一種多目標(biāo)檢測(cè)方法、裝置、設(shè)備及介質(zhì)與流程
1.本發(fā)明涉及計(jì)算機(jī)視覺技術(shù)領(lǐng)域，尤其涉及一種多目標(biāo)檢測(cè)方法、裝置、設(shè)備及介質(zhì)。
背景技術(shù)：
2.隨著近年來人工智能的不斷發(fā)展，深度神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺領(lǐng)域得到了廣泛應(yīng)用，例如，在自動(dòng)駕駛領(lǐng)域，基于深度神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)可檢測(cè)本車周圍的車輛、行人或交通標(biāo)志等目標(biāo)。由于目標(biāo)的檢測(cè)精度關(guān)乎自動(dòng)駕駛的安全，因此，對(duì)目標(biāo)的檢測(cè)精度需要有較高的要求。
3.由于目標(biāo)的特征比較多樣化，尤其是行人檢測(cè)，需要考慮到行人的不同姿態(tài)及不同衣著。目前基于深度神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)模型都是基于大規(guī)模的標(biāo)注數(shù)據(jù)并選擇合適的網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練的，以便其檢測(cè)模型能覆蓋不同場景以及提取出不同目標(biāo)的多樣化特征。
4.但是，大量的數(shù)據(jù)標(biāo)注不但會(huì)提高目標(biāo)檢測(cè)的成本，當(dāng)存在多目標(biāo)時(shí)，標(biāo)注結(jié)果的質(zhì)量也會(huì)對(duì)最終檢測(cè)結(jié)果的準(zhǔn)確率造成影響，因此，如何能夠快速且準(zhǔn)確地識(shí)別出待檢測(cè)圖像中的多個(gè)目標(biāo)，提高多目標(biāo)檢測(cè)的準(zhǔn)確率及效率，是目前亟待解決的問題。
技術(shù)實(shí)現(xiàn)要素：
5.本發(fā)明提供了一種多目標(biāo)檢測(cè)方法、裝置、設(shè)備及介質(zhì)，可以解決多目標(biāo)檢測(cè)的準(zhǔn)確率及效率較低的問題。
6.根據(jù)本發(fā)明的一方面，提供了一種多目標(biāo)檢測(cè)方法，包括：獲取待檢測(cè)圖像，并將待檢測(cè)圖像輸入至多任務(wù)檢測(cè)模型中；其中，多任務(wù)檢測(cè)模型包括基礎(chǔ)網(wǎng)絡(luò)和分別與基礎(chǔ)網(wǎng)絡(luò)相連的多個(gè)類別檢測(cè)分支網(wǎng)絡(luò)，類別檢測(cè)分支網(wǎng)絡(luò)用于檢測(cè)設(shè)定類別的目標(biāo)；基礎(chǔ)網(wǎng)絡(luò)使用全類別標(biāo)注樣本訓(xùn)練得到，類別檢測(cè)分支網(wǎng)絡(luò)使用單類別標(biāo)注樣本訓(xùn)練得到；通過所述基礎(chǔ)網(wǎng)絡(luò)生成與待檢測(cè)圖像對(duì)應(yīng)的圖像特征信息，并將圖像特征信息分別輸入至各所述類別檢測(cè)分支網(wǎng)絡(luò)；通過各類別檢測(cè)分支網(wǎng)絡(luò)根據(jù)接收的圖像特征信息，生成與所檢測(cè)類別對(duì)應(yīng)的目標(biāo)檢測(cè)結(jié)果。
7.根據(jù)本發(fā)明的另一方面，提供了一種多目標(biāo)檢測(cè)裝置，包括：圖像輸入模塊，用于獲取待檢測(cè)圖像，并將待檢測(cè)圖像輸入至多任務(wù)檢測(cè)模型中；其中，多任務(wù)檢測(cè)模型包括基礎(chǔ)網(wǎng)絡(luò)和分別與基礎(chǔ)網(wǎng)絡(luò)相連的多個(gè)類別檢測(cè)分支網(wǎng)絡(luò)，類別檢測(cè)分支網(wǎng)絡(luò)用于檢測(cè)設(shè)定類別的目標(biāo)；基礎(chǔ)網(wǎng)絡(luò)使用全類別標(biāo)注樣本訓(xùn)練得到，類別檢測(cè)分支網(wǎng)絡(luò)使用單類別標(biāo)注樣本訓(xùn)練得到；特征信息生成模塊，用于通過所述基礎(chǔ)網(wǎng)絡(luò)生成與待檢測(cè)圖像對(duì)應(yīng)的圖像特征信息，并將圖像特征信息分別輸入至各所述類別檢測(cè)分支網(wǎng)絡(luò)；
