所述多个特征尺度对应的多个特征中的每一个特征，获得与该特征对应的多个先验框中的每一个先验框对应的子特征；从所述多个特征对应的多个子特征中，获得多个目标子特征；以及基于所述多个目标子特征，获得所述目标图像的多个预测框，所述多个预测框中的每一个预测框指示所述多个对象中的一个对象。

根据本公开的另一方面，提供了一种图像检测装置，包括：目标图像获取单元，被配置用于获得待检测的目标图像，所述目标图像包括多个对象；特征提取单元，被配置用于对待检测的目标图像执行特征提取，以获得与多个特征尺度中的每一个特征尺度相应的特征，其中，所述多个特征尺度中的每一个特征尺度与多个先验框相应，该多个先验框对应于多个尺度；子特征获取单元，被配置用于针对所述多个特征尺度对应的多个特征中的每一个特征，获得与该特征对应的多个先验框中的每一个先验框对应的子特征；目标子特征获取单元，被配置用于从所述多个特征对应的多个子特征中，获得多个目标子特征；以及预测框获取单元，被配置用于基于所述多个目标子特征，获得所述目标图像的多个预测框，所述多个预测框中的每一个预测框指示所述多个对象中的一个对象。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行根据本公开的实施例所述的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据本公开的实施例所述的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现根据本公开的实施例所述的方法。

根据本公开的一个或多个实施例，可以扩大图像检测中所检测的图像中的对象的尺度的范围，使得能够对更多尺度的对象实现目标检测。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；

图2示出了根据本公开的实施例的图像处理方法的流程图；

图3示出了根据本公开的实施例的图像处理方法中从多个特征对应的多个子特征中，获得多个目标子特征的过程的流程图；

图4示出了根据本公开的实施例的图像处理方法中基于多个目标子特征，获得目标图像的多个预测框的过程的流程图；

图5示出了可以实现根据本公开的实施例的本公开的实施例的图像处理方法的过程的示意图；

图6示出了根据本公开的实施例的图像处理方法中基于多个特征中的每一个特征对应的多个子特征中的每一个子特征对应的预测概率，获得多个目标子特征的过程的流程图；

图7示出了根据本公开的实施例的图像处理方法中基于多个目标子特征，获得目标图像的多个预测框的过程的流程图；

图8示出了根据本公开的实施例的图像检测装置的结构框图；

图9示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个要素与另一要素区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

下面将结合附图详细描述本公开的实施例。

图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。

在本公开的实施例中，服务器120可以运行使得能够执行根据本公开的图像检测方法的一个或多个服务或软件应用。

在某些实施例中，服务器120还可以提供其他服务或软件应用，这些服务或软件应用可以包括非虚拟环境和虚拟环境。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。

在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。

用户可以使用客户端设备101、102、103、104、105和/或106来接收根据本公开的图像检测方法所获得的多个预测框。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。

客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS)；或包括各种移动操作系统，例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。

网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、区块链网络、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。

服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。

服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。

在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和/或106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和/或106的一个或多个显示设备来显示数据馈送和/或实时事件。

在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。

系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中，由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。

在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。

图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。

在相关技术中，根据先验设计出与待检测图像中的对象相应的预定数量的先验框(anchor)，并且根据该预定数量个先验框，对图像进行目标检测，以获得图像中的与该预定数量个先验框对应的各个对象。由于先验框的数量有限，当对象的尺度分布较广时，使得图像中的没有对应的先验框的对象往往无法被检测到。

根据本公开的一方面，提供了一种图像检测方法。如图2所示，根据本公开的一些实施例的图像检测方法200包括：

步骤S210：获得待检测的目标图像，所述目标图像包括多个对象；

步骤S220：对所述目标图像执行特征提取，以获得与多个特征尺度中的每一个特征尺度相应的特征，其中，所述多个特征尺度中的每一个特征尺度与多个先验框相应，该多个先验框对应于多个尺度；

