目标检测方法及装置、电子设备和存储介质

技术领域

本公开涉及计算机视觉技术领域，尤其涉及一种目标检测方法及装置、电子设备和存储介质。

背景技术

计算机视觉技术是利用计算机以及相关设备对生物视觉进行模拟的一种技术，通过对采集的图像或视频进行处理可以获得相应场景的信息，从而模拟生物的观测。目标检测是计算视觉技术的一个重要任务。

目标检测可以应用在多种场景，例如，在医学场景中，可以利用目标检测对医学影像的病灶区域进行识别，对医学影像辅助分析。但是目前目标检测任务中，检测结果的精度较低。

发明内容

本公开提出了一种目标检测技术方案。

根据本公开的一方面，提供了一种目标检测方法，包括：

获取目标图像；利用目标检测网络对所述目标图像进行检测，得到所述目标图像中目标对象的第一检测结果；其中，所述目标检测网络是基于样本图像以及样本图像的监督信息训练得到的，以及所述样本图像的监督信息包括掩膜图。

在本公开实施例中，可以获取待检测的目标图像，利用目标检测网络对目标图像进行检测，得到目标图像中目标对象的第一检测结果。这里，目标检测网络是基于样本图像以及样本图像的监督信息得到的，样本图像的监督信息包括掩膜图，掩膜图可以对样本图像对应的空间信息进行监督，从而由样本图像以及样本图像的监督信息得到的目标检测网络可以保留目标图像的空间信息，提高目标检测网络的检测精度。

在一个或多个可能的实现方式中，所述利用目标检测网络对所述目标图像进行检测，得到所述目标图像中目标对象的第一检测结果，包括：基于所述目标检测网络，确定至少一个第一候选区域；基于所述至少一个第一候选区域的图像特征，得到包括所述目标对象的类别信息和位置信息的第一检测结果。

通过目标检测网络可以确定目标对象可能位于的至少一个第一候选区域，可以针对第一候选区域中可能存在的目标对象进行检测，从而使检测到的目标对象更加全面。

在一个或多个可能的实现方式中，所述方法还包括：通过一神经网络对所述样本图像进行处理，得到所述样本图像中参照对象的第二检测结果和热力图；基于所述第二检测结果、所述热力图以及所述样本图像的监督信息，确定所述神经网络的网络损失，其中，所述热力图用于指示所述参照对象在所述样本图像中的预测位置；基于所述网络损失对所述神经网络的网络参数进行调整，得到训练好的神经网络，其中，所述训练好的神经网络包括所述目标检测网络。

这里，由于神经网络在训练过程中对提供空间信息的热力图进行监督，从而由训练好的神经网络得到的目标检测网络可具有较高的检测精度。

在一个或多个可能的实现方式中，所述神经网络包括检测分支和分割分支；所述通过一神经网络对所述样本图像进行处理，得到所述样本图像中所述参照对象的第二检测结果和热力图，包括：利用所述神经网络对所述样本图像进行特征提取，得到至少一个第二候选区域；将所述至少一个第二候选区域输入所述检测分支，得到所述样本图像中参照对象的第二检测结果；将所述至少一个第二候选区域输入所述分割分支，得到所述参照对象的热力图。

这里，由于神经网络的检测分支和分割分支共享样本图像的图像特征，分割分支可以保留特征空间的结构信息，从而可以提高检测分支的检测精度。分割分支采用放射状的掩膜图进行监督，相比于精细标注对象轮廓的完整掩膜图而言，可以大大减少人工标注成本。

在一个或多个可能的实现方式中，所述将所述至少一个第二候选区域输入所述分割分支，得到所述参照对象的热力图，包括：利用所述分割分支对所述至少一个第二候选区域的第一图像特征进行至少一次反卷积操作和/或至少一次上采样操作，得到所述至少一个第二候选区域的第二图像特征；对所述第二图像特征进行归一化操作，得到所述参照对象的热力图。

这里，热力图可以是由第二特征区域的第二图像特征得到的，第二图像特征相比于第一图像特征而言，在特征尺寸上有所增加，从而更能体现参照对象在样本图像中的位置，从而热力图可以通过图像方式直接呈现参照对应的位置。

在一个或多个可能的实现方式中，所述监督信息还包括参照标注，所述参照标注表示样本图像中参照对象的类别信息和位置信息；所述基于所述第二检测结果、所述热力图以及所述监督信息，确定所述神经网络的网络损失，包括：根据所述第二检测结果与所述参照标注的比对结果，确定所述神经网络的第一损失；根据所述热力图与所述掩膜图的比对结果，确定所述神经网络的第二损失；根据所述第一损失和所述第二损失，得到所述神经网络的网络损失。