檢測(cè)結(jié)果生成模塊，用于通過各類別檢測(cè)分支網(wǎng)絡(luò)根據(jù)接收的圖像特征信息，生成與所檢測(cè)類別對(duì)應(yīng)的目標(biāo)檢測(cè)結(jié)果。
8.根據(jù)本發(fā)明的另一方面，提供了一種電子設(shè)備，所述電子設(shè)備包括：至少一個(gè)處理器；以及與所述至少一個(gè)處理器通信連接的存儲(chǔ)器；其中，所述存儲(chǔ)器存儲(chǔ)有可被所述至少一個(gè)處理器執(zhí)行的計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被所述至少一個(gè)處理器執(zhí)行，以使所述至少一個(gè)處理器能夠執(zhí)行本發(fā)明任一實(shí)施例所述的多目標(biāo)檢測(cè)方法。
9.根據(jù)本發(fā)明的另一方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)指令，所述計(jì)算機(jī)指令用于使處理器執(zhí)行時(shí)實(shí)現(xiàn)本發(fā)明任一實(shí)施例所述的多目標(biāo)檢測(cè)方法。
10.本發(fā)明實(shí)施例的技術(shù)方案，通過將獲取的待檢測(cè)圖像輸入至包括基礎(chǔ)網(wǎng)絡(luò)和分別與基礎(chǔ)網(wǎng)絡(luò)相連的多個(gè)類別檢測(cè)分支網(wǎng)絡(luò)的多任務(wù)檢測(cè)模型中，通過基礎(chǔ)網(wǎng)絡(luò)生成與待檢測(cè)圖像對(duì)應(yīng)的圖像特征信息，并將圖像特征信息分別輸入至各類別檢測(cè)分支網(wǎng)絡(luò)，最終，通過各類別檢測(cè)分支網(wǎng)絡(luò)根據(jù)接收的圖像特征信息，生成與所檢測(cè)類別對(duì)應(yīng)的目標(biāo)檢測(cè)結(jié)果，解決了多目標(biāo)檢測(cè)的準(zhǔn)確率及效率較低的問題，能夠快速且準(zhǔn)確地識(shí)別出待檢測(cè)圖像中的多個(gè)目標(biāo)，提高了多目標(biāo)檢測(cè)的準(zhǔn)確率及效率。
11.應(yīng)當(dāng)理解，本部分所描述的內(nèi)容并非旨在標(biāo)識(shí)本發(fā)明的實(shí)施例的關(guān)鍵或重要特征，也不用于限制本發(fā)明的范圍。本發(fā)明的其它特征將通過以下的說明書而變得容易理解。
附圖說明
12.為了更清楚地說明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
13.圖1是根據(jù)本發(fā)明實(shí)施例一提供的一種多目標(biāo)檢測(cè)方法的流程圖；圖2是根據(jù)本發(fā)明實(shí)施例一提供的一種全類別標(biāo)注樣本的示意圖；圖3是根據(jù)本發(fā)明實(shí)施例一提供的一種單類別標(biāo)注樣本的示意圖；圖4是根據(jù)本發(fā)明實(shí)施例二提供的一種多目標(biāo)檢測(cè)方法的流程圖；圖5是根據(jù)本發(fā)明實(shí)施例二提供的一種檢測(cè)精度與初始數(shù)據(jù)集中數(shù)據(jù)量的對(duì)應(yīng)關(guān)系示意圖；圖6是根據(jù)本發(fā)明實(shí)施例二提供的一種多任務(wù)檢測(cè)模型的結(jié)構(gòu)示意圖；圖7是根據(jù)本發(fā)明實(shí)施例三提供的一種多目標(biāo)檢測(cè)裝置的結(jié)構(gòu)示意圖；圖8是實(shí)現(xiàn)本發(fā)明實(shí)施例的多目標(biāo)檢測(cè)方法的電子設(shè)備的結(jié)構(gòu)示意圖。
