[发明专利]一种物体检测器构建、物体检测方法及系统

权利要求书

1.一种物体检测器构建方法，其特征在于，包括：

构建主干网络的搜索空间，所述主干网络用于提取物体特征，主干网络的搜索空间包括:多层卷积模块单元，在预设位置的卷积模块单元进行下采样，并在下采样的卷积模块单元增加一倍或多倍的滤波器数量，进行下采样单元称为缩减单元，其他单元称为常规单元；

构建头部网络的搜索空间，所述头部网络用于物体的识别检测，所述头部网络搜索空间包括多层卷积模块单元，其中的第一个常规单元放置在第一个分类器之前，第二个缩减单元负责连接主干网络与级联结构，其余单元依次放置在后续的分类器之前；

对主干网络和头部网络进行松弛化处理，包括：通过增加一路径权重得到松弛化表达的来近似每个中间节点的操作O_j→i：

其中，为路径权重由结构参数归一化得到，为输出特征；

分配不同的结构参数α给常规单元和缩减单元并使用随机梯度下降优化结构参数α和网络权重ω；

设置权衡系数λ控制模型精度和网络延迟的权衡，并将其合并到最终的损失函数L；

当网络收敛后，根据结构参数α选择两个最可能用于每个中间节点的操作来得到离散化的网络结构；

利用随机梯度下降的方法对松弛化处理后的主干网络和头部网络执行网络结构搜索操作，学习重构其拓扑连接和子网络，得到主干网络和头部网络组成的物体检测器。

2.根据权利要求1所述的物体检测器构建方法，其特征在于，所述主干网络的搜索空间的每个多层卷积模块单元由N个节点组成，其中前两个节点是输入节点，对于N-3个中间节点，第n个节点将来自前面节点的n+1个输入特征图映射到输出特征图，最后一个输出节点将来自中间节点的输出特征图拼接得到当前模块单元的输出。

3.根据权利要求1所述的物体检测器构建方法，其特征在于，所述头部网络的搜索空间的每个多层卷积模块单元由N个节点组成，其中前两个节点是输入节点，对于N-3个中间节点，第n个节点将来自前面节点的n+1个输入特征图映射到输出特征图，最后一个输出节点将来自中间节点的输出特征图拼接并进行卷积后得到当前模块单元的输出。

4.根据权利要求1所述的物体检测器构建方法，其特征在于，主干网络的搜索空间和头部网络的搜索空间操作包括：不同尺度的深度可分卷积、不同尺度的卷积、不同尺度的膨胀卷积、无连接操作以及同等映射连接。

5.根据权利要求1所述的物体检测器构建方法，其特征在于，主干网络的损失函数L1为：

L1＝L_conf1+L_loc1+λ₁E1[latency]，

头部网络的损失函数为L2：

L2＝L_conf2+L_loc2+λ₁E2[latency]，

当主干网络和头部网络同时进行松弛化处理时，总的损失函数L为：

L＝L1+L2，

其中，L_conf1、L_conf2分别对应网络的为识别框类别概率，L_loc1、L_loc2为对应网络的识别框位置概率，E1[latency]、E2[latency]为对应网络的延迟，λ₁、λ₁为对应网络的权衡系数。

6.一种物体检测方法，其特征在于，包括；

对权利要求1-5任一所述的物体检测器构建方法得到的物体检测器进行训练；

利用训练好的物体检测器对目标物体进行检测。