通过将掩膜图和参照标注作为神经网络的监督信息，可以对神经网络进行更好的监督，进一步提高神经网络的检测精度。

在一个或多个可能的实现方式中，所述根据所述热力图与所述掩膜图的比对结果，确定所述神经网络的第二损失，包括：根据所述热力图与所述掩膜图在每个像素位置的比对结果，对所述热力图与所述掩膜图在多个像素位置的比对结果进行加权求和，确定所述神经网络的第二损失，其中，一个像素位置的比对结果对应的权重与该像素位置相对于中心像素位置的相对位置关系相关。

在一个或多个可能的实现方式中，所述方法还包括：获取标注有所述参照区域的样本图像，作为标注图像；将所述参照区域设置为第一特征值，将所述标注图像中除所述参照区域之外的非参照区域设置为第二特征值，得到所述掩膜图，其中，所述参照区域中每个像素位置的第一特征值，由每个像素位置与所述中心像素位置的相对位置关系确定。通过为参照区域内不同像素位置设置不同的第一特征值，可以对参照对象的中心进行指示，在减少标注工作量的基础上，通过掩膜图对神经网络进行监督，可以提高得到的目标检测网络的检测精度。

在一个或多个可能的实现方式中，所述方法还包括：根据所述参照区域中每个像素位置与所述中心像素位置的距离，确定所述参照区域中每个像素位置的第一特征值，其中，每个像素位置的第一特征值与所述距离呈负相关。

通过这种方式，掩膜图的参照区域可以呈放射状变化，可以提升目标检测网络的网络精度，针对一些针对目标对象模糊或者靠近图像边缘的目标检测任务，目标检测网络也有很好的检测效果。

根据本公开的一方面，提供了一种目标检测装置，包括：

获取模块，用于获取目标图像；

检测模块，用于利用目标检测网络对所述目标图像进行检测，得到所述目标图像中目标对象的第一检测结果；

其中，所述目标检测网络是基于样本图像以及样本图像的监督信息训练得到的，以及所述样本图像的监督信息包括掩膜图。

在一个或多个可能的实现方式中，所述检测模块，用于基于所述目标检测网络，确定至少一个第一候选区域；基于所述至少一个第一候选区域的图像特征，得到包括所述目标对象的类别信息和位置信息的第一检测结果。

在一个或多个可能的实现方式中，所述装置还包括：训练模块，用于通过一神经网络对所述样本图像进行处理，得到所述样本图像中参照对象的第二检测结果和热力图；基于所述第二检测结果、所述热力图以及所述样本图像的监督信息，确定所述神经网络的网络损失，其中，所述热力图用于指示所述参照对象在所述样本图像中的预测位置；基于所述网络损失对所述神经网络的网络参数进行调整，得到训练好的神经网络，其中，所述训练好的神经网络包括所述目标检测网络。

在一个或多个可能的实现方式中，所述神经网络包括检测分支和分割分支；所述训练模块，用于利用所述神经网络对所述样本图像进行特征提取，得到至少一个第二候选区域；将所述至少一个第二候选区域输入所述检测分支，得到所述样本图像中参照对象的第二检测结果；将所述至少一个第二候选区域输入所述分割分支，得到所述参照对象的热力图。

在一个或多个可能的实现方式中，所述训练模块，用于利用所述分割分支对所述至少一个第二候选区域的第一图像特征进行至少一次反卷积操作和/或至少一次上采样操作，得到所述至少一个第二候选区域的第二图像特征；对所述第二图像特征进行归一化操作，得到所述参照对象的热力图。

在一个或多个可能的实现方式中，所述监督信息还包括参照标注，所述参照标注表示样本图像中参照对象的类别信息和位置信息；所述训练模块，用于根据所述第二检测结果与所述参照标注的比对结果，确定所述神经网络的第一损失；根据所述热力图与所述掩膜图的比对结果，确定所述神经网络的第二损失；根据所述第一损失和所述第二损失，得到所述神经网络的网络损失。

在一个或多个可能的实现方式中，所述训练模块，用于根据所述热力图与所述掩膜图在每个像素位置的比对结果，对所述热力图与所述掩膜图在多个像素位置的比对结果进行加权求和，确定所述神经网络的第二损失，其中，一个像素位置的比对结果对应的权重与该像素位置相对于中心像素位置的相对位置关系相关。