具體實(shí)施方式
14.為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明方案，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分的實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人
員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都應(yīng)當(dāng)屬于本發(fā)明保護(hù)的范圍。
15.需要說明的是，本發(fā)明的說明書和權(quán)利要求書及上述附圖中的術(shù)語“第一”、“第二”、“目標(biāo)”、“初始”等是用于區(qū)別類似的對(duì)象，而不必用于描述特定的順序或先后次序。應(yīng)該理解這樣使用的數(shù)據(jù)在適當(dāng)情況下可以互換，以便這里描述的本發(fā)明的實(shí)施例能夠以除了在這里圖示或描述的那些以外的順序?qū)嵤４送猓g(shù)語“包括”和“具有”以及他們的任何變形，意圖在于覆蓋不排他的包含，例如，包含了一系列步驟或單元的過程、方法、系統(tǒng)、產(chǎn)品或設(shè)備不必限于清楚地列出的那些步驟或單元，而是可包括沒有清楚地列出的或?qū)τ谶@些過程、方法、產(chǎn)品或設(shè)備固有的其它步驟或單元。
16.實(shí)施例一圖1為本發(fā)明實(shí)施例一提供了一種多目標(biāo)檢測(cè)方法的流程圖，本實(shí)施例可適用于對(duì)圖像中的多個(gè)目標(biāo)進(jìn)行識(shí)別及類別檢測(cè)的情況，該方法可以由多目標(biāo)檢測(cè)裝置來執(zhí)行，該多目標(biāo)檢測(cè)裝置可以采用硬件和/或軟件的形式實(shí)現(xiàn)，該多目標(biāo)檢測(cè)裝置可配置于電子設(shè)備中。如圖1所示，該方法包括：s110、獲取待檢測(cè)圖像，并將待檢測(cè)圖像輸入至多任務(wù)檢測(cè)模型中；其中，多任務(wù)檢測(cè)模型包括基礎(chǔ)網(wǎng)絡(luò)和分別與基礎(chǔ)網(wǎng)絡(luò)相連的多個(gè)類別檢測(cè)分支網(wǎng)絡(luò)，類別檢測(cè)分支網(wǎng)絡(luò)用于檢測(cè)設(shè)定類別的目標(biāo)；基礎(chǔ)網(wǎng)絡(luò)使用全類別標(biāo)注樣本訓(xùn)練得到，類別檢測(cè)分支網(wǎng)絡(luò)使用單類別標(biāo)注樣本訓(xùn)練得到。
17.其中，基礎(chǔ)網(wǎng)絡(luò)用于提取待檢測(cè)圖像中各目標(biāo)的圖像特征信息。類別檢測(cè)分支網(wǎng)絡(luò)主要用于組合和融合圖像不同層的特征以及用于對(duì)圖像特征進(jìn)行預(yù)測(cè)，生成對(duì)應(yīng)類別檢測(cè)分支網(wǎng)絡(luò)所檢測(cè)類別的目標(biāo)邊界框以及類別。
18.其中，多任務(wù)檢測(cè)模型可以指經(jīng)過訓(xùn)練后的類別檢測(cè)模型。全類別標(biāo)注樣本可以指對(duì)圖像中包含的全部目標(biāo)進(jìn)行標(biāo)注后得到的樣本。如圖2所示為全類別標(biāo)注樣本的示意圖。其中，虛線為目標(biāo)物的邊界，梯形、三角形及圓形分別可以代表不同類別的目標(biāo)。實(shí)線為標(biāo)注目標(biāo)框。第一類別、第二類別和第三類別可以對(duì)應(yīng)目標(biāo)所屬類別。示例性的，一張圖片中包含三個(gè)類別的目標(biāo)，將三個(gè)類別的目標(biāo)全部進(jìn)行標(biāo)注后則得到全類別標(biāo)注樣本。
