(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 202210420644.0 (22)申请日 2022.04.20 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦二层 (72)发明人 叶锦　谭啸　孙昊　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 单冠飞 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 目标检测方法、 装置及电子设备 (57)摘要 本公开提供了一种目标检测方法、 装置及电 子设备， 涉及人工智能技术领域， 具体为深度学 习、 计算机视觉技术领域， 可应用于图像处理、 物 体检测和分割等场景。 具体实现方案为： 获取待 识别图像， 并从所述待识别图像中提取第一特征 图； 根据所述第一特征图生成检测框； 基于所述 检测框生 成所述检测框对应的类别特征向量； 根 据所述检测框对应的类别特征向量和相关性矩 阵生成所述检测框对应的推荐类别。 本公开实施 例可以从待识别图像提取检测框， 根据所述检测 框对应的类别特征向量和相关性矩 阵获取所述 检测框对应的推荐类别。 本公开实施例可以根据 不同类别检测框之间的相关性优化所述类别特 征向量， 提高了 检测框分类的准确率。 权利要求书3页 说明书10页 附图4页 CN 114792377 A 2022.07.26 CN 114792377 A 1.一种目标检测的方法， 包括： 获取待识别图像， 并从所述待识别图像中提取第一特 征图； 根据所述第一特 征图生成检测框； 基于所述检测框生成所述检测框对应的类别特 征向量； 根据所述检测框对应的类别特 征向量和相关性矩阵生成所述检测框对应的推荐类别。 2.根据权利要求1所述的方法， 其中， 所述根据所述检测框对应的类别特征向量和相关 性矩阵生成所述检测框对应的推荐类别， 包括： 根据所述检测框对应的类别特 征向量和所述相关性矩阵生成权 重特征向量； 将所述权 重特征向量与所述类别特 征向量进行融合， 以获取推荐类别特 征向量； 根据所述推荐类别特 征向量生成所述检测框的推荐类别。 3.根据权利要求2所述的方法， 其中， 所述相关性矩阵通过以下步骤生成： 获取训练数据集中多个 类别对应的第一训练图像的第一数量； 将所述多个类别组成类别对， 并获取所述类别对对应的第二训练图像的第二数量， 其 中， 所述第二训练图像同时包 含所述类别对中的类别对应的检测框； 根据所述第一数量和所述第二数量 生成所述相关性矩阵。 4.根据权利要求3所述的方法， 其中， 所述相关性矩阵中的元素与所述类别对分别对 应， 其中， 所述元素的行对应所述类别对的第一类别， 所述元素的列对应所述类别对的第二 类别， 所述 根据所述第一数量和所述第二数量 生成所述相关性矩阵包括： 获取所述元素对应的所述类别对 对应的所述第二数量； 获取所述第一类别对应的所述第一数量； 将所述第二数量与所述第一数量的比值作为所述元 素的值。 5.根据权利要求2所述的方法， 其中， 所述类别特征向量中的行与检测框对应， 所述类 别特征向量中的列与类别对应， 所述根据所述检测框对应的类别特征向量和所述相关性矩 阵生成权 重特征向量， 包括： 将所述类别特 征向量与所述相关性矩阵相乘， 以获取权 重矩阵； 获取所述权重矩阵每列元 素的平均值， 以生成所述权 重特征向量。 6.根据权利要求2所述的方法， 其中， 所述将所述权重特征向量与所述类别特征向量进 行融合， 以获取推荐类别特 征向量， 包括： 将所述权 重特征向量与所述类别特 征向量相加， 以获取 所述推荐类别特 征向量； 或， 将所述权重特征向量与所述类别特征向量中对应元素相乘， 以获取所述推荐类别特征 向量。 7.根据权利要求6所述的方法， 其中， 所述根据所述推荐类别特征向量生成所述检测框 的推荐类别， 包括： 获取所述推荐类别特征向量中元素的最大值， 并将所述最大值对应的类别作为所述检 测框的推荐类别。 8.一种目标检测的装置， 包括： 特征提取模块， 用于获取待识别图像， 并从所述待识别图像中提取第一特 征图； 检测框生成模块， 用于根据所述第一特 征图生成检测框； 类别特征向量获取模块， 用于基于所述检测框生成所述检测框对应的类别特 征向量；权　利　要　求　书 1/3 页 2 CN 114792377 A 2类别识别模块， 用于根据所述检测框对应的类别特征向量和相关性矩阵生成所述检测 框对应的推荐类别。 9.根据权利要求8所述的装置， 其中， 所述类别识别模块， 包括： 权重特征向量生成子模块， 用于根据 所述检测框对应的类别特征向量和所述相关性矩 阵生成权 重特征向量； 融合子模块， 用于将所述权重特征向量与所述类别特征向量进行融合， 以获取推荐类 别特征向量； 类别获取子模块， 用于根据所述推荐类别特 征向量生成所述检测框的推荐类别。 10.根据权利要求9所述的装置， 其中， 所述相关性矩阵通过以下模块 生成： 第一统计子模块， 用于获取训练数据集中多个 类别对应的第一训练图像的第一数量； 第二统计子模块， 用于将所述多个类别组成类别对， 并获取所述类别对对应的第二训 练图像的第二数量， 其中， 所述第二训练图像同时包 含所述类别对中的类别对应的检测框； 矩阵生成子模块， 用于根据所述第一数量和所述第二数量 生成所述相关性矩阵。 11.根据权利要求10所述的装置， 其中， 所述相关性矩阵中的元素与 所述类别对分别对 应， 其中， 所述元素的行对应所述类别对的第一类别， 所述元素的列对应所述类别对的第二 类别， 所述矩阵生成子模块包括： 第一统计单 元， 用于获取 所述元素对应的所述类别对 对应的所述第二数量； 第二统计单 元， 用于获取 所述第一类别对应的所述第一数量； 矩阵生成单 元， 用于将所述第二数量与所述第一数量的比值作为所述元 素的值。 12.根据权利要求9所述的装置， 其中， 所述类别特征向量中的行与检测框对应， 所述类 别特征向量中的列 与类别对应， 所述权 重特征向量生成子模块包括： 权重矩阵获取单元， 用于将所述类别特征向量与所述相关性矩阵相乘， 以获取权重矩 阵； 平均单元， 用于获取 所述权重矩阵每列元 素的平均值， 以生成所述权 重特征向量。 13.根据权利要求9所述的装置， 其中， 所述融合子模块包括： 第一融合单元， 用于将所述权重特征向量与所述类别特征向量相加， 以获取所述推荐 类别特征向量； 或， 第二融合单元， 用于将所述权重特征向量与所述类别特征向量中对应元素相乘， 以获 取所述推荐类别特 征向量。 14.根据权利要求13所述的装置， 其中， 所述类别获取子模块包括： 类别获取单元， 用于获取所述推荐类别特征向量中元素的最大值， 并将所述最大值对 应的类别作为所述检测框的推荐类别。 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 ‑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 ‑7中任一项所述的方法。权　利　要　求　书 2/3 页 3 CN 114792377 A 3