在一个或多个可能的实现方式中，所述训练模块，还用于获取标注有所述参照区域的样本图像，作为标注图像；将所述参照区域设置为第一特征值，将所述标注图像中除所述参照区域之外的非参照区域设置为第二特征值，得到所述掩膜图，其中，所述参照区域中每个像素位置的第一特征值，由每个像素位置与所述中心像素位置的相对位置关系确定。

在一个或多个可能的实现方式中，所述训练模块，还用于根据所述参照区域中每个像素位置与所述中心像素位置的距离，确定所述参照区域中每个像素位置的第一特征值，其中，每个像素位置的第一特征值与所述距离呈负相关。

根据本公开的一方面，提供了一种电子设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：执行上述目标检测方法。

根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述目标检测方法。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。

图1示出根据本公开实施例的目标检测方法的流程图。

图2示出根据本公开实施例目标检测网络的框图图。

图3示出根据本公开实施例的神经网络训练过程的框图。

图4示出根据本公开实施例的目标检测装置的框图。

图5示出根据本公开实施例的电子设备示例的框图。

图6示出根据本公开实施例的电子设备示例的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多个中的任意一种或多个中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。

另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

本公开实施例提供的技术方案可以应用于图像或视频的目标检测、目标识别等应用场景的扩展，本公开实施例对此不做限定。例如，在医疗场景中，可以利用目标检测网络对镜像图像或者造影图像中的病灶区域进行目标检测，从而可以对镜像图像或者造影图像中可能存在的病灶区域进行识别，为用户提供有用信息。

图1示出根据本公开实施例的目标检测方法的流程图。该目标检测方法可以由终端设备、服务器或其它类型的电子设备执行，其中，终端设备可以为用户设备(UserEquipment，UE)、移动设备、用户终端、蜂窝电话、无绳电话、个人数字助理(PersonalDigital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该目标检测方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。下面以电子设备作为执行主体为例对本公开实施例的目标检测方法进行说明。

步骤S11，获取目标图像。

在本公开实施例中，电子设备可以具有图像采集功能，可以对场景进行图像采集，获取待检测的目标图像。或者，电子设备可以从其他设备处获取待检测的目标图像，例如，电子设备可以从摄像设备、监控设备等到设备处获取待检测的目标图像。目标图像可以是等待进行目标检测的图像。一些实现方式中，目标图像可以是视频中的一个图像帧。举例来说，电子设备可以获取待检测的医学影像，例如，获取待检测的内镜图像、造影图像等。

步骤S12，利用目标检测网络对所述目标图像进行检测，得到所述目标图像中目标对象的第一检测结果。

在本公开实施例中，可以利用目标检测网络对目标图像进行检测，如将目标图像输入目标检测网络，利用目标检测网络对目标图像进行图像特征提取，得到目标图像的图像特征，然后可以根据目标图像的图像特征，得到目标图像中目标对象的第一检测结果。目标检测网络可以包括卷积层、池化层、激活层等网络层，可以利用目标检测网络对目标图像的图像特征进行卷积操作、池化操作、激活操作等，得到目标图像中第一检测结果。第一检测结果可以指示目标对象的类别以及在目标图像中的位置。这里，目标图像中可以包括多个目标对象，可以针对多个目标对象的类别和位置分别进行目标检测，得到每个目标对象的第一检测结果。目标检测网络可以是对神经网络训练得到的。

在本公开实施例中，目标检测网络可以是基于样本图像以及样本图像的监督信息训练得到的，例如，可以利用多个样本图像对神经网络进行训练，如将多个样本图像输入神经网络中，得到神经网络输出的各样本图像的第二检测结果，进一步利用样本图像的监督信息对神经网络输出的第二检测结果进行监督，实现对神经网络的训练，训练完成后可以得到目标检测网络。监督信息可以包括掩膜图，掩膜图可以是基于参照区域的多个像素位置与中心像素位置的相对位置关系生成的，其中，参照区域是样本图像中参照对象所在区域，例如，可以根据参照区域的多个像素位置与中心像素位置的相对位置关系，为参照区域的多个像素位置设置特征值，例如，将参考区域的多个像素位置的特征值设置为相应像素位置的像素值、亮度值等，生成样本图像的掩膜图。通过掩膜图中不同像素位置的特征值可以指示参照对象所在区域，从而利用掩膜图对神经网络进行监督，可使由神经网络训练得到的目标检测网络可以保留目标对象在目标图像的位置信息，从而提高目标检测网络的检测精度，提高第一检测结果的准确率。