19.其中，單類別標(biāo)注樣本可以指將圖像中的單個(gè)類別的目標(biāo)進(jìn)行標(biāo)注后得到的樣本。如圖3所示為單類別標(biāo)注樣本的示意圖。示例性的，一張圖片中包含三個(gè)類別的目標(biāo)，將單獨(dú)一種類別，如第一類別的目標(biāo)進(jìn)行標(biāo)注后則得到單類別標(biāo)注樣本。
20.其中，待檢測(cè)圖像可以指需要進(jìn)行類別檢測(cè)的圖像。通常，待檢測(cè)圖像中可以包含至少一個(gè)待識(shí)別目標(biāo)。
21.s120、通過所述基礎(chǔ)網(wǎng)絡(luò)生成與待檢測(cè)圖像對(duì)應(yīng)的圖像特征信息，并將圖像特征信息分別輸入至各所述類別檢測(cè)分支網(wǎng)絡(luò)。
22.其中，圖像特征信息可以指同一圖像中各個(gè)類別目標(biāo)在不同維度的特征信息。通常，圖像特征信息可以按照矩陣的形式輸出。
23.s130、通過各類別檢測(cè)分支網(wǎng)絡(luò)根據(jù)接收的圖像特征信息，生成與所檢測(cè)類別對(duì)應(yīng)的目標(biāo)檢測(cè)結(jié)果。
24.其中，檢測(cè)類別可以指類別檢測(cè)分支網(wǎng)絡(luò)對(duì)應(yīng)識(shí)別的類別。示例性的，可以為行人、車輛或建筑物；也可以為行人的不同姿態(tài)或衣著等。目標(biāo)檢測(cè)結(jié)果可以指對(duì)待檢測(cè)圖像
中各目標(biāo)的類別檢測(cè)結(jié)果以及各目標(biāo)的位置邊框。
25.值得注意的是，通常基礎(chǔ)網(wǎng)絡(luò)可以將待檢測(cè)圖像對(duì)應(yīng)的圖像特征信息傳輸至各類別檢測(cè)分支網(wǎng)絡(luò)，但是，各類別檢測(cè)分支網(wǎng)絡(luò)會(huì)對(duì)應(yīng)選擇自身匹配的圖像特征信息，進(jìn)而，生成與所檢測(cè)類別對(duì)應(yīng)的目標(biāo)檢測(cè)結(jié)果。
26.本發(fā)明實(shí)施例的技術(shù)方案，通過將獲取的待檢測(cè)圖像輸入至包括基礎(chǔ)網(wǎng)絡(luò)和分別與基礎(chǔ)網(wǎng)絡(luò)相連的多個(gè)類別檢測(cè)分支網(wǎng)絡(luò)的多任務(wù)檢測(cè)模型中，通過基礎(chǔ)網(wǎng)絡(luò)生成與待檢測(cè)圖像對(duì)應(yīng)的圖像特征信息，并將圖像特征信息分別輸入至各類別檢測(cè)分支網(wǎng)絡(luò)，最終，通過各類別檢測(cè)分支網(wǎng)絡(luò)根據(jù)接收的圖像特征信息，生成與所檢測(cè)類別對(duì)應(yīng)的目標(biāo)檢測(cè)結(jié)果，解決了多目標(biāo)檢測(cè)的準(zhǔn)確率及效率較低的問題，能夠快速且準(zhǔn)確地識(shí)別出待檢測(cè)圖像中的多個(gè)目標(biāo)，提高了多目標(biāo)檢測(cè)的準(zhǔn)確率及效率。
27.實(shí)施例二圖4為本發(fā)明實(shí)施例二提供的一種多目標(biāo)檢測(cè)方法的流程圖，本實(shí)施例以上述實(shí)施例為基礎(chǔ)進(jìn)行追加，在本實(shí)施例中具體是對(duì)將待檢測(cè)圖像輸入至多任務(wù)檢測(cè)模型中之前的操作進(jìn)行追加，具體可以包括：根據(jù)目標(biāo)檢測(cè)任務(wù)中的任務(wù)數(shù)量構(gòu)建預(yù)設(shè)任務(wù)檢測(cè)模型；其中，預(yù)設(shè)任務(wù)檢測(cè)模型包括基礎(chǔ)網(wǎng)絡(luò)以及與任務(wù)數(shù)量對(duì)應(yīng)的類別檢測(cè)分支網(wǎng)絡(luò)；將包含全類別標(biāo)注樣本的基礎(chǔ)數(shù)據(jù)集輸入至預(yù)設(shè)任務(wù)檢測(cè)模型，并采用整體損失函數(shù)訓(xùn)練所述預(yù)設(shè)任務(wù)檢測(cè)模型，得到基礎(chǔ)多任務(wù)檢測(cè)模型；利用目標(biāo)單類別標(biāo)注樣本訓(xùn)練基礎(chǔ)多任務(wù)檢測(cè)模型中的目標(biāo)類別檢測(cè)分支網(wǎng)絡(luò)，得到多任務(wù)檢測(cè)模型。