[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

摘要

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。

主权项

1.一种用于训练多任务目标检测模型的方法，其中，所述多任务包括目标分类检测任务、目标边框检测任务和目标关键点检测任务，所述多任务检测模型包括n个子模型，其中，n为大于2的整数，所述方法包括：获取包含标注信息的训练图像，其中，所述标注信息包括训练图像中的目标的真实分类信息、真实边框位置信息和真实关键点位置信息；将训练图像输入到所述子模型之中的第一子模型，利用第一子模型获得所述目标的初始预测信息，其中，所述初始预测信息包括所述目标的初始预测分类信息、初始预测边框位置信息和初始预测关键点位置信息；基于所述目标的初始预测边框位置信息和初始预测关键点位置信息，从训练图像获得初始预测目标图像，其中，所述初始预测目标图像包括所述目标的初始预测边框图像和初始预测关键点图像；将所述初始预测目标图像输入到所述子模型之中的第二子模型，基于标注信息、所述初始预测信息和所述初始预测目标图像来训练第二子模型，其中，用于训练第二子模型的损失函数反映第二子模型获得的预测分类信息与真实分类信息之间的差异、第二子模型获得的预测边框位置信息与真实边框位置信息之间的差异以及第二子模型获得的预测关键点位置信息与真实关键点位置信息之间的差异；将所述初始预测目标图像输入到训练完毕的第二子模型，利用训练完毕的第二子模型获得所述目标的调整信息，其中，所述调整信息包括所述目标的调整分类信息、调整边框位置信息和调整关键点位置信息，并且基于利用训练完毕的第二子模型获得的所述目标的调整边框位置信息和调整关键点位置信息，从训练图像获得调整目标图像，其中，所述调整目标图像包括所述目标的调整边框图像和调整关键点图像；以及针对所述子模型之中的第i子模型，将利用训练完毕的第(i‑1)子模型获得的调整目标图像输入到第i子模型，基于标注信息、利用训练完毕的第(i‑1)子模型获得的所述目标的调整信息和调整目标图像来训练第i子模型，其中，用于训练第i子模型的损失函数反映第i子模型获得的预测分类信息与真实分类信息之间的差异、第i子模型获得的预测边框位置信息与真实边框位置信息之间的差异以及第i子模型获得的预测关键点位置信息与真实关键点位置信息之间的差异，其中，i为大于2且小于或等于n的任一整数；当i不为n时，将利用训练完毕的第(i‑1)子模型获得的调整目标图像输入到训练完毕的第i子模型，利用训练完毕的第i子模型获得所述目标的调整信息，并且基于利用训练完毕的第i子模型获得的所述目标的调整边框位置信息和调整关键点位置信息，从训练图像获得调整目标图像，其中，所述子模型之中的第二子模型至第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。