(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 202210195049.1 (22)申请日 2022.02.28 (71)申请人 广东电网有限责任公司 地址 510000 广东省广州市越秀区东 风东 路757号 申请人 广东电网有限责任公司电力科 学研 究院 (72)发明人 陈鹏　汪进锋　邰彬　章坚　吕鸿　 姚瑶　金杨　黄杨珏　王志华　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 麦小婵 (51)Int.Cl. G06V 10/80(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06V 10/766(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种图像目标检测方法、 系统、 设备及存储 介质 (57)摘要 本发明公开了一种图像目标检测方法、 系 统、 设备及存储介质， 其中方法包括： 获取待检测 图像， 并利用骨干网络提取待检测图像的初始多 尺度特征图； 对初始多尺度特征图进行特征融合 操作， 生成融合特征图； 利用BiFPN网络对融合特 征图进行特征处理， 得到特征金字塔； 通过预设 检测网络获取特征金字塔中每一层特征图的预 测框信息和分类信息， 基于预测框信息和分类信 息确定待检测图像的检测目标。 上述方法通过对 待检测图像的初始多尺度特征图进行加权特征 融合， 能够减少网络层数， 降低参数计算量， 提高 计算效率， 同时得到包含更加丰富的场景语义信 息的特征金字塔， 利用该特征金字塔进行目标检 测可有效提高检测准确率， 优化小目标漏检误检 情况。 权利要求书1页 说明书6页 附图3页 CN 114581744 A 2022.06.03 CN 114581744 A 1.一种图像目标检测方法， 其特 征在于， 包括： 获取待检测图像， 并利用骨干网络提取待检测图像的初始多尺度特 征图； 对初始多尺度特 征图进行 特征融合操作， 生成融合特 征图； 利用BiFPN网络对所述融合特 征图进行 特征处理， 得到特 征金字塔； 通过预设检测网络获取所述特征金字塔中每一层特征图的预测框信 息和分类信 息， 基 于所述预测框信息和分类信息确定待检测图像的检测目标。 2.根据权利要求1所述的图像目标检测方法， 其特征在于， 所述特征融合操作包括全连 接操作和采样 操作。 3.根据权利要求1所述的图像目标检测方法， 其特 征在于， 所述预设检测网络包括分类 器和回归器， 其中， 所述分类器基于 中心定位置信度对所述预测框信 息和所述分类信 息进行调 整， 所述中 心定位置信度通过DI oU和centernes s确定。 4.根据权利要求1所述的图像目标检测方法， 其特征在于， 所述利用骨干网络提取待检 测图像的初始多尺度特 征图， 具体为： 对所述骨干网络的深度、 宽度和分辨率进行缩放调整， 通过调整后的骨干网络提取待 检测图像的初始多尺度特 征图。 5.根据权利要求1至4任一所述的图像目标检测方法， 其特征在于， 所述骨干网络具体 为： 多层卷积神经网络； 所述多层卷积神经网络 中的卷积操作包括对空间卷积和对通道卷 积。 6.一种图像目标检测系统， 其特 征在于， 包括： 特征提取单元， 用于获取待检测图像， 并利用 骨干网络提取待检测图像的初始多尺度 特征图； 特征融合单元， 用于对初始多尺度特征图进行特征融合操作， 生成融合特征图； 利用 BiFPN网络对所述融合特 征图进行 特征处理， 得到特 征金字塔； 目标检测单元， 用于通过预设检测网络获取所述特征金字塔中每一层特征图的预测框 信息和分类信息， 基于所述预测框信息和分类信息确定待检测图像的检测目标。 7.根据权利要求6所述的图像目标检测系统， 其特征在于， 所述特征融合操作包括全连 接操作和采样 操作。 8.根据权利要求6所述的图像目标检测系统， 其特 征在于， 所述预设检测网络包括分类 器和回归器， 其中， 所述分类器基于 中心定位置信度对所述预测框信 息和所述分类信 息进行调 整， 所述中 心定位置信度通过DI oU和centernes s确定。 9.一种数据处 理设备， 其特 征在于， 包括： 处理器， 所述处理器和存储器耦合， 所述存储器存储有程序， 所述程序由所述处理器执 行， 使得所述数据处 理设备执行如权利要求1～5中任一项所述的图像目标检测方法。 10.一种计算机存储介质， 其特征在于， 所述计算机存储介质存储有计算机指令， 所述 计算机指令用于执 行上述权利要求1～5中任一项所述的图像目标检测方法。权　利　要　求　书 1/1 页 2 CN 114581744 A 2一种图像目标 检测方法、 系统、 设 备及存储介质 技术领域 [0001]本发明涉及图像处理技术领域， 特别是涉及一种图像目标检测方法、 系统、 设备及 存储介质。 背景技术 [0002]在电力领域， 智能化配电房已成为主流发展方向之一， 其中， 配电房场景的目标检 测技术能够为智能化配电房系统识别并定位工作人员及设备等目标， 是保障智能化电网可 靠、 安全、 经济和高效的重要前提。 [0003]然而， 配电房场景的构成要素往往较丰富， 目标多元且实时变化， 因此， 如何精准 快速完成目标检测是当前配电房场景目标检测技术的核心问题。 传统的配电房场景目标检 测方法所使用的网络结构较复杂， 需计算的超参数数量较多， 导致检测过程往往耗时长， 且 定位预测结果的准确性有限， 易出现场景中小目标漏检现象。 发明内容 [0004]为了解决上述技术问题， 本发明提供一种图像目标检测方法、 系统、 设备及存储介 质， 能够有效提高配电房目标的定位预测质量和检全率。 [0005]第一方面， 本发明提供一种图像目标检测方法， 包括： [0006]获取待检测图像， 并利用骨干网络提取待检测图像的初始多尺度特 征图； [0007]对初始多尺度特 征图进行 特征融合操作， 生成融合特 征图； [0008]利用BiFPN网络对所述融合特 征图进行 特征处理， 得到特 征金字塔； [0009]通过预设检测网络获取所述特征金字塔中每一层特征图的预测框信息和 分类信 息， 基于所述预测框信息和分类信息确定待检测图像的检测目标。 [0010]可选的， 所述特 征融合操作包括全连接操作和采样 操作。 [0011]可选的， 所述预设检测网络包括分类器和回归器， 其中， 所述分类器基于中心定位 置信度对所述预测框信息和所述分类信息进行调整， 所述中心定位置信度通过DIoU和 centernes s确定。 [0012]可选的， 所述利用骨干网络提取待检测图像的初始多尺度特征图， 具体为： 对所述 骨干网络的深度、 宽度和分辨率进行缩放调整， 通过调整后的骨干网络提取待检测图像的 初始多尺度特 征图。 [0013]可选的， 所述骨干网络具体为： 多层卷积神经网络； 所述多层卷积神经网络中的卷 积操作包括对空间卷积和对通道卷积。 [0014]第二方面， 本发明还提供一种图像目标检测系统， 包括： [0015]特征提取单元， 用于获取待检测图像， 并利用骨干网络提取待检测图像的初始多 尺度特征图； [0016]特征融合单元， 用于对初始多尺度特征图进行特征融合操作， 生成融合特征图； 利 用BiFPN网络对所述融合特 征图进行 特征处理， 得到特 征金字塔；说　明　书 1/6 页 3 CN 114581744 A 3