如圖4所示，該方法包括：s210、根據(jù)目標(biāo)檢測(cè)任務(wù)中的任務(wù)數(shù)量構(gòu)建預(yù)設(shè)任務(wù)檢測(cè)模型；其中，預(yù)設(shè)任務(wù)檢測(cè)模型包括初始基礎(chǔ)網(wǎng)絡(luò)以及與任務(wù)數(shù)量對(duì)應(yīng)的初始類別檢測(cè)分支網(wǎng)絡(luò)。
28.其中，預(yù)設(shè)任務(wù)檢測(cè)模型可以指預(yù)先建立的多任務(wù)檢測(cè)模型，即未經(jīng)訓(xùn)練的多任務(wù)檢測(cè)模型。
29.其中，任務(wù)數(shù)量可以指類別檢測(cè)任務(wù)中包含的類別數(shù)量。初始基礎(chǔ)網(wǎng)絡(luò)可以指未經(jīng)訓(xùn)練的基礎(chǔ)網(wǎng)絡(luò)。初始類別檢測(cè)分支網(wǎng)絡(luò)可以指未經(jīng)訓(xùn)練的類別檢測(cè)分支網(wǎng)絡(luò)。
30.值得注意的是，各個(gè)初始類別檢測(cè)分支網(wǎng)絡(luò)的結(jié)構(gòu)可以為一致的，但由于各初始類別檢測(cè)分支網(wǎng)絡(luò)所檢測(cè)類別不同，各個(gè)初始類別檢測(cè)分支網(wǎng)絡(luò)的參數(shù)并不一致。
31.s220、將包含全類別標(biāo)注樣本的基礎(chǔ)數(shù)據(jù)集輸入至預(yù)設(shè)任務(wù)檢測(cè)模型，并采用整體損失函數(shù)訓(xùn)練所述預(yù)設(shè)任務(wù)檢測(cè)模型，得到基礎(chǔ)多任務(wù)檢測(cè)模型。
32.其中，基礎(chǔ)數(shù)據(jù)集可以指用于對(duì)預(yù)設(shè)任務(wù)檢測(cè)模型進(jìn)行初步訓(xùn)練的，包含全類別標(biāo)注樣本的數(shù)據(jù)集。整體損失函數(shù)可以指根據(jù)整體初始類別檢測(cè)分支網(wǎng)絡(luò)構(gòu)建的損失函數(shù)。示例性的，可以為根據(jù)所有初始類別檢測(cè)分支網(wǎng)絡(luò)的損失函數(shù)構(gòu)建的損失函數(shù)。基礎(chǔ)多任務(wù)檢測(cè)模型可以指經(jīng)過初步訓(xùn)練后得到的多任務(wù)檢測(cè)模型。
33.在一個(gè)可選的實(shí)施方式中，采用整體損失函數(shù)訓(xùn)練所述預(yù)設(shè)任務(wù)檢測(cè)模型，得到基礎(chǔ)多任務(wù)檢測(cè)模型，可以包括：獲取預(yù)設(shè)任務(wù)檢測(cè)模型中各初始類別檢測(cè)分支網(wǎng)絡(luò)的損失函數(shù)及對(duì)應(yīng)權(quán)重，并依據(jù)各初始類別檢測(cè)分支網(wǎng)絡(luò)的損失函數(shù)及對(duì)應(yīng)權(quán)重構(gòu)建整體損失函數(shù)；依據(jù)所述整體損失函數(shù)訓(xùn)練預(yù)設(shè)任務(wù)檢測(cè)模型中的初始基礎(chǔ)網(wǎng)絡(luò)以及與任務(wù)數(shù)量對(duì)應(yīng)的初始類別檢測(cè)分支網(wǎng)絡(luò)，得到包含基礎(chǔ)網(wǎng)絡(luò)和中間類別檢測(cè)分支網(wǎng)絡(luò)的基礎(chǔ)多任務(wù)檢測(cè)模型。
34.其中，中間類別檢測(cè)分支網(wǎng)絡(luò)可以指經(jīng)過初步訓(xùn)練后得到的類別檢測(cè)分支網(wǎng)絡(luò)。