在一些实现方式中，上述第一检测结果可以包括类别信息和位置信息，从而通过目标检测网络可以确定目标图像中目标对象的类别和位置。其中，类别信息可以指示目标对象的类别，例如，类别信息可以指示目标对象属于背景、人物、车辆、建筑物等类别。位置信息可以指示目标对象的图像位置，例如，位置信息可以包括目标对象的中心位置坐标以及图像尺寸，在一些实现方式中，位置信息也可以包括目标对象的角点位置坐标以及图像尺寸。

这里，在利用目标检测网络对目标图像进行检测，得到目标图像中目标对象的第一检测结果的情况下，可以基于目标检测网络，确定至少一个第一候选区域，再基于至少一个第一候选区域的图像特征，得到包括目标对象的类别信息和位置信息的第一检测结果。一些实现方式中，可以将目标图像输入目标检测网络，利用目标检测网络对目标图像进行特征提取，例如，可以利用目标检测网络对目标图像进行卷积操作、池化操作、特征融合操作等，提取目标图像的图像特征。再根据目标图像的图像特征，可以确定至少一个第一候选区域，例如，可以在图像特征对应的特征图中，随机确定至少一个第一候选区域。第一候选区域可以是目标对象可能位于的特征区域，例如，可以对提取的目标图像的图像特征进一步进行卷积操作等，确定目标对象可能位于的一个或多个第一候选区域。进一步地，可以将至少一个第一候选区域的特征尺寸(即提取的第一候选区域的图像特征的特征尺寸)放缩为第一预设尺寸，例如，将第一候选区域的特征尺寸放缩为7×7×256。然后针对多个第一候选区域的图像特征，可以对每个第一候选区域的图像特征进行多次池化操作和全连接操作，得到每个第一候选区域中目标对象的类别信息和位置信息。一些实现方式中，一些第一候选区域可能交叠或对应同一个目标对象，从而可以进一步对多个第一候选区域的检测结果进行整合，得到目标图像中每个目标对象的类别信息和位置信息。通过目标检测网络可以确定目标对象可能位于的至少一个第一候选区域，可以针对第一候选区域中可能存在的目标对象进行检测，从而使检测到的目标对象更加全面。

举例来说，目标检测网络可以包括特征提取子网络和检测子网络。将目标图像输入目标检测网络，可以利用特征提取子网络可以提取目标图像的图像特征，并由目标图像的图像特征确定至少一个第一候选区域，进一步可以将至少一个第一候选区域转变为第一预设尺寸。进一步地，可以利用检测子网络对多个第一候选区域的图像特征进行多次池化操作、全连接操作，得到目标图像中目标对象的第一检测结果。这里，第一检测结果可以包括目标对象的类别信息和位置信息。

在一些实现方式中，检测子网络还可以包括检测分支和分割分支，图2示出根据本公开实施例的目标检测网络的框图。其中，检测分支可以为上述得到第一检测结果的网络结构，这里不再赘述。分割分支(虚线框所示)可以对目标图像的图像特征进行反卷积操作和/或上采样操作，得到目标对象的热力图。目标对象的热力图可以指示目标对象在目标图像中的图像位置，如，目标对象的热力图中特征值大于0的特征区域可以对应于目标对象所在的图像区域，特征值越大，表示该特征位置对应于目标对象的图像位置的概率越高。目标对象的热力图中特征值最大的特征位置可以对应于目标对象的中心位置。由于检测分支输出的第一检测结果可表示为向量形式，缺少目标对象在目标图像中的空间信息，引入分割分支可以通过热力图提供目标对象在目标图像中的空间信息。

这里，目标检测网络的检测子网络可以仅包括上述检测分支，一些实现方式中，目标检测网络的检测子网络可以包括检测分支和分割分支。

在本公开实施例中，可以利用目标检测网络对目标图像进行目标检测，其中，目标检测网络可以是由神经网络训练得到的。下面通过一个或多个实现方式对得到目标检测网络的训练过程进行说明。

在一个或多个实现方式中，可以通过一神经网络对样本图像进行处理，得到样本图像中参照对象的第二检测结果和热力图。基于参照对象的第二检测结果、热力图以及样本图像的监督信息，可以确定神经网络的网络损失，其中，参照对象的热力图用于指示参照对象在样本图像中的预测位置。基于网络损失对神经网络的网络参数进行调整，得到训练好的神经网络，其中，训练好的神经网络包括目标检测网络。