步骤S230：针对所述多个特征尺度对应的多个特征中的每一个特征，获得与该特征对应的多个先验框中的每一个先验框对应的子特征；

步骤S240：从所述多个特征对应的多个子特征中，获得多个目标子特征；以及

步骤S250：基于所述多个目标子特征，获得所述目标图像的多个预测框，所述多个预测框中的每一个预测框指示所述多个对象中的一个对象。

针对待检测的目标图像进行特征提取，获得多个特征尺度中的每一个特征尺度的特征，由于该多个特征尺度中的每一个特征尺度分别对应有多个先验框，在预测过程中，针对多个特征尺度对应的多个先验框，进行筛选，以获得要针对其进行预测获得相应的预测框的先验框的子特征，使得在图像检测过程中，动态选择多个特征对应的多个先验框中的合适的先验框对应的子特征进行预测，从而扩大图像检测中所检测的图像中的对象的尺度的范围，使得能够对更多尺度的对象实现目标检测。

在一些实施例中，在步骤S210中，目标图像可以是待检测的任意图像，例如从摄像装置获取的图像。目标图像中所包含的对象可以是任意对象，例如，当目标图像是从车载摄像装置获得的图像，其所包含的多个对象可以包括车辆、行人、红绿灯、斑马线、车道线、建筑物、交通锥等等，在此并不限定。

在一些实施例中，在步骤S220中，采用特征提取网络对目标图像执行特征提取。在一些实施例中，特征提取网络可以是基于resnet、densenet、darknet等结构的骨干网络。

特征提取网络包括多个特征提取层，该多个特征提取层通过对目标图像进行下采样，获得多个特征尺度中的每一个尺度对应的特征。其中，下采样的倍数越高，特征尺度越小。

可以理解，下采样的倍数越高，所获得的特征的感受野越大，即基于其能够检测到的对象的尺度越大；反之，下采样的倍数越小，基于其能够检测到的对象的尺度越小。

根据本公开的实施例，多个特征尺度中的每一个特征尺度与多个先验框相应。其中，该多个先验框可以是预先根据不同的对象进行聚类获得的。例如，针对不同的对象，基于各自的尺度进行聚类，获得长宽比符合各个对象的长宽比的多个先验框。

在一些实施例中，多个特征尺度中的每一个特征尺度对应的多个先验框的数量尽可能多，以覆盖尽可能多的尺度的对象。

在一些实施例中，多个特征尺度中的各个特征尺度对应的多个先验框相同。即各个特征尺度所对应的多个先验框的多个尺度为相同的多个尺度。

在一些实施例中，对于所述多个特征尺度的第一特征尺度和大于所述第一特征尺度的第二特征尺度，所述第一特征尺度对应的多个先验框中的每一个先验框的尺度小于所述第二特征尺度对应的多个先验框中的每一个先验框的尺度。

例如，对于特征尺度为128*128的第一特征尺度，其对应的多个先验框可以是高为70-110中的任意数值、宽为70-110中的任意数值的先验框。对于特征尺度为64*64的第二特征尺度，其对应的多个先验框可以是高为30-50中的任意数值、宽为30-50中的任意数值的先验框。

对于特征尺度越大的特征，其感受野越小，设置其对应的先验框的尺度小，使得能够对更小尺度的对象进行检测，而特征尺度越小的特征，其感受野越大，设置其对应的先验框的尺度较大，使得能够对更大尺度的对象进行检测，避免基于特征尺度较小的特征对尺度较小的对象进行检测而无法准确检测到该对象，提升检测结果的准确性。

在一些实施例中，在步骤S230中，通过针对每一个特征，进行基于滑窗的遍历，以获得该特征对应于相应的多个先验框中的每一个先验框的子特征。在一些实施例中，在步骤S230中，针对多个特征中的每一个特征，将该特征输入到整体预测头，以获得该特征对应于相应的多个先验框中的每一个先验框的子特征。