具體的，可以根據(jù)各初始類別檢測(cè)分支網(wǎng)絡(luò)的損失函數(shù)及對(duì)應(yīng)權(quán)重的邏輯運(yùn)算結(jié)果得到整體損失函數(shù)，如，初始類別檢測(cè)分支網(wǎng)絡(luò)b的損失函數(shù)為l1，損失函數(shù)對(duì)應(yīng)權(quán)重為λ1；初始類別檢測(cè)分支網(wǎng)絡(luò)c輸出的損失函數(shù)為l2，損失函數(shù)對(duì)應(yīng)權(quán)重為λ2，初始類別檢測(cè)分支網(wǎng)絡(luò)d輸出的損失函數(shù)為l3,對(duì)應(yīng)權(quán)重?fù)p失函數(shù)為λ3，則整體損失函數(shù)可以設(shè)置為；進(jìn)而，依據(jù)整體損失函數(shù)對(duì)預(yù)設(shè)任務(wù)檢測(cè)模型進(jìn)行訓(xùn)練，從而得到初步訓(xùn)練后的穩(wěn)定的基礎(chǔ)多任務(wù)檢測(cè)模型，為后續(xù)的進(jìn)一步訓(xùn)練提供有效的基礎(chǔ)。
35.在一個(gè)可選的實(shí)施方式中，在所述將包含全類別標(biāo)注樣本的基礎(chǔ)數(shù)據(jù)集輸入至預(yù)設(shè)任務(wù)檢測(cè)模型，并采用整體損失函數(shù)訓(xùn)練所述預(yù)設(shè)任務(wù)檢測(cè)模型，得到基礎(chǔ)多任務(wù)檢測(cè)模型之前，還包括：將包含全類別標(biāo)注樣本的初始數(shù)據(jù)集輸入至預(yù)設(shè)任務(wù)檢測(cè)模型中，獲取預(yù)設(shè)任務(wù)檢測(cè)模型中各初始類別檢測(cè)分支網(wǎng)絡(luò)的檢測(cè)精度；根據(jù)逐步遞增初始數(shù)據(jù)集中數(shù)據(jù)量的方式，獲取預(yù)設(shè)任務(wù)檢測(cè)模型中各初始類別檢測(cè)分支網(wǎng)絡(luò)的檢測(cè)精度均滿足目標(biāo)精度時(shí)的基礎(chǔ)數(shù)據(jù)集。
36.其中，檢測(cè)精度可以指對(duì)各個(gè)初始類別檢測(cè)分支網(wǎng)絡(luò)檢測(cè)結(jié)果的準(zhǔn)確率進(jìn)行判別的數(shù)值。目標(biāo)精度可以指對(duì)各初始類別檢測(cè)分支網(wǎng)絡(luò)的檢測(cè)精度進(jìn)行評(píng)估的數(shù)值。示例性的，可以將預(yù)先設(shè)定的精度閾值作為目標(biāo)精度，也可以將檢測(cè)精度處于收斂條件下的精度數(shù)值作為目標(biāo)精度。
37.在一個(gè)可選的實(shí)施方式，根據(jù)逐步遞增初始數(shù)據(jù)集中數(shù)據(jù)量的方式，獲取預(yù)設(shè)任務(wù)檢測(cè)模型中各初始類別檢測(cè)分支網(wǎng)絡(luò)的檢測(cè)精度均滿足目標(biāo)精度時(shí)的基礎(chǔ)數(shù)據(jù)集，包括：當(dāng)預(yù)設(shè)任務(wù)檢測(cè)模型中至少一個(gè)初始類別檢測(cè)分支網(wǎng)絡(luò)的檢測(cè)精度不滿足目標(biāo)精度時(shí)，將初始數(shù)據(jù)集中的數(shù)據(jù)量進(jìn)行擴(kuò)增，并執(zhí)行將初始數(shù)據(jù)集輸入至預(yù)設(shè)任務(wù)檢測(cè)模型中，獲取預(yù)設(shè)任務(wù)檢測(cè)模型中各初始類別檢測(cè)分支網(wǎng)絡(luò)的檢測(cè)精度的操作；直至預(yù)設(shè)任務(wù)檢測(cè)模型中各初始類別檢測(cè)分支網(wǎng)絡(luò)的檢測(cè)精度均滿足目標(biāo)精度，將當(dāng)前初始數(shù)據(jù)集作為基礎(chǔ)數(shù)據(jù)集。
