[发明专利]利用多任务目标检测模型执行目标检测的方法和系统

说明书

提供了一种利用多任务目标检测模型执行目标检测的方法和系统。此外提供了一种训练多任务目标检测模型的方法和系统。所述训练多任务目标检测模型的方法包括：获取包含标注信息的训练图像；利用第一子模型基于训练图像获得目标的初始预测信息并获得初始预测目标图像；基于标注信息、初始预测信息和初始预测目标图像来训练第二子模型并利用训练完毕的第二子模型获得目标的调整信息和调整目标图像；针对第i子模型，基于标注信息和利用训练完毕的第(i‑1)子模型获得的调整信息和调整目标图像来训练第i子模型，其中，i为大于2且小于或等于n的任一整数，其中，第二子模型至第n子模型中的每个子模型为一个针对所述多任务的基于深度学习的神经网络。

技术领域

本发明总体说来涉及计算机视觉领域，更具体地讲，涉及一种利用能够执行目标分类检测任务、目标边框检测任务和目标关键点检测任务的多任务目标检测模型执行目标检测的方法和系统、以及用于训练多任务目标检测模型的方法和系统。

背景技术

在计算机视觉技术中，目标检测(Object detection)是指对于任意一幅给定的图像，检测并识别其中的特定目标(例如，人脸等)，并输出特定目标的位置、大小等信息(例如，特定目标的边框信息)。目标检测作为一个热门研究课题近年来取得了很大进展，其在人脸识别、安全监控以及动态跟踪等众多领域中都具有广泛的应用前景。

作为目标检测的后续任务，目标关键点定位(Object landmark localization)是指在检测到特定目标后，定位出特定目标的关键点的位置，并输出特定目标的关键点的位置信息。目标关键点定位在诸如目标属性分析、姿态识别、姿态矫正等众多领域具有非常重要的实际应用价值，是进一步进行目标属性识别和建模的基础。

然而，目标检测和目标关键点定位这两个任务在无约束场景下充满挑战，其性能常受到光照、姿态、遮挡等因素的影响。现有技术通常将两者分开来做，忽略了这两个任务之间的潜在联系，无法在无约束场景下有效地克服目标检测和目标关键点定位的准确性问题。

下面以人脸关键点定位为例进行介绍。人脸关键点定位按参数划分大致分为两种，即，参数方法和非参数方法。参数模型的方法可分为基于局部模型和基于全局模型的方法，如ASM和AAM，通过局部或全局信息建立初始模型，然后进行模型匹配，这种方法对形状的初始化有较高的要求，容易陷入局部最优。基于非参数的方法可以分为基于样例的方法、基于图模型的方法、基于级联回归的方法(CPR)和基于深度学习的方法(DCNN，TCNN,MTCNN)。近年来，最为流行的是基于深度学习的方法。

基于深度学习的方法主要借助于卷积神经网络(CNN)更高层更抽象的特征表达能力来获取更为精确的关键点位置。深度卷积神经网络(DCNN)基于卷积神经网络提出了一种包含三个阶段的级联模型，由粗到精逐步精确关键点的位置。改进卷积神经网络(TCNN)将多任务学习应用到关键点检测中，在进行关键点检测的同时引入辅助信息如姿态，遮挡等。然而，DCNN和TCNN两个模型的共同缺点在于无法处理无约束场景下的目标检测和目标关键点定位。此外，多任务卷积神经网络(MTCNN)联合人脸检测和关键点检测，提出了一种多任务级联的关键点检测模型，然而其缺点在于无法在无约束场景下有效地克服目标检测和目标关键点定位的准确性问题。

发明内容

本发明的示例性实施例旨在克服现有技术中无法在无约束场景下有效地克服目标检测和目标关键点定位的准确性问题的缺陷。