(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 202210158387.8 (22)申请日 2022.02.21 (71)申请人 佳都科技 集团股份有限公司 地址 511400 广东省广州市番禺区东环街 迎宾路832号番禺节能科技园内番山 创业中心1号楼 2区306房 申请人 广州新科佳都科技有限公司 (72)发明人 埃德温·威廉·特雷霍·庞特　 (74)专利代理 机构 北京泽方誉航专利代理事务 所(普通合伙) 11884 专利代理师 陈国靖 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/46(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种目标检测方法、 装置、 设备及存 储介质 (57)摘要 本申请公开了一种目标检测方法、 装置、 设 备及存储介质， 该方法包括： 通过对待检测图像 进行零像素扩展， 以将待检测图像扩展为正方形 图像； 将正方形图像输入预先训练的尺寸调整模 型中， 得到尺寸调整模型输 出的目标图像； 其中， 尺寸调整模型中的卷积网络配置有可变形卷积 层和下采样层； 将目标图像输入 预先训练的目标 检测模型中， 得到目标检测模型输出的检测结 果， 并根据检测结果确定待检测图像中的目标对 象。 通过上述技术手段， 解决现有技术中待检测 图像的特征丢失和变形导致目标检测的准确度 低的问题， 保证深度学习模型提取到的图像特征 数据的完整性和准确性， 提高目标检测的准确 度。 权利要求书2页 说明书13页 附图8页 CN 114663671 A 2022.06.24 CN 114663671 A 1.一种目标检测方法， 其特 征在于， 包括： 对待检测图像进行零像素扩展， 以将所述待检测图像扩展为 正方形图像； 将所述正方形图像输入预先训练的尺寸调整模型中， 得到所述尺寸调整模型输出的目 标图像； 其中， 所述尺寸调整模型中的卷积网络配置有可变形 卷积层和下采样层； 将所述目标图像输入预先训练 的目标检测模型中， 得到所述目标检测模型输出的检测 结果， 并根据所述检测结果确定所述待检测图像中的目标对象。 2.根据权利要求1所述的方法， 其特征在于， 所述将所述正方形图像输入预先训练的尺 寸调整模型中， 得到所述尺寸调整模型输出的目标图像， 包括： 将所述正方形图像输入第一卷积网络， 得到所述第一卷积网络输出的第一特征图像， 所述第一卷积网络包括两个卷积层； 将所述第一特征图像输入第二卷积网络， 得到所述第二卷积网络输出的第二特征图 像， 所述第二卷积网络包括两个可变形 卷积层和一个下采样层； 将所述正方形图像输入第 一下采样层， 并将所述第 一下采样层的输出与所述第 二特征 图像相加， 得到所述目标图像。 3.根据权利要求2所述的方法， 其特征在于， 所述将所述第 一特征图像输入第 二卷积网 络， 得到所述第二卷积网络 输出的第二特 征图像， 包括： 将所述第一特征图像输入第二下采样层， 得到所述第二下采样层输出的第三特征图 像； 将所述第三特征图像输入第 一可变形卷积层， 并将所述第 一可变形卷积层的输入与输 出相加， 得到第四特 征图像； 将所述第四特征图像输入第 二可变形卷积层， 得到所述第 二可变形卷积层输出的第 二 特征图像。 4.根据权利要求1 ‑3任一所述的方法， 其特征在于， 所述将所述目标图像输入预先训练 的目标检测模型中， 得到所述 目标检测模型输出 的检测结果， 并根据所述检测结果确定所 述待检测图像中的目标对象， 包括： 将所述目标图像输入所述目标检测模型， 得到所述目标检测模型输出的热图， 并确定 所述热图中的关键点； 根据所述关键点和所述关键点在所述热图中对应的相邻区域拟合高斯函数， 并根据 所 述高斯函数确定所述热图中的关键点 位置； 将所述关键点位置映射到所述待检测图像中， 确定所述待检测图像中与所述关键点位 置对应的目标关键点， 并根据所述目标关键点确定出 所述待检测图像中的目标对象。 5.根据权利要求4所述的方法， 其特征在于， 所述目标检测模型包括主干网络和反卷积 网络； 相应的， 所述将所述目标图像输入所述目标检测模型， 得到所述目标检测模型输出的 热图， 包括： 将所述目标图像输入所述主干网络， 得到所述主干网络输出的特征数据， 所述主干网 络包括一个卷积层和三个瓶颈层； 将所述特征数据输入所述反卷积网络， 得到所述反卷积网络输出的热图， 所述反卷积 网络包括 一个上采样层和三个卷积层。权　利　要　求　书 1/2 页 2 CN 114663671 A 26.根据权利要求4所述的方法， 其特征在于， 所述根据所述关键点和所述关键点在所述 热图中对应的相邻区域拟合高斯函数， 并根据所述高斯函数确定所述热图中的关键点位 置， 包括： 根据所述关键点的像素坐标， 确定所述关键点的相邻区域的像素坐标和分数值； 根据所述关键点的分数值和像素坐标， 以及所述相邻区域的像素坐标和分数值进行高 斯曲面拟合， 得到所述高斯 函数； 确定所述高斯 函数的中心点 坐标作为所述关键点 位置。 7.根据权利要求 4所述的方法， 其特 征在于， 所述目标检测方法还 包括： 获取多个训练样本图像和对应标记的关键点坐标， 并将所述训练样本图像扩展为正方 形样本图像； 将所述正方形样本图像输入初始的尺寸调整模型， 得到初始的尺寸调整模型输出的目 标样本图像， 并确定所述关键点 坐标在所述目标样本图像中的映射 坐标； 根据预设的高斯函数和所述映射坐标， 将所述目标样本图像转换成对应的高斯热图标 签； 将所述目标样本图像输入初始的目标检测模型， 根据初始的目标检测模型输出的高斯 热图和高斯热图标签， 调整所述尺寸调整模型和目标检测模型的参数。 8.一种目标检测装置， 其特 征在于， 包括： 扩展模块， 被配置为对待检测图像进行零像素扩展， 以将所述待检测图像扩展为正方 形图像； 预处理模块， 被配置为将所述正方形图像输入预先训练的尺寸调整模型中， 得到所述 尺寸调整模型输出 的目标图像； 其中， 所述尺寸调整模型中的卷积网络配置有可变形卷积 层和下采样层； 目标检测模块， 被配置为将所述目标图像输入预先训练的目标检测模型中， 得到所述 目标检测模型输出的检测结果， 并根据所述检测结果确定所述待检测图像中的目标对象。 9.一种目标检测设备， 其特 征在于， 包括： 存储器以及一个或多个处 理器； 所述存储器， 用于存 储一个或多个程序； 当所述一个或多个程序被所述一个或多个处理器执行， 使得所述一个或多个处理器实 现如权利要求1 ‑7任一所述的目标检测方法。 10.一种包含计算机可执行指令的存储介质， 其特征在于， 所述计算机可执行指令在由 计算机处 理器执行时用于执 行如权利要求1 ‑7任一所述的目标检测方法。权　利　要　求　书 2/2 页 3 CN 114663671 A 3