38.如圖5所示為檢測(cè)精度與初始數(shù)據(jù)集中數(shù)據(jù)量的對(duì)應(yīng)關(guān)系示意圖。具體的，首先選取一定數(shù)量，如數(shù)量為k1的初始數(shù)據(jù)集，依據(jù)初始數(shù)據(jù)集訓(xùn)練預(yù)設(shè)任務(wù)檢測(cè)模型，得出各個(gè)初始類別檢測(cè)分支網(wǎng)絡(luò)的檢測(cè)精度p1；進(jìn)而，在k1的基礎(chǔ)上將初始數(shù)據(jù)集的數(shù)據(jù)量增加到k2，并再次訓(xùn)練預(yù)設(shè)任務(wù)檢測(cè)模型，得出各個(gè)初始類別檢測(cè)分支網(wǎng)絡(luò)的檢測(cè)精度p2；以此類推，直至各個(gè)初始類別檢測(cè)分支網(wǎng)絡(luò)的檢測(cè)精度pn不再增加，將pn對(duì)應(yīng)的當(dāng)前初始數(shù)據(jù)集作為基礎(chǔ)數(shù)據(jù)集。由此，可以得到令多任務(wù)檢測(cè)模型穩(wěn)定的數(shù)據(jù)集，為后續(xù)生成穩(wěn)定的基礎(chǔ)多任務(wù)檢測(cè)模型提供有效的基礎(chǔ)。
39.s230、利用目標(biāo)單類別標(biāo)注樣本訓(xùn)練基礎(chǔ)多任務(wù)檢測(cè)模型中的目標(biāo)類別檢測(cè)分支網(wǎng)絡(luò)，得到多任務(wù)檢測(cè)模型。
40.其中，目標(biāo)單類別標(biāo)注樣本可以指與目標(biāo)類別檢測(cè)分支網(wǎng)絡(luò)所檢測(cè)類別對(duì)應(yīng)的樣本。目標(biāo)類別檢測(cè)分支網(wǎng)絡(luò)可以指在基礎(chǔ)多任務(wù)檢測(cè)模型中選定的初步訓(xùn)練的類別檢測(cè)分支網(wǎng)絡(luò)。
41.在傳統(tǒng)的多任務(wù)檢測(cè)模型的訓(xùn)練過程中，若要增加某類別，如第一類別的正樣本數(shù)量，由于傳統(tǒng)的多任務(wù)檢測(cè)模型訓(xùn)練過程中要更新所有類別的類別檢測(cè)分支網(wǎng)絡(luò)，若僅對(duì)單獨(dú)一個(gè)類別，如第一類別的樣本進(jìn)行增加，不對(duì)其他類別，如第二類別和第三類別的樣
本進(jìn)行增加，會(huì)使得增加的第一類別的正樣本成為第二類別和第三類別的負(fù)樣本，影響第二類別和第三類別檢測(cè)的召回，因此，需要同時(shí)將其他類別的目標(biāo)物進(jìn)行標(biāo)注，但是，對(duì)所有類別的樣本同時(shí)進(jìn)行增加將會(huì)極大地提升標(biāo)注成本。因此，本發(fā)明實(shí)施例中使用單類別標(biāo)注樣本訓(xùn)練基礎(chǔ)多任務(wù)檢測(cè)模型中的類別檢測(cè)分支網(wǎng)絡(luò)時(shí)，在訓(xùn)練過程中只需標(biāo)注類別檢測(cè)分支網(wǎng)絡(luò)對(duì)應(yīng)的所檢測(cè)類別，如要更新第一類別的類別檢測(cè)分支網(wǎng)絡(luò)，只需標(biāo)注第一類別目標(biāo)物，無需再費(fèi)時(shí)標(biāo)注第二類別目標(biāo)物或第三類別目標(biāo)物，即節(jié)省了標(biāo)注時(shí)間又提高了標(biāo)注質(zhì)量。
42.在一個(gè)可選的實(shí)施方式中，利用目標(biāo)單類別標(biāo)注樣本訓(xùn)練基礎(chǔ)多任務(wù)檢測(cè)模型中的目標(biāo)類別檢測(cè)分支網(wǎng)絡(luò)，得到多任務(wù)檢測(cè)模型，包括：獲取基礎(chǔ)多任務(wù)檢測(cè)模型中的任一中間類別檢測(cè)分支網(wǎng)絡(luò)，作為目標(biāo)類別檢測(cè)分支網(wǎng)絡(luò)；固定基礎(chǔ)多任務(wù)檢測(cè)模型中基礎(chǔ)網(wǎng)絡(luò)及設(shè)定條件下的中間類別檢測(cè)分支網(wǎng)絡(luò)的參數(shù)，利用目標(biāo)單類別標(biāo)注樣本對(duì)基礎(chǔ)多任務(wù)檢測(cè)模型中的目標(biāo)類別檢測(cè)分支網(wǎng)絡(luò)進(jìn)行參數(shù)調(diào)整，得到多任務(wù)檢測(cè)模型。
