技術(shù)特征：

1.一種目標(biāo)檢測(cè)方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述目標(biāo)檢測(cè)模型基于yolo目標(biāo)檢測(cè)模型構(gòu)建；所述yolo目標(biāo)檢測(cè)模型包括：特征提取網(wǎng)絡(luò)、所述通道融合空間注意力機(jī)制的特征融合網(wǎng)絡(luò)和檢測(cè)頭；

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述特征提取網(wǎng)絡(luò)包括第一跨階段局部結(jié)構(gòu)和第二跨階段局部結(jié)構(gòu)；所述基于所述特征提取網(wǎng)絡(luò)，提取所述目標(biāo)圖像在不同尺度的特征圖，包括：

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述基于所述通道融合空間注意力機(jī)制的特征融合網(wǎng)絡(luò)，將所述目標(biāo)圖像在不同尺度的特征圖進(jìn)行融合，得到目標(biāo)特征圖，包括：

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述確定所述聚合特征圖的通道注意力權(quán)重，包括：

7.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述確定所述聚合特征圖的空間注意力權(quán)重，包括：

8.一種目標(biāo)檢測(cè)裝置，其特征在于，所述裝置包括：獲取模塊和處理模塊；

9.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述裝置還包括：劃分模塊和訓(xùn)練模塊；

10.一種車(chē)輛，其特征在于，包括：

11.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，當(dāng)所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)的計(jì)算機(jī)執(zhí)行指令由車(chē)輛的處理器執(zhí)行時(shí)，所述車(chē)輛能夠執(zhí)行如權(quán)利要求1至7中任一項(xiàng)所述的方法。

12.一種計(jì)算機(jī)程序產(chǎn)品，其特征在于，所述計(jì)算機(jī)程序產(chǎn)品包括計(jì)算機(jī)指令，當(dāng)所述計(jì)算機(jī)指令在車(chē)輛上運(yùn)行時(shí)，使得所述車(chē)輛執(zhí)行如權(quán)利要求1至7中任一項(xiàng)所述的方法。

技術(shù)總結(jié)
本申請(qǐng)涉及一種目標(biāo)檢測(cè)方法、裝置、車(chē)輛及存儲(chǔ)介質(zhì)，涉及計(jì)算機(jī)技術(shù)領(lǐng)域。該方法包括：獲取待檢測(cè)的目標(biāo)圖像；目標(biāo)圖像包括多個(gè)待檢測(cè)的目標(biāo)對(duì)象；將目標(biāo)圖像輸入目標(biāo)檢測(cè)模型，得到目標(biāo)圖像的檢測(cè)結(jié)果；目標(biāo)檢測(cè)模型包括通道融合空間注意力機(jī)制的特征融合網(wǎng)絡(luò)；檢測(cè)結(jié)果包括多個(gè)邊界框和多個(gè)標(biāo)簽；邊界框用于標(biāo)記多個(gè)目標(biāo)對(duì)象在目標(biāo)圖像中的位置；標(biāo)簽用于表征邊界框的多個(gè)目標(biāo)對(duì)象的類(lèi)別。由此，目標(biāo)檢測(cè)模型可以基于通道融合空間注意力機(jī)制，更準(zhǔn)確地捕獲目標(biāo)圖像中的小目標(biāo)對(duì)象和遮擋的目標(biāo)對(duì)象的特征，并更有效地融合目標(biāo)圖像中各個(gè)目標(biāo)對(duì)象在不同層級(jí)的特征，提高了目標(biāo)檢測(cè)的精度。

技術(shù)研發(fā)人員：李俊北,周維科,高斯雄
受保護(hù)的技術(shù)使用者：重慶長(zhǎng)安科技有限責(zé)任公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19