例如，针对特征尺度为128*128的特征，通过将该特征输入到整体预测头，使整体预测头基于该特征上的多个点中的每一个点对该特征对应的多个先验框中的每一个先验框进行匹配，以获得在每个点上该特征对应于多个先验框中的每一个先验框的子特征后；针对该多个先验框中的每一个先验框，从该特征在多个点上对应于该先验框的多个子特征中，获得该特征对应于该先验框的子特征。其中，该特征对应于该先验框的子特征是该特征在多个点上对应于该先验框的多个子特征中置信度最大的子特征。

在一些实施例中，如图3所示，步骤S240，从所述多个特征对应的多个子特征中，获得多个目标子特征包括：

步骤S310：针对所述多个特征中的每一个特征，获得该特征对应的多个子特征中的每一个子特征对应的预测概率，所述预测概率指示该子特征在该多个子特征中的重要性程度；以及

步骤S320：基于所述多个特征中的每一个特征对应的多个子特征中的每一个子特征对应的预测概率，获得所述多个目标子特征。

通过获得每一个特征对应的多个子特征的预测概率，获得多个目标子特征，该预测概率指示子特征在多个子特征中的重要性程度，使得所获得的目标子特征是重要性较高的子特征，提升预测准确性。

在一些实施例中，在步骤S310中，针对多个特征中的每一个特征，基于该特征的多个子特征，获得融合特征，并基于该融合特征，获得该多个子特征中的每一个子特征对应的概率。

在一些实施例中，在基于该特征的多个子特征获得融合特征的过程中，可以对多个子特征进行相应的缩放，以获得同一尺度下的多个特征，将该同一尺度下的多个特征进行通道方向上的拼接，以获得融合特征。

在一些实施例中，针对多个特征中的每一个特征，首先将该特征与该多个特征对应的多个子特征进行融合，获得多个融合后的特征，并将该多个融合后的特征在通道方向上拼接，获得融合特征。

在一些实施例中，在步骤S310中，针对多个特征中的每一个特征，将该特征对应的多个子特征输入尺度感知模块，以获得该多个子特征中的每一个子特征对应的概率。

在一些实施例中，尺度感知模块包括全局平均池化网络和全连接层，在步骤S310中，通过全局平均池化网络对基于该特征对应的多个子特征获得的融合特征进行全局平均池化，获得池化特征，并将池化特征输入到全链接层，以获得多个子特征中的每一个子特征对应的概率。

在一些实施例中，所述基于所述多个特征中的每一个特征对应的多个子特征中的每一个子特征对应的预测概率，获得所述多个目标子特征包括：

针对所述多个特征中的每一个特征，从该特征对应的多个子特征中获得该特征对应的至少一个第一目标子特征，其中，所述至少一个第一目标子特征中的每一个第一目标子特征的预测概率大于该多个子特征中的第一子特征的预测概率，所述第一子特征区别于所述至少一个第一目标子特征中的每一个第一目标子特征；以及

基于所述多个特征中的每一个特征对应的至少一个第一目标子特征，获得所述多个目标子特征。

从每个特征对应的多个子特征中，获得重要性靠前的至少一个第一目标子特征，基于至少一个第一目标子特征，获得多个目标子特征，使得所获得的多个目标子特征是基于每一个特征对应的多个先验框获得的，能够覆盖每一个特征的感受野，从而使所获得的检测框所对应的对象的尺寸的范围尽可能广。

在一些实施例中，针对多个特征中的每一个特征对应的多个子特征，获得该多个子特征中对应的预测概率大于预设阈值的一个或多个第一子特征；并且将多个特征中的每一个特征对应的一个或多个第一子特征确定为该特征对应的多个第一目标特征。

在一些实施例中，针对多个特征中的每一个特征对应的多个子特征，获得该多个子特征中对应的预测概率较大的预设数量的第二子特征；并且将该多个特征中的每一个特征对应的预设数量的第二子特征确定为该特征对应的多个第一目标特征。

在一些实施例中，在步骤S250中，通过将多个目标子特征中的每一个目标子特征输入预测头进行预测，使得预测头针对每一个目标子特征进行分类和回归，从而以获得各个目标子特征对应的类别和检测框。

