技术特征：
1.一种目标检测方法，其特征在于，所述方法包括：获取第一图像；利用图与卷积神经网络融合算法提取所述第一图像的图像特征；利用超像素提取算法将所述图像特征划分为p个超像素，p为大于1的整数；将所述p个超像素输入到transformer模型中进行运算，得到目标检测结果。2.根据权利要求1所述的方法，其特征在于，所述利用超像素提取算法将所述图像特征划分为p个超像素，包括：通过使用面向卷积的边界算法获取所述图像特征的超像素区域，得到a个超像素区域，a为大于或等于p的整数；对所述a个超像素区域进行前景提取，得到a个前景超像素区域；对所述a个前景超像素区域进行筛选，得到p个前景超像素区域；对所述p个前景超像素区域进行编码，得到所述p个超像素，每一超像素对应一个位置编码。3.根据权利要求2所述的方法，其特征在于，所述对所述a个前景超像素区域进行筛选，得到p个前景超像素区域，包括：确定前景超像素区域i的前景面积占比，所述超像素区域i为所述a个超像素区域中的任一超像素区域，该前景面积占比为所述超像素区域i的前景区域的面积与该超像素区域i的区域面积之间的比值；在所述前景面积占比大于预设阈值时，保留所述超像素区域i；在所述前景面积占比小于或等于所述预设阈值时，过滤所述超像素区域i。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：确定所述a个超像素区域中每一超像素区域的前景面积占比，得到a个前景面积占比；从所述a个前景面积占比中选取小于设定值的前景面积占比，得到b个前景面积占比；确定所述b个前景面积占比的均值；确定所述均值与所述设定值之间的目标差值；根据所述目标差值调节所述设定值，得到所述预设阈值。5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：获取样本集，该样本集包括至少一个样本图像；采用所述图与卷积神经网络融合算法对所述样本集进行特征提取，得到m个图像特征，m为大于1的整数；根据所述样本集确定q个超像素区域，q为大于1的整数；将所述q个超像素区域映射到所述m个图像特征上，得到k个超像素区域的特征，k为大于1的整数；将所述k个超像素区域的特征进行位置编码，得到编码后的所述k个超像素区域的特征；将编码后的所述k个超像素区域的特征输入到所述transformer模型进行训练，直到达到预设条件。6.一种目标检测装置，其特征在于，所述装置包括：获取单元、提取单元、划分单元和运算单元，其中，
所述获取单元，用于获取第一图像；所述提取单元，用于利用图与卷积神经网络融合算法提取所述第一图像的图像特征；所述划分单元，用于利用超像素提取算法将所述图像特征划分为p个超像素，p为大于1的整数；所述运算单元，用于将所述p个超像素输入到transformer模型中进行运算，得到目标检测结果。7.根据权利要求6所述的装置，其特征在于，在所述利用超像素提取算法将所述图像特征划分为p个超像素方面，所述划分单元具体用于：通过使用面向卷积的边界算法获取所述图像特征的超像素区域，得到a个超像素区域，a为大于或等于p的整数；对所述a个超像素区域进行前景提取，得到a个前景超像素区域；对所述a个前景超像素区域进行筛选，得到p个前景超像素区域；对所述p个前景超像素区域进行编码，得到所述p个超像素，每一超像素对应一个位置编码。8.根据权利要求7所述的装置，其特征在于，在所述对所述a个前景超像素区域进行筛选，得到p个前景超像素区域方面，所述划分单元具体用于：确定前景超像素区域i的前景面积占比，所述超像素区域i为所述a个超像素区域中的任一超像素区域，该前景面积占比为所述超像素区域i的前景区域的面积与该超像素区域i的区域面积之间的比值；在所述前景面积占比大于预设阈值时，保留所述超像素区域i；在所述前景面积占比小于或等于所述预设阈值时，过滤所述超像素区域i。9.一种电子设备，其特征在于，包括处理器、存储器，所述存储器用于存储一个或多个程序，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求1-5任一项所述的方法中的步骤的指令。10.一种计算机可读存储介质，其特征在于，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-5任一项所述的方法。
技术总结
本申请实施例公开了一种目标检测方法及相关设备，方法包括：获取第一图像；利用图与卷积神经网络融合算法提取所述第一图像的图像特征；利用超像素提取算法将所述图像特征划分为P个超像素，P为大于1的整数；将所述P个超像素输入到transformer模型中进行运算，得到目标检测结果。采用本申请实施例能够提升目标检测精度。测精度。测精度。
技术研发人员：施宏恩 梅术正 范艳 吴伟华
受保护的技术使用者：深圳市华尊科技股份有限公司
技术研发日：2021.12.22
技术公布日：2022/4/5