在本实现方式中，样本图像可以是用于神经网络训练的训练样本，例如，可以获取训练集中的样本图像。每个样本图像具有对应的监督信息，监督信息可以指示参照对象的类别以及在样本图像中的位置信息。将样本图像输入构建的神经网络，利用神经网络对样本图像中的参照对象进行目标检测，例如，可以对样本图像提取图像特征，然后根据样本图像的图像特征可以得到样本图像中参照对象的第二检测结果和热力图。热力图可以用于指示参照对象在样本图像中的预测位置，即，除了得到参照对象的第二检测结果之外，还可以得到指示参照对象在样本图像中预测位置的热力图。然后可以将神经网络得到的第二检测结果和热力图，与样本图像的监督信息进行比对，得到比对结果。根据该比对结果可以确定神经网络的网络损失，并利用确定的网络损失对神经网络的网络参数进行调整，最终可以得到训练好的神经网络。这里，神经网络的网络参数可以是权重参数。在确定神经网络的网路损失的情况下，可以利用一些损失函数计算神经网络的网络损失，例如，可以利用对数损失函数、L1损失函数、交叉熵损失函数等损失函数确定神经网络的网络损失。

这里，神经网络的输出信息可以包括第二检测结果和热力图，由于热力图可以以图像的方式指示参照对象在样本图像中的预测位置，从而训练好的神经网络可以保留样本图像的空间信息。目标检测网络可以包括训练好的神经网络中的一部分，如包括训练好的神经网络中得到第二检测结果的网络部分，由于神经网络中得到第二检测结果的网络部分和得到热力图的网络部分是一起训练的，两个网络部分共享提取的图像特征，从而由训练好的神经网络中得到第二检测结果的网络部分得到的目标检测网络，也可以保留目标图像的空间信息，从而由训练好的神经网络的一部分得到目标检测网络具有较高的检测精度，即，通过这种训练方式得到目标检测网络可以提高目标检测网络的检测精度。

在本实现方式的一个示例中，上述神经网络包括检测分支和分割分支。在将样本图像输入构建的神经网络，得到样本图像中参照对象的第二检测结果和热力图的情况下，可以利用所述神经网络对样本图像进行特征提取，得到至少一个第二候选区域，然后将至少一个第二候选区域输入检测分支，得到样本图像中参照对象的第二检测结果。将至少一个第二候选区域输入分割分支，得到参照对象的热力图。

在本示例中，神经网络可以包括特征提取子网络和检测子网络，其中，检测子网络可以包括检测分支和分割分支。可以利用构建的神经网络的特征提取子网络提取样本图像的图像特征，例如，可以利用特征提取子网络对样本图像进行卷积操作、池化操作、特征融合操作等，提取样本图像的图像特征。进一步根据样本图像的图像特征，可以选取至少一个第二候选区域。第二候选区域可以是参照对象可能位于的特征区域，例如，可以在提取的样本图像的图像特征的特征图中随机选取参照对象可能位于的一个或多个第二候选区域。进一步地，可以将至少一个第二候选区域输入检测分支，由检测分支得到样本图像中参照对象的第二检测结果，第二检测结果可以包括类别信息和位置信息，并可以将至少一个第二候选区域输入分割分支，由分割分支得到参照对象的热力图。

这里，由于神经网络的输出信息包括第二检测结果和热力图，输出第二检测结果和热力图可以是不同的网络分支。由于热力图可以以图像的方式指示参照对象在样本图像中的预测位置，从而训练好的神经网络可以保留样本图像的空间信息。目标检测网络可以包括部分训练好的神经网络，由于第二检测结果和热力图均可以指示参照对象在样本图像中的图像位置，其中，第二检测结果以数值的方式指示参照对象在样本图像中的图像位置，热力图以图像的方式指示参照对象在样本图像中的图像位置，从而可以选择输出第二检测结果或热力图的网络分支生成目标检测网络，例如，可以选择训练好的神经网络的检测分支作为目标检测网络。即使目标检测网络与训练好的神经网络并不完全相同，由于两个网络分支的输出是基于相同的图像特征(上述特征提取子网络提取的图像特征)得到的，一个网络分支会提高另一个网络分支检测的精度，由其中一个网络分支得到目标检测网络也同样具有较高的检测精度，即，通过这种方式得到目标检测网络可以提高目标检测网络的检测精度。

在本实现方式的一个示例中，可以利用分割分支对所述至少一个第二候选区域的第一图像特征进行至少一次卷积操作和/或至少一次上采样操作，得到至少一个第二候选区域的第二图像特征，然后可以对第二图像特征进行归一化操作，得到参照对象的热力图。