在一些实施例中，所述多个目标子特征包括所述多个特征中的每一个特征对应的至少一个第一目标子特征，如图4所示，步骤S250、基于所述多个目标子特征，获得所述目标图像的多个预测框包括：

步骤S410：针对所述多个特征中的每一个特征，基于该特征对应的至少一个第一目标子特征，获得该特征对应的多个第一预测框；以及

步骤S420：基于所述多个特征中的每一个特征对应的多个第一预测框，获得所述多个预测框。

通过针对多个目标子特征中与多个特征中的每一个特征相应的至少一个第一目标子特征进行回归和分类，获得该特征对应的多个第一预测框，相较于分别基于多个目标子特征中的每一个目标子特征进行回归和分类，减少计算量。

在一些实施例中，针对多个特征中的每一个特征，将多个目标子特征中与该特征相应的至少一个第一目标子特征输入到预测头，以获得该特征对应的多个第一预测框。

在一些实施例中，将多个特征中的每一个特征对应的多个第一预测框作为目标图像对应的多个预测框。

参看图5，示出了根据本公开的一些实施例的图像检测方法的处理流程的示意图。

如图5所示，首先，通过采用包括多个特征提取层的特征提取网络510对目标图像500进行特征提取，获得多个特征尺度对应的多个特征501、502和503，接着，将多个特征501、502和503中的每一个，分别输入到相应的整体预测头520以获得包括该特征对应的多个子特征，并且将该多个子特征输入到尺度感知模块530，以获得该多个子特征分别对应的预测概率；接着，针对多个特征501、502和503中的每一个，基于该特征对应的多个子特征和该多个子特征分别对应的预测概率，采用最优选择模块540进行目标子特征的筛选，以获得与每一个特征对应的至少一个第一目标子特征；最后，针对多个特征501、502和503中的每一个，采用预测头550基于该特征对应的至少一个第一目标子特征进行分类(cls)和回归(Reg)，以获得该特征对应的多个第一检测框。

可以理解，上述处理流程中，由特征提取网络510和与每一个特征对应的整体预测头520、尺度感知模块530、最优选择模块540以及预测头550构成的图像检测模型，实现对目标图像500的检测。在训练过程中，与预测过程类似，通过将包括多个对象的训练图像输入到图像检测模型，经由特征提取网络510和与每一个特征对应的整体预测头520、尺度感知模块530、最优选择模块540以及预测头550输出多个预测框，基于该多个预测框与训练图像中针对多个对象进行标注的标注框进行损失计算后，基于损失进行模型参数的更新，从而实现模型的训练。

在一些实施例中，如图6所示，步骤S240、基于所述多个特征中的每一个特征对应的多个子特征中的每一个子特征对应的预测概率，获得所述多个目标子特征包括：

步骤S610：基于所述多个特征中的每一个特征对应的多个子特征中的每一个子特征对应的预测概率，获得所述多个特征中的每一个特征的预测概率，该预测概率指示该特征在所述多个特征中的重要性程度；

步骤S620：获得所述多个特征中的至少一个目标特征，所述至少一个目标特征中的每一个目标特征的预测概率大于所述多个特征中的第一特征的预测概率，所述第一特征区别于所述至少一个目标特征中的每一个目标特征；以及

步骤S630：基于所述至少一个目标特征中的每一个目标特征对应的多个子特征，获得所述多个目标子特征。

由于同一个图像中的对象是有限的，使得多个对象的尺度分布范围是有限的，为了避免计算较多的冗余的子特征，通过获得多个特征中的多个目标特征，即基于优先的特征提取层所提取的特征，获得目标子特征，减少计算量，减少计算资源的消耗。

在一些实施例中，在步骤S610中，基于所述多个特征中的每一个特征对应的多个子特征中的每一个子特征对应的预测概率，获得所述多个特征中的每一个特征的预测概率包括：

针对所述多个特征中的每一个特征，获得该特征对应的多个子特征中的至少一个第二目标子特征，所述至少一个第二目标子特征中的每一个目标子特征的对应的预测概率大于该多个子特征中的第二子特征的预测概率，所述第二子特征区别于所述至少一个第二目标子特征中的每一个第二目标子特征；以及

