[发明专利]目标检测方法、装置和系统

说明书

本申请公开了一种目标检测方法、装置和系统，涉及计算机视觉领域。该方法包括：在获取到包括待检测对象的图像后，利用目标检测网络池中的第一目标检测网络对图像进行目标检测，得到检测结果。由于第一目标检测网络用于对包括第一类特征的图像进行目标检测，利用适于检测包括第一类特征的图像的第一目标检测网络，对包括第一类特征的图像进行目标检测，使得第一目标检测网络对第一类特征的检测结果优于目标检测网络池中其他目标检测网络的检测结果，从而，提升了检测结果的精度和速度。目标检测网络池包括至少两个目标检测网络。第一目标检测网络为目标检测网络池中任意一个目标检测网络。

技术领域

本申请涉及计算机视觉领域，尤其涉及一种目标检测方法、装置和系统。

背景技术

目标检测(object detection)是一种从图像中找出感兴趣的目标的技术。目标检测包括检测目标位置和识别目标类别。目前，主要利用单阶段(one stage)目标检测算法进行目标检测。例如，通过设计的神经网络实现利用单阶段目标检测算法进行目标检测的功能。但是，基于一种神经网络对不同场景图像，或者不同特征的图像进行目标检测，由于不同图像的特征不同，如果采用一种神经网络对不同特征的图像进行目标检测，无法确保目标检测的精度和速度。因此，如何提供一种确保目标检测的精度和速度的目标检测方法成为亟待解决的问题。

发明内容

本申请提供了目标检测方法、装置和系统，由此来提高对图像进行目标检测的精度和速度。

第一方面，本申请提供了一种目标检测方法，该方法可以由系统执行，该系统包括执行设备，具体包括如下步骤：执行设备获取到包括待检测对象的图像后，利用目标检测网络池中的第一目标检测网络对图像进行目标检测，得到检测结果。其中，第一目标检测网络用于对包括第一类特征的图像进行目标检测，第一目标检测网络对第一类特征的检测结果优于目标检测网络池中其他目标检测网络的检测结果。目标检测网络池包括至少两个目标检测网络。第一目标检测网络为目标检测网络池中任意一个目标检测网络。

如此，利用适于检测包括第一类特征的图像的第一目标检测网络，对包括第一类特征的图像进行目标检测，使得第一目标检测网络对第一类特征的检测结果优于目标检测网络池中其他目标检测网络的检测结果，从而，提升了检测结果的精度和速度。

其中，第一类特征包括场景特征、图像清晰度特征和图像类别特征中至少一个。

在一种可能的实现方式中，执行设备根据图像的特征从目标检测网络池中选择第一目标检测网络，图像的特征是与第一类特征相似的特征。从而，使得执行设备可以利用第一目标检测网络对包括与第一类特征相似的特征的图像进行目标检测，来提升了检测结果的精度和速度。

在另一种可能的实现方式中，在利用目标检测网络池中的第一目标检测网络对图像进行目标检测，得到检测结果之前，方法还包括：执行设备根据包括第一类特征的测试图像确定超网络中多个子网络的评价值，根据多个子网络的评价值从多个子网络中确定第一目标检测网络。评价值用于指示子网络对测试图像进行目标检测的精度。超网络包括N层网络层，每层网络层包括至少一个神经网络单元。子网络是超网络中对测试图像进行目标检测的一条路径，子网络包括N层网络层，每层网络层包括一个神经网络单元，N为正整数。

从而，在执行设备上实时运行从超网络中采样的子网络对包含特定特征的测试图像进行目标检测，针对特定特征选择目标检测网络，使得执行设备在对包含特定特征的图像进行目标检测时，选择适于检测包含特定特征的图像的目标检测网络，对包含特定特征的图像进行目标检测，来提升了检测结果的精度和速度。

在一种可能的实现方式中，根据多个子网络的评价值从多个子网络中确定第一目标检测网络，包括：在约束条件下，执行设备根据多个子网络的评价值从多个子网络中确定第一目标检测网络。约束条件为第一计算资源运行子网络对测试图像进行目标检测的推理时长小于预设时长。从而，在确保目标检测的推理时长的前提下，选择检测精度较优的目标检测网络，实现对图像进行目标检测提升检测结果的精度和速度的目的。