[发明专利]多任务目标检测方法、电子设备、介质及车辆

说明书

本发明涉及自动驾驶技术领域，具体提供一种多任务目标检测方法、电子设备、介质及车辆，旨在解决现有的多任务检测方法检测精度或者检测效果较低的技术问题。为此目的，本发明的多任务目标检测方法包括：获取车载传感器采集的图像；将图像输入多尺度特征提取网络，提取多尺度特征；将多尺度特征输入多尺度特征融合网络，得到融合特征，其中多尺度特征融合网络包括多条最佳融合路径，每条最佳融合路径对应多任务中的一种任务；将从每条最佳融合路径输出的融合特征分别输入对应的检测头，得到检测结果，其中每个检测头能够检测多任务中的一种任务。如此，提高了多任务目标的检测精度。

技术领域

本发明涉及自动驾驶技术领域，具体提供一种多任务目标检测方法、电子设备、介质及车辆。

背景技术

目前，传统的车辆自动驾驶中的多任务检测通常采用神经网络模型实现，但是多个任务的检测共享神经网络时，会显著降低检测效果。现有技术中部分是在针对每个任务独立划分一个主干网络，如此，导致多任务目标的检测效率较低，检测精度也难以满足实际需求。

相应地，本领域需要一种新的多任务目标检测方案来解决上述问题。

发明内容

为了克服上述缺陷，提出了本发明，以提供解决或至少部分地解决现有的多任务检测方法检测精度或者检测效果较低的技术问题。本发明提供了一种多任务目标检测方法、电子设备、介质及车辆。

在第一方面，本发明提供一种多任务目标检测方法，包括：获取车载传感器采集的图像；将所述图像输入多尺度特征提取网络，提取多尺度特征；将所述多尺度特征输入多尺度特征融合网络，得到融合特征，其中所述多尺度特征融合网络包括多条最佳融合路径，每条最佳融合路径对应所述多任务中的一种任务；将从每条最佳融合路径输出的融合特征分别输入对应的检测头，得到检测结果，其中每个检测头能够检测所述多任务中的一种任务。

在一个实施方式中，还包括：构建由多尺度特征提取网络、特征金字塔单元以及多个检测头构成的目标检测网络，其中所述特征金字塔单元包括N个特征金字塔网络，每个特征金字塔网络包括M个特征提取层，其中第n个特征金字塔网络的第m层到第m+1层的连接是对特征进行上采样操作，第n个特征金字塔网络的第m层到第n+1个特征金字塔网络的第m层之间的连接是对特征进行卷积核为1*1的卷积操作，其中N≥2,M与所述多尺度特征提取网络中特征提取层的层数一致,1≤n≤N-1，1≤m≤M-1；对所述目标检测网络进行训练，从所述N个特征金字塔网络的所有特征提取层之间的路径中获得所述多条最佳融合路径，其中由所述多条最佳融合路径构成所述多尺度特征融合网络。

在一个实施方式中，所述对所述目标检测网络进行训练，从所述N个特征金字塔网络的所有特征提取层之间的路径中获得所述多条最佳融合路径，包括：将训练集输入所述目标检测网络，遍历所述N个特征金字塔网络的所有特征提取层之间的路径，得到所述目标检测网络的参数；将验证集输入所述目标检测网络进行验证，得到所述多条最佳融合路径。

在一个实施方式中，所述将训练集输入所述目标检测网络，遍历所述N个特征金字塔网络的所有特征提取层之间的路径，得到所述目标检测网络的参数，包括：从K种任务中的每种任务对应的可能的路径中各选择一种路径组成K条路径进行单次训练，其中K为所述多任务的任务总数；遍历每种任务对应的可能的路径中的所有路径组成的K条路径重复所述单次训练。

在一个实施方式中，所述将验证集输入所述目标检测网络进行验证，得到所述多条最佳融合路径，包括：将根据所述验证集获取的测试结果与真实标签之间的最小距离对应的路径作为最佳融合路径。

在一个实施方式中，所述M＝4。

在一个实施方式中，所述多任务目标检测包括物体检测、可行驶区域分割和车道检测中的至少两种。

在第二方面，提供一种电子设备，该电子设备包括处理器和存储装置，所述存储装置适于存储多条程序代码，所述程序代码适于由所述处理器加载并运行以执行前述任一项所述的多任务目标检测方法。