针对所述多个特征中的每一个特征，基于该特征对应的至少一个第二目标子特征中的每一个第二目标子特征对应的预测概率，获得该特征对应的预测概率。

从每个特征对应的多个子特征中，获得重要性靠前的至少一个第二目标子特征，基于至少一个第二目标子特征中的每一个第二目标子特征的预测概率，获得该特征对应的预测概率，使得该特征对应的预测概率是基于该特征对应的多个子特征中重要性靠前的至少一个第二目标子特征获得的，其表明基于该特征能够获得的准确的预测框的概率，从而使得根据该多个特征中的每一个特征的预测概率所获得的多个目标特征，能够获得准确的预测框，提高所获得的目标图像的多个预测框的准确性。

在一些实施例中，通过获得多个特征中的每一个特征对应的多个子特征中预设数量的子特征，将该预设数量的子特征确定为该特征对应的至少一个第二目标子特征。

在一些实施例中，通过获得多个特征中的每一个特征对应的多个子特征中对应的预测概率大于概率阈值的至少一个子特征，将该至少一个子特征确定为该特征对应的至少一个第二目标子特征。

在一些实施例中，如图7所示，步骤S250、多个目标子特征包括所述至少一个目标特征中的每一个目标特征对应的多个子特征，所述基于所述多个目标子特征，获得所述目标图像的多个预测框包括：

步骤S710：针对所述至少一个目标特征中的每一个目标特征，基于该目标特征对应的多个子特征，获得该目标特征对应的多个第二预测框；以及

步骤S720：基于所述至少一个目标特征中的每一个目标特征对应的多个第二预测框，获得所述多个预测框。

通过针对每一个特征的多个子特征进行回归和分类，获得该特征对应的多个预测框，减少计算量，减少计算资源的消耗。

在一些实施例中，针对多个目标特征中的每一个目标特征，将目标特征对应的多个子特征输入到预测头，以获得该目标特征对应的多个第二预测框。

在一些实施例中，将多个目标特征中的每一个目标特征对应的多个第二预测框作为目标图像对应的多个预测框。

根据本公开的另一方面，还提供了一种图像检测装置。如图8所示，装置800包括：目标图像获取单元810，被配置用于获得待检测的目标图像，所述目标图像包括多个对象；特征提取单元820，被配置用于对待检测的目标图像执行特征提取，以获得与多个特征尺度中的每一个特征尺度相应的特征，其中，所述多个特征尺度中的每一个特征尺度与多个先验框相应，该多个先验框对应于多个尺度；子特征获取单元830，被配置用于针对所述多个特征尺度对应的多个特征中的每一个特征，获得与该特征对应的多个先验框中的每一个先验框对应的子特征；目标子特征获取单元840，被配置用于从所述多个特征对应的多个子特征中，获得多个目标子特征；以及预测框获取单元850，被配置用于基于所述多个目标子特征，获得所述目标图像的多个预测框，所述多个预测框中的每一个预测框指示所述多个对象中的一个对象。

在一些实施例中，对于所述多个特征尺度的第一特征尺度和大于所述第一特征尺度的第二特征尺度，所述第一特征尺度对应的多个先验框中的每一个先验框的尺度小于所述第二特征尺度对应的多个先验框中的每一个先验框的尺度。

在一些实施例中，所述目标子特征获取单元包括：预测概率获取单元，被配置用于针对所述多个特征中的每一个特征，获得该特征对应的多个子特征中的每一个子特征对应的预测概率，所述预测概率指示该子特征在该多个子特征中的重要性程度；以及第一获取单元，被配置用于基于所述多个特征中的每一个特征对应的多个子特征中的每一个子特征对应的预测概率，获得所述多个目标子特征。

