目标检测方法、训练方法、装置、电子设备以及存储介质与流程

技术特征：
1.一种目标检测方法，包括：对待处理图像进行图像特征提取，得到第一图像特征和至少一个第二图像特征，所述第一图像特征的特征尺度大于所述第二图像特征的特征尺度；根据至少一个所述第二图像特征，确定深度信息特征；以及根据所述深度信息特征和所述第一图像特征，对与所述待处理图像相关的目标对象进行目标检测，得到目标对象检测结果。2.根据权利要求1所述的方法，其中，所述第二图像特征包括多个，多个所述第二图像特征之间具有不同的特征尺度；其中，所述根据至少一个所述第二图像特征，确定深度信息特征包括：融合多个所述第二图像特征，得到融合图像特征；以及根据所述融合图像特征，对所述待处理图像进行深度信息检测，得到所述深度信息特征。3.根据权利要求2所述的方法，其中，所述融合多个所述第二图像特征包括：从多个所述第二图像特征中，确定至少一个第三图像特征和至少一个第四图像特征，所述第三图像特征的特征尺度大于所述第四图像特征的特征尺度；对所述第四图像特征进行至少一次卷积，得到目标第四图像特征；以及根据所述第三图像特征和所述目标第四图像特征，得到所述融合图像特征。4.根据权利要求1所述的方法，其中，所述根据所述深度信息特征和所述第一图像特征，对与所述待处理图像相关的目标对象进行目标检测，得到目标对象检测结果包括：根据所述深度信息特征和所述第一图像特征，确定与所述待处理图像对应的鸟瞰图特征；以及将所述鸟瞰图特征输入至基于注意力机制构建得到的第一目标对象检测层，输出所述目标对象检测结果。5.根据权利要求1所述的方法，其中，所述对待处理图像进行图像特征提取，得到第一图像特征和至少一个第二图像特征包括：对所述待处理图像进行至少一次卷积，得到初始图像特征；对所述初始图像特征进行至少一次下采样，得到所述第一图像特征；以及对所述第一图像特征进行至少一次下采样，得到至少一个所述第二图像特征。6.一种深度学习模型的训练方法，包括：获取训练样本，所述训练样本包括与样本目标对象相关的样本图像和样本标签；将所述样本图像输入至所述深度学习模型的图像特征提取网络，输出样本第一图像特征和至少一个样本第二图像特征，所述样本第一图像特征的特征尺度大于所述样本第二图像特征的特征尺度；将至少一个所述第二图像特征输入至所述深度学习模型的深度检测网络，输出样本深度信息特征；将所述样本深度信息特征和所述样本第一图像特征输入至所述深度学习模型的目标检测网络，输出样本目标对象检测结果；以及根据所述样本目标对象检测结果和所述样本标签，训练所述深度学习模型，得到训练后的深度学习模型。
7.根据权利要求6所述的方法，其中，所述目标检测网络包括基于注意力机制构建得到的第一目标对象检测层，以及基于非极大抑制算法构建得到的第二目标对象检测层，所述样本目标对象检测结果包括与所述第一目标对象检测层对应的样本第一目标对象检测结果，以及与所述第二目标对象检测层对应的样本第二目标对象检测结果；其中，所述根据所述样本目标对象检测结果和所述样本标签，训练所述深度学习模型包括：根据所述样本第一目标对象检测结果、所述样本第二目标对象检测结果和所述样本标签，训练所述深度学习模型。8.一种目标检测装置，包括：图像特征提取模块，用于对待处理图像进行图像特征提取，得到第一图像特征和至少一个第二图像特征，所述第一图像特征的特征尺度大于所述第二图像特征的特征尺度；深度信息特征确定模块，用于根据至少一个所述第二图像特征，确定深度信息特征；以及目标对象检测结果获得模块，用于根据所述深度信息特征和所述第一图像特征，对与所述待处理图像相关的目标对象进行目标检测，得到目标对象检测结果。9.根据权利要求8所述的装置，其中，所述第二图像特征包括多个，多个所述第二图像特征之间具有不同的特征尺度；其中，所述深度信息特征确定模块包括：融合图像特征获得单元，用于融合多个所述第二图像特征，得到融合图像特征；以及深度信息特征获得单元，用于根据所述融合图像特征，对所述待处理图像进行深度信息检测，得到所述深度信息特征。