在本示例中，分割分支可以将至少一个第二候选区域的特征尺寸(即提取的第二候选区域的图像特征的特征尺寸)放缩为第二预设尺寸，第二预设尺寸与第一预设尺寸可以不同，也可以相同。例如，将第二候选区域的特征尺寸放缩为14×14×256，得到第二候选区域的第一图像特征。然后针对多个第二候选区域的第一图像特征，可以对每个第二候选区域的第一图像特征进行至少一次反卷积操作和/或至少一次上采样操作，进一步增加第二候选区域的特征尺寸，得到每个第二候选区域的第二图像特征。进一步对第二候选区域的第二图像特征进行归一化操作，例如，对第二图像特征进行softmax操作，可以得到第二候选区域对应的热力图。热力图可以是由第二特征区域的第二图像特征得到的，第二图像特征相比于第一图像特征而言，在特征尺寸上有所增加，从而更能体现参照对象在样本图像中的位置，从而热力图可以通过图像方式直接呈现参照对应的位置。

在本实现方式的一个示例中，上述监督信息除了包括掩膜图之外，还可以包括参照标注，参照标注表示样本图像中参照对象的类别信息和位置信息。这里，参照标注和掩膜图可以是根据参照对象的实际类别以及参照对象在样本图像中的实际位置得到的，可认为是准确的，从而可以将参照标注和掩膜图作为神经网络的监督信息，对神经网络进行更好的监督，提高神经网络的检测精度。

在确定神经网络的网络损失的情况下，可以将检测分支的输出和分割分支的输出分别与相应的监督信息比对，即，将检测分支得到的第二检测结果与标注信息的参照标注进行比对，得到第二检测结果与参照标注的比对结果，将分割分支得到的热力图与监督信息的掩膜图进行比对，得到热力图与掩膜图的比对结果。这里，第二检测结果可以包括参照对象的类别信息和位置信息，在将第二检测结果与标注信息的参照标注进行比对的情况下，可以将第二检测结果的类别信息与标注信息的类别信息进行比对，将第二检测结果的位置信息与标注信息的位置信息进行比对。然后可以将第二检测结果的类别信息与标注信息的类别信息的比对结果和第二检测结果的位置信息与标注信息的位置信息的比对结果进行综合，例如，将两个比对结果进行相加，从而可以确定神经网络的第一损失。相应地，根据热力图与掩膜图的比对结果，可以确定神经网络的第二损失。然后可以将第一损失和第二损失进行相加，或者，可以将第一损失和第二损失按比例进行相加，可以得到神经网络的网络损失。这里，第二检测结果的类别信息与标注信息的类别信息的比对结果、第二检测结果的位置信息与标注信息的位置信息的比对结果、热力图与掩膜图的比对结果，均可以通过一定的计算方式进行确定，例如，使用特定的损失函数。确定神经网络的第一损失所使用的损失函数可以与确定神经网络的第二损失所使用的损失函数不同。

在本示例中，可以利用监督信息包括的参照标注和掩膜图分别对神经网络输出的第二检测结果和热力图进行监督，掩膜图可以通过图像的方式指示参照对象在样本图像中的位置，从而通过掩膜图和参照标注得到的网络损失更加有利于神经网络的训练，可以提高神经网络的检测精度。

在本公开实施例中，可以根据热力图与掩膜图的比对结果，确定神经网络的第二损失，从而可以利用掩膜图对神经网络输出的热力图进行约束。在一些实现方式中，在确定神经网络的第二损失的情况下，可以根据热力图与掩膜图在每个像素位置的比对结果，对热力图与掩膜图在多个像素位置的比对结果进行加权求和，确定神经网络的第二损失，其中，一个像素位置的比对结果对应的权重与该像素位置相对于所述中心像素位置的相对位置关系相关。

在本公开实施例中，热力图和掩膜图可以具有相同的图像尺寸，从而可以在每个像素位置将热力图的特征值和掩膜图的特征值进行比对，得到各个像素位置的比对结果。其中，热力图和掩膜图在每个像素位置的特征值可以是像素值、灰度值等。在得到各个像素位置的比对结果之后，可以确定各个像素位置的比对结果对应的权重。这里，可以根据一个像素位置相对于中心像素位置的相对位置关系确定该像素位置的比对结果对应的权重，例如，可以根据一个像素位置与中心像素位置之间的距离确定该像素位置的比对结果对应的权重，距离越大，该像素位置的比对结果对应的权重越小，即，一个像素位置的比对结果对应的权重，可以与该像素位置与中心像素位置之间的距离呈反比。其中，中心像素位置可以是参照对象所在的中心位置，从而可以为中心像素位置的比对结果设置最大的权重。通过热力图与掩膜图在多个像素位置的比对结果进行加权求和得到的第二损失，可以使得到的目标检测网络保留更多的空间结构信息，减少漏检情况，条目标检测的精度。