在一些实施例中，所述第一获取单元包括：第一获取子单元，被配置用于被配置用于针对所述多个特征中的每一个特征，从该特征对应的多个子特征中获得该特征对应的至少一个第一目标子特征，其中，所述至少一个第一目标子特征中的每一个第一目标子特征的预测概率大于该多个子特征中的第一子特征的预测概率，所述第一子特征区别于所述至少一个第一目标子特征中的每一个第一目标子特征；以及第二获取子单元，被配置用于基于所述多个特征中的每一个特征对应的至少一个第一目标子特征，获得所述多个目标子特征。

在一些实施例中，所述预测框获取单元包括：第一预测单元，被配置用于针对所述多个特征中的每一个特征，基于该特征对应的至少一个第一目标子特征，获得该特征对应的多个第一预测框；以及第一预测框获取子单元，被配置用于基于所述多个特征中的每一个特征对应的多个第一预测框，获得所述多个预测框。

在一些实施例中，所述第一获取单元包括：第二预测概率获取单元，被配置用于基于所述多个特征中的每一个特征对应的多个子特征中的每一个子特征对应的预测概率，获得所述多个特征中的每一个特征的预测概率，该预测概率指示该特征在所述多个特征中的重要性程度；第三获取子单元，被配置用于获得所述多个特征中的至少一个目标特征，所述至少一个目标特征中的每一个目标特征的预测概率大于所述多个特征中的第一特征的预测概率，所述第一特征区别于所述至少一个目标特征中的每一个目标特征；以及第四获取子单元，被配置用于基于所述至少一个目标特征中的每一个目标特征对应的多个子特征，获得所述多个目标子特征。

在一些实施例中，所述第二预测概率获取单元包括：第五获取子单元，被配置用于针对所述多个特征中的每一个特征，获得该特征对应的多个子特征中的至少一个第二目标子特征，所述至少一个第二目标子特征中的每一个目标子特征的对应的预测概率大于该多个子特征中的第二子特征的预测概率，所述第二子特征区别于所述至少一个第二目标子特征中的每一个第二目标子特征；以及第五获取子单元，被配置用于针对所述多个特征中的每一个特征，基于该至少一个第二目标子特征中的每一个第二目标子特征对应的预测概率，获得该特征对应的预测概率。

在一些实施例中，所述预测框获取单元包括：第二预测单元，被配置用于针对所述至少一个目标特征中的每一个目标特征，基于该目标特征对应的多个子特征，获得该目标特征对应的多个第二预测框；以及第二预测框获取子单元，被配置用于基于所述至少一个目标特征中的每一个目标特征对应的多个第二预测框，获得所述多个预测框。

根据本公开的实施例，还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

参考图9，现将描述可以作为本公开的服务器或客户端的电子设备900的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图9所示，电子设备900包括计算单元901，其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序，来执行各种适当的动作和处理。在RAM903中，还可存储电子设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。

电子设备900中的多个部件连接至I/O接口905，包括：输入单元906、输出单元907、存储单元908以及通信单元909。输入单元906可以是能向电子设备900输入信息的任何类型的设备，输入单元906可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元907可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元908可以包括但不限于磁盘、光盘。通信单元909允许电子设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如方法200。例如，在一些实施例中，方法200可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到电子设备900上。当计算机程序加载到RAM 903并由计算单元901执行时，可以执行上文描述的方法200的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (19)

1.一种图像检测方法，包括：

获得待检测的目标图像，所述目标图像包括多个对象；

对所述目标图像执行特征提取，以获得与多个特征尺度中的每一个特征尺度相应的特征，其中，所述多个特征尺度中的每一个特征尺度与多个先验框相应，该多个先验框对应于多个尺度；

针对所述多个特征尺度对应的多个特征中的每一个特征，获得与该特征对应的多个先验框中的每一个先验框对应的子特征；

从所述多个特征对应的多个子特征中，获得多个目标子特征；以及

基于所述多个目标子特征，获得所述目标图像的多个预测框，所述多个预测框中的每一个预测框指示所述多个对象中的一个对象。

2.根据权利要求1所述的方法，其中，对于所述多个特征尺度的第一特征尺度和大于所述第一特征尺度的第二特征尺度，所述第一特征尺度对应的多个先验框中的每一个先验框的尺度小于所述第二特征尺度对应的多个先验框中的每一个先验框的尺度。