43.其中，目標(biāo)類別檢測(cè)分支網(wǎng)絡(luò)可以指從中間類別檢測(cè)分支網(wǎng)絡(luò)中選擇的類別檢測(cè)分支網(wǎng)絡(luò)。設(shè)定條件可以指對(duì)中間類別檢測(cè)分支網(wǎng)絡(luò)進(jìn)行篩選的條件。示例性的，可以為除目標(biāo)類別檢測(cè)分支網(wǎng)絡(luò)外的其余中間類別檢測(cè)分支網(wǎng)絡(luò)。
44.示例性的，以中間類別檢測(cè)分支網(wǎng)絡(luò)為b、c、d，基礎(chǔ)網(wǎng)絡(luò)為a為例，當(dāng)選定中間類別檢測(cè)分支網(wǎng)絡(luò)b為目標(biāo)類別檢測(cè)分支網(wǎng)絡(luò)時(shí)，固定基礎(chǔ)網(wǎng)絡(luò)a、中間類別檢測(cè)分支網(wǎng)絡(luò)為c和d的參數(shù)，生成損失函數(shù)。具體的，若中間類別檢測(cè)分支網(wǎng)絡(luò)b輸出的損失函數(shù)為l1，損失函數(shù)對(duì)應(yīng)權(quán)重為λ1；中間類別檢測(cè)分支網(wǎng)絡(luò)c輸出的損失函數(shù)為l2，損失函數(shù)對(duì)應(yīng)權(quán)重為λ2；中間類別檢測(cè)分支網(wǎng)絡(luò)d輸出的損失函數(shù)為l3，對(duì)應(yīng)權(quán)重?fù)p失函數(shù)為λ3；則目標(biāo)類別檢測(cè)分支網(wǎng)絡(luò)b所對(duì)應(yīng)的損失函數(shù)即可以為。同理，當(dāng)選定中間類別檢測(cè)分支網(wǎng)絡(luò)c為目標(biāo)類別檢測(cè)分支網(wǎng)絡(luò)時(shí)，目標(biāo)類別檢測(cè)分支網(wǎng)絡(luò)c所對(duì)應(yīng)的損失函數(shù)即可以為。當(dāng)選定中間類別檢測(cè)分支網(wǎng)絡(luò)d為目標(biāo)類別檢測(cè)分支網(wǎng)絡(luò)時(shí)，目標(biāo)類別檢測(cè)分支網(wǎng)絡(luò)d所對(duì)應(yīng)的損失函數(shù)可以為。由此，在基礎(chǔ)多任務(wù)檢測(cè)模型的基礎(chǔ)上將中間類別檢測(cè)分支網(wǎng)絡(luò)的各個(gè)檢測(cè)任務(wù)獨(dú)立化，可以提高模型的訓(xùn)練速度。
45.值得注意的是，上述對(duì)基礎(chǔ)多任務(wù)檢測(cè)模型中的目標(biāo)類別檢測(cè)分支網(wǎng)絡(luò)進(jìn)行參數(shù)調(diào)整，可以并行進(jìn)行，即，可以并行獲取基礎(chǔ)多任務(wù)檢測(cè)模型中的任一中間類別檢測(cè)分支網(wǎng)絡(luò)，作為目標(biāo)類別檢測(cè)分支網(wǎng)絡(luò)，進(jìn)而，固定基礎(chǔ)多任務(wù)檢測(cè)模型中基礎(chǔ)網(wǎng)絡(luò)及設(shè)定條件下的中間類別檢測(cè)分支網(wǎng)絡(luò)的參數(shù)，利用目標(biāo)單類別標(biāo)注樣本對(duì)基礎(chǔ)多任務(wù)檢測(cè)模型中的目標(biāo)類別檢測(cè)分支網(wǎng)絡(luò)進(jìn)行參數(shù)調(diào)整，得到多任務(wù)檢測(cè)模型，由此，可以大大地縮短多任務(wù)檢測(cè)模型的開發(fā)周期。
46.s240、獲取自動(dòng)駕駛車輛實(shí)時(shí)采集的車輛環(huán)境圖像，作為待檢測(cè)圖像。
47.其中，車輛環(huán)境圖像可以指自動(dòng)駕駛車輛周圍環(huán)境的圖像。示例性的