在本公开实施例中，可以利用指示参照对象在样本图像中位置的掩膜图对神经网络进行训练，从而使得到的目标检测网络可以保留目标图像的空间结构信息，提高目标检测的精度。下面通过一个实现方式对掩膜图的获取过程进行说明。

在一个可能的实现方式中，可以获取标注有参照区域的样本图像，作为标注图像，然后将参照区域设置为第一特征值，将标注图像中除参照区域之外的非参照区域设置为第二特征值，得到所述掩膜图。其中，参照区域中每个像素位置的第一特征值，由每个像素位置与中心像素位置的相对位置关系确定。

在本实现方式中，可以将标注有参照区域的样本图像作为样本图像的标注图像，参照区域可以是参照对象所在的图像区域。这里，可以通过预设图形对参照区域进行标注，例如，可以通过圆形、椭圆形等预设图形对参照区域进行标注。将预设图形作为标注与将参照对象的轮廓作为标注相比，预设图形的精细程度较低，从而将预设图形作为标注可以减少标注的工作量。进一步地，可以将标注图像的参照区域中的各个像素位置设置为第一特征值，并将标注图像中除参照区域之外的非参照区域中的各个像素位置设置为第二特征值，得到掩膜图。其中，第一特征值与第二特征值不同，从而可以通过掩膜图中各个像素位置对应的特征值，对参照对象所在的参照区域以及参照区域之外的非参照区域进行区别。这里，第二特征值可以为固定值，即，非参照区域的特征值可以一致。参照区域中每个像素位置的第一特征值，可以由每个像素位置与中心像素位置的相对位置关系确定，即，参照区域内不同像素位置的特征值可以不同。通过为参照区域内不同像素位置设置不同的第一特征值，可以对参照对象的中心进行指示，在减少标注工作量的基础上，通过掩膜图对神经网络进行监督，可以提高得到的目标检测网络的检测精度。

在本实现方式的一个示例中，可以根据参照区域中每个像素位置与中心像素位置的距离，确定参照区域中每个像素位置的第一特征值，例如，可以计算一个像素位置与中心像素位置的余弦距离或欧式距离，根据该像素位置与中心像素位置的余弦距离或欧式距离，确定该像素位置的第一特征值。其中，每个像素位置的第一特征值与距离呈负相关，即一个像素位置离中心像素位置的距离越小，该像素位置的第一特征值可以越大，一个像素位置离中心像素位置的距离越大，该像素位置的第一特征值可以越小。举例来说，如果一个像素位置是中心像素位置，则可以将该像素位置的第一特征值设置为1，如果一个像素位置是参照区域的边缘像素位置，则可以将该像素位置的第一特征值设置为0。通过各个像素位置与中心像素位置之间的距离可以确定参照区域中各个像素位置的第一特征值，从而掩膜图的参照区域可以呈放射状变化，可以提升目标检测网络的网络精度，针对一些针对目标对象模糊或者靠近图像边缘的目标检测任务，目标检测网络也就有很好的检测效果。

本公开实施例中，可以基于掩膜图对神经网络进行监督，从而得到训练完成的神经网络。下面通过一个示例对神经网络的训练过程进行说明。图3示出根据本公开实施例的神经网络训练过程的框图。

在一个示例中，以样本图像是内镜视频中的图像帧，利用构建的神经网络检测样本图像中的病灶检测为例阐述本示例的训练过程。构建的神经网络可以包括特征提取子网络和检测子网络，其中，检测子网络包括检测分支和分割分支。将样本图像输入构建的神经网络中，首先，可以利用特征提取子网络提取样本图像的图像特征，然后根据样本图像的图像特征确定至少一个第二候选区域，进一步可以将至少一个第二候选区域输入检测分支，利用检测分支将至少一个第二候选区域的特征尺寸转变为7×7×256，然后利用检测分支对第二候选区域的图像特征进行多次池化操作和全连接操作，可以得到第二检测结果。相应地，可以将至少一个第二候选区域输入分割分支，利用分割分支将至少一个第二候选区域的特征尺寸转变为14×14×256，然后利用分割分支对第二候选区域的图像特征进行卷积操作和上采样操作，第二候选区域的特征尺寸由14×14×256扩大至28×28×256，再经过softmax操作可以得到第二候选区域对应的热力图。然后可以利用样本图像的监督信息对神经网络进行监督。其中，检测分支的监督过程可以为：计算第二检测结果与参照标注的第一损失，利用第一损失对检测分支进行监督。分割分支的监督过程可以为：计算热力图与放射状的掩膜图的交叉熵损失(第二损失)，利用该交叉熵损失对分割分支进行监督。