3.根据权利要求2所述的方法，其中，所述从所述多个特征对应的多个子特征中，获得多个目标子特征包括：

针对所述多个特征中的每一个特征，获得该特征对应的多个子特征中的每一个子特征对应的预测概率，所述预测概率指示该子特征在该多个子特征中的重要性程度；以及

基于所述多个特征中的每一个特征对应的多个子特征中的每一个子特征对应的预测概率，获得所述多个目标子特征。

4.根据权利要求3所述的方法，其中，所述基于所述多个特征中的每一个特征对应的多个子特征中的每一个子特征对应的预测概率，获得所述多个目标子特征包括：

针对所述多个特征中的每一个特征，从该特征对应的多个子特征中获得该特征对应的至少一个第一目标子特征，其中，所述至少一个第一目标子特征中的每一个第一目标子特征的预测概率大于该多个子特征中的第一子特征的预测概率，所述第一子特征区别于所述至少一个第一目标子特征中的每一个第一目标子特征；以及

基于所述多个特征中的每一个特征对应的至少一个第一目标子特征，获得所述多个目标子特征。

5.根据权利要求4所述的方法，其中，所述基于所述多个目标子特征，获得所述目标图像的多个预测框包括：

针对所述多个特征中的每一个特征，基于该特征对应的至少一个第一目标子特征，获得该特征对应的多个第一预测框；以及

基于所述多个特征中的每一个特征对应的多个第一预测框，获得所述多个预测框。

6.根据权利要求3所述的方法，其中，所述基于所述多个特征中的每一个特征对应的多个子特征中的每一个子特征对应的预测概率，获得所述多个目标子特征包括：

基于所述多个特征中的每一个特征对应的多个子特征中的每一个子特征对应的预测概率，获得所述多个特征中的每一个特征的预测概率，该预测概率指示该特征在所述多个特征中的重要性程度；

获得所述多个特征中的至少一个目标特征，所述至少一个目标特征中的每一个目标特征的预测概率大于所述多个特征中的第一特征的预测概率，所述第一特征区别于所述至少一个目标特征中的每一个目标特征；以及

基于所述至少一个目标特征中的每一个目标特征对应的多个子特征，获得所述多个目标子特征。

7.根据权利要求6所述的方法，其中，所述基于所述多个特征中的每一个特征对应的多个子特征中的每一个子特征对应的预测概率，获得所述多个特征中的每一个特征的预测概率包括：

针对所述多个特征中的每一个特征，

获得该特征对应的多个子特征中的至少一个第二目标子特征，所述至少一个第二目标子特征中的每一个目标子特征的对应的预测概率大于该多个子特征中的第二子特征的预测概率，所述第二子特征区别于所述至少一个第二目标子特征中的每一个第二目标子特征；以及

基于该至少一个第二目标子特征中的每一个第二目标子特征对应的预测概率，获得该特征对应的预测概率。

8.根据权利要求6所述的方法，其中，所述多个目标子特征包括所述至少一个目标特征中的每一个目标特征对应的多个子特征，所述基于所述多个目标子特征，获得所述目标图像的多个预测框包括：

针对所述至少一个目标特征中的每一个目标特征，基于该目标特征对应的多个子特征，获得该目标特征对应的多个第二预测框；以及

基于所述至少一个目标特征中的每一个目标特征对应的多个第二预测框，获得所述多个预测框。

9.一种图像检测装置，包括：

目标图像获取单元，被配置用于获得待检测的目标图像，所述目标图像包括多个对象；

特征提取单元，被配置用于对待检测的目标图像执行特征提取，以获得与多个特征尺度中的每一个特征尺度相应的特征，其中，所述多个特征尺度中的每一个特征尺度与多个先验框相应，该多个先验框对应于多个尺度；

