(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 202211236124.0 (22)申请日 2022.10.10 (71)申请人 北京卓翼智能科技有限公司 地址 100086 北京市海淀区知春路6号(锦 秋国际大厦)09层B01室 (72)发明人 任雪峰　罗巍　 (74)专利代理 机构 北京市竞天 公诚律师事务所 11770 专利代理师 王彩霞　陈伟 (51)Int.Cl. G06V 20/17(2022.01) G06N 3/04(2006.01) G06V 10/25(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) (54)发明名称 目标的检测方法、 装置及无 人机 (57)摘要 本公开提供了一种目标的检测方法、 装置及 无人机。 该目标的检测方法包括获取输入图像； 利用机器学习模 型， 生成所述输入图像中目标的 多个预测边界框， 所述机器学习模 型的骨干网络 包括第一卷积块和多个第二卷积块， 所述第一卷 积块包括卷积层、 正则化层、 激活层， 所述第二卷 积块包括多个所述第一卷积块和残差模块， 所述 残差模块包括多个所述第一卷积块和通道注意 力模块及空间注意力模块； 使用非极大值抑制， 确定最大概率的预测边界框； 以及根据所述最大 概率的预测边界框， 确定检测结果。 根据本公开 提供的各个实施例， 通过增加双重注 意力机制来 增强特征提取， 提高了目标检测精度。 权利要求书2页 说明书8页 附图8页 CN 115497011 A 2022.12.20 CN 115497011 A 1.一种目标检测的方法， 包括： 获取输入图像； 利用机器学习模型， 生成所述输入图像中目标的多个预测边界框， 所述机器学习模型 的骨干网络包括第一卷积块和多个第二卷积块， 所述第一卷积块包括卷积层、 正则化层、 激 活层， 所述第二卷积块包括多个所述第一卷积块和残差模块， 所述残差模块包括多个所述 第一卷积块和通道 注意力模块及空间注意力模块； 使用非极大值抑制， 确定最大概 率的预测边界框； 以及 根据所述 最大概率的预测边界框， 确定检测结果。 2.根据权利要求1所述的方法， 其中， 所述多个第二卷积块之间采用密集连接 。 3.根据权利要求1所述的方法， 其中， 所述机器学习 模型还包括与所述骨干网络连接的 递归特征金字塔网络 。 4.根据权利要求1所述的方法， 还 包括： 基于图像集和图像中目标的标签， 训练所述机器学习模型。 5.根据权利要求 4所述的方法， 还 包括： 利用K‑Means聚类算法对所述图像集进行聚类处 理； 将处理后的所述图像集输入到所述机器学习模型， 生成目标的预测边界框； 以及 基于目标的真实边界框和所述预测边界框之间的比较， 更新所述机器学习模型。 6.根据权利要求5所述的方法， 其中， 所述基于目标的真实边界框和所述预测边界框之 间的比较， 更新所述机器学习模型包括： 基于以下损失函数， 更新所述机器学习模型： 其中， b和bgt分别是预测边界框和真 实边界框的中心点， d是预测边界框中心点与真实边界框中心点之间的欧几里得距离， c是 覆盖真实边界框和预测边界框的最小 封闭锚框的对角线 长度， ν 为纵横比的一致性参数， wgt 和hgt分别是真实边界框的宽度和高度， w和h分别是预测边界框的宽度和高度， IoU是真 实边 界框和预测边界框的交并比。 7.根据权利要求1所述的方法， 其中， 所述根据所述最大概率的预测边界框， 确定检测 结果包括： 将所述最大概率的预测边界框 输入至分类 检测网络， 得到所述目标的类别检测结果， 其中， 所述分类 检测网络为YOLOV3的分类 检测网络 。 8.根据权利要求4所述的方法， 其中， 所述图像集中小尺寸目标的数量超过目标总数的 一半。 9.一种目标检测的装置， 包括： 获取模块， 其配置为获取输入图像； 生成模块， 其配置为利用机器学习模型， 生成所述输入图像中目标的多个预测边界框， 所述机器学习模型的骨干网络包括第一卷积块和多个第二卷积块， 所述第一卷积块包括卷权　利　要　求　书 1/2 页 2 CN 115497011 A 2积层、 正则化层、 激活层， 所述第二卷积块包括多个所述第一卷积块和残差模块， 所述残差 模块包括多个所述第一卷积块和通道 注意力模块及空间注意力模块； 第一确定模块， 其配置为使用非极大值抑制， 确定最大概 率的预测边界框； 以及 第二确定模块， 其配置为 根据所述 最大概率的预测边界框， 确定检测结果。 10.一种无 人机， 其特 征在于， 包括： 图像采集设备， 用于实时采集图像； 以及 处理器， 用于根据所述图像采集设备所采集的图像， 执行根据权利要求1至8中的至少 一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115497011 A 3