目标检测网络可以包括上述神经网络除分割分支之外的其他网络结构。由于神经网络的检测分支和分割分支共享样本图像的图像特征(特征提取子网络输出的图像特征)，分割分支可以保留特征空间的结构信息，从而可以提高检测分支的检测精度。其中，分割分支采用放射状的掩膜图进行监督，相比于精细标注对象轮廓的完整掩膜图而言，可以大大减少人工标注成本。

可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。

此外，本公开还提供了装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种目标检测方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。

本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

图4示出根据本公开实施例的目标检测装置的框图，如图4所示，所述装置包括：

获取模块31，用于获取目标图像；

检测模块32，用于利用目标检测网络对所述目标图像进行检测，得到所述目标图像中目标对象的第一检测结果；

其中，所述目标检测网络是基于样本图像以及样本图像的监督信息训练得到的，以及所述样本图像的监督信息包括掩膜图。

在一个或多个可能的实现方式中，所述检测模块31，用于基于所述目标检测网络，确定至少一个第一候选区域；基于所述至少一个第一候选区域的图像特征，得到包括所述目标对象的类别信息和位置信息的第一检测结果。

在一个或多个可能的实现方式中，所述装置还包括：训练模块，用于通过一神经网络对所述样本图像进行处理，得到所述样本图像中参照对象的第二检测结果和热力图；基于所述第二检测结果、所述热力图以及所述样本图像的监督信息，确定所述神经网络的网络损失，其中，所述热力图用于指示所述参照对象在所述样本图像中的预测位置；基于所述网络损失对所述神经网络的网络参数进行调整，得到训练好的神经网络，其中，所述训练好的神经网络包括所述目标检测网络。

在一个或多个可能的实现方式中，所述神经网络包括检测分支和分割分支；所述训练模块，用于利用所述神经网络对所述样本图像进行特征提取，得到至少一个第二候选区域；将所述至少一个第二候选区域输入所述检测分支，得到所述样本图像中参照对象的第二检测结果；将所述至少一个第二候选区域输入所述分割分支，得到所述参照对象的热力图。

在一个或多个可能的实现方式中，所述训练模块，用于利用所述分割分支对所述至少一个第二候选区域的第一图像特征进行至少一次反卷积操作和/或至少一次上采样操作，得到所述至少一个第二候选区域的第二图像特征；对所述第二图像特征进行归一化操作，得到所述参照对象的热力图。

在一个或多个可能的实现方式中，所述监督信息还包括参照标注，所述参照标注表示样本图像中参照对象的类别信息和位置信息；所述训练模块，用于根据所述第二检测结果与所述参照标注的比对结果，确定所述神经网络的第一损失；根据所述热力图与所述掩膜图的比对结果，确定所述神经网络的第二损失；根据所述第一损失和所述第二损失，得到所述神经网络的网络损失。

在一个或多个可能的实现方式中，所述训练模块，用于根据所述热力图与所述掩膜图在每个像素位置的比对结果，对所述热力图与所述掩膜图在多个像素位置的比对结果进行加权求和，确定所述神经网络的第二损失，其中，一个像素位置的比对结果对应的权重与该像素位置相对于中心像素位置的相对位置关系相关。

在一个或多个可能的实现方式中，所述训练模块，还用于获取标注有所述参照区域的样本图像，作为标注图像；将所述参照区域设置为第一特征值，将所述标注图像中除所述参照区域之外的非参照区域设置为第二特征值，得到所述掩膜图，其中，所述参照区域中每个像素位置的第一特征值，由每个像素位置与所述中心像素位置的相对位置关系确定。

在一个或多个可能的实现方式中，所述训练模块，还用于根据所述参照区域中每个像素位置与所述中心像素位置的距离，确定所述参照区域中每个像素位置的第一特征值，其中，每个像素位置的第一特征值与所述距离呈负相关。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

图5是根据一示例性实施例示出的一种用于观测行为控制的装置800的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图5，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由装置800的处理器820执行以完成上述方法。

本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为上述方法。

电子设备可以被提供为终端、服务器或其它形态的设备。

图6是根据一示例性实施例示出的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图6，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。

电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如微软服务器操作系统(Windows Server

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多个编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。