子特征获取单元，被配置用于针对所述多个特征尺度对应的多个特征中的每一个特征，获得与该特征对应的多个先验框中的每一个先验框对应的子特征；

目标子特征获取单元，被配置用于从所述多个特征对应的多个子特征中，获得多个目标子特征；以及

预测框获取单元，被配置用于基于所述多个目标子特征，获得所述目标图像的多个预测框，所述多个预测框中的每一个预测框指示所述多个对象中的一个对象。

10.根据权利要求9所述的装置，其中，对于所述多个特征尺度的第一特征尺度和大于所述第一特征尺度的第二特征尺度，所述第一特征尺度对应的多个先验框中的每一个先验框的尺度小于所述第二特征尺度对应的多个先验框中的每一个先验框的尺度。

11.根据权利要求10所述的装置，其中，所述目标子特征获取单元包括：

预测概率获取单元，被配置用于针对所述多个特征中的每一个特征，获得该特征对应的多个子特征中的每一个子特征对应的预测概率，所述预测概率指示该子特征在该多个子特征中的重要性程度；以及

第一获取单元，被配置用于基于所述多个特征中的每一个特征对应的多个子特征中的每一个子特征对应的预测概率，获得所述多个目标子特征。

12.根据权利要求11所述的装置，其中，所述第一获取单元包括：

第一获取子单元，被配置用于被配置用于针对所述多个特征中的每一个特征，从该特征对应的多个子特征中获得该特征对应的至少一个第一目标子特征，其中，所述至少一个第一目标子特征中的每一个第一目标子特征的预测概率大于该多个子特征中的第一子特征的预测概率，所述第一子特征区别于所述至少一个第一目标子特征中的每一个第一目标子特征；以及

第二获取子单元，被配置用于基于所述多个特征中的每一个特征对应的至少一个第一目标子特征，获得所述多个目标子特征。

13.根据权利要求12所述的装置，其中，所述预测框获取单元包括：

第一预测单元，被配置用于针对所述多个特征中的每一个特征，基于该特征对应的至少一个第一目标子特征，获得该特征对应的多个第一预测框；以及

第一预测框获取子单元，被配置用于基于所述多个特征中的每一个特征对应的多个第一预测框，获得所述多个预测框。

14.根据权利要求11所述的装置，其中，所述第一获取单元包括：

第二预测概率获取单元，被配置用于基于所述多个特征中的每一个特征对应的多个子特征中的每一个子特征对应的预测概率，获得所述多个特征中的每一个特征的预测概率，该预测概率指示该特征在所述多个特征中的重要性程度；

第三获取子单元，被配置用于获得所述多个特征中的至少一个目标特征，所述至少一个目标特征中的每一个目标特征的预测概率大于所述多个特征中的第一特征的预测概率，所述第一特征区别于所述至少一个目标特征中的每一个目标特征；以及

第四获取子单元，被配置用于基于所述至少一个目标特征中的每一个目标特征对应的多个子特征，获得所述多个目标子特征。

15.根据权利要求14所述的装置，其中，所述第二预测概率获取单元包括：

第五获取子单元，被配置用于针对所述多个特征中的每一个特征，获得该特征对应的多个子特征中的至少一个第二目标子特征，所述至少一个第二目标子特征中的每一个目标子特征的对应的预测概率大于该多个子特征中的第二子特征的预测概率，所述第二子特征区别于所述至少一个第二目标子特征中的每一个第二目标子特征；以及

第五获取子单元，被配置用于针对所述多个特征中的每一个特征，基于该至少一个第二目标子特征中的每一个第二目标子特征对应的预测概率，获得该特征对应的预测概率。

16.根据权利要求15所述的装置，其中，所述预测框获取单元包括：

第二预测单元，被配置用于针对所述至少一个目标特征中的每一个目标特征，基于该目标特征对应的多个子特征，获得该目标特征对应的多个第二预测框；以及

第二预测框获取子单元，被配置用于基于所述至少一个目标特征中的每一个目标特征对应的多个第二预测框，获得所述多个预测框。

17.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。

18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。

19.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-8中任一项所述的方法。

Images