10.根据权利要求9所述的装置，其中，所述融合图像特征获得单元包括：图像特征确定子单元，用于从多个所述第二图像特征中，确定至少一个第三图像特征和至少一个第四图像特征，所述第三图像特征的特征尺度大于所述第四图像特征的特征尺度；目标第四图像特征获得子单元，用于对所述第四图像特征进行至少一次卷积，得到目标第四图像特征；以及融合图像特征获得子单元，用于根据所述第三图像特征和所述目标第四图像特征，得到所述融合图像特征。11.根据权利要求8所述的装置，其中，所述目标对象检测结果获得模块包括：鸟瞰图特征获得单元，用于根据所述深度信息特征和所述第一图像特征，确定与所述待处理图像对应的鸟瞰图特征；以及目标对象检测结果获得单元，用于将所述鸟瞰图特征输入至基于注意力机制构建得到的第一目标对象检测层，输出所述目标对象检测结果。12.根据权利要求8所述的装置，其中，所述图像特征提取模块包括：初始图像特征获得单元，用于对所述待处理图像进行至少一次卷积，得到初始图像特征；第一图像特征获得单元，用于对所述初始图像特征进行至少一次下采样，得到所述第一图像特征；以及
第二图像特征获得单元，用于对所述第一图像特征进行至少一次下采样，得到至少一个所述第二图像特征。13.一种深度学习模型的训练装置，包括：训练样本获得模块，用于获取训练样本，所述训练样本包括与样本目标对象相关的样本图像和样本标签；样本图像特征提取模块，用于将所述样本图像输入至所述深度学习模型的图像特征提取网络，输出样本第一图像特征和至少一个样本第二图像特征，所述样本第一图像特征的特征尺度大于所述样本第二图像特征的特征尺度；样本深度信息特征获得模块，用于将至少一个所述第二图像特征输入至所述深度学习模型的深度检测网络，输出样本深度信息特征；样本目标对象检测结果获得模块，用于将所述样本深度信息特征和所述样本第一图像特征输入至所述深度学习模型的目标检测网络，输出样本目标对象检测结果；以及训练模块，用于根据所述样本目标对象检测结果和所述样本标签，训练所述深度学习模型，得到训练后的深度学习模型。14.根据权利要求13所述的装置，其中，所述目标检测网络包括基于注意力机制构建得到的第一目标对象检测层，以及基于非极大抑制算法构建得到的第二目标对象检测层，所述样本目标对象检测结果包括与所述第一目标对象检测层对应的样本第一目标对象检测结果，以及与所述第二目标对象检测层对应的样本第二目标对象检测结果；其中，所述训练模块包括：训练单元，用于根据所述样本第一目标对象检测结果、所述样本第二目标对象检测结果和所述样本标签，训练所述深度学习模型。15.一种电子设备，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至7中任一项所述的方法。16.一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至7中任一项所述的方法。17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1至7中任一项所述的方法。

技术总结
本公开提供了目标检测方法、训练方法、装置、电子设备以及存储介质，涉及图像处理技术领域，尤其涉及自动驾驶技术领域和深度学习技术领域。具体实现方案为：对待处理图像进行图像特征提取，得到第一图像特征和至少一个第二图像特征，第一图像特征的特征尺度大于第二图像特征的特征尺度；根据至少一个第二图像特征，确定深度信息特征；以及根据深度信息特征和第一图像特征，对与待处理图像相关的目标对象进行目标检测，得到目标对象检测结果。得到目标对象检测结果。得到目标对象检测结果。


技术研发人员：王娜 江列霖
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：2023.05.18
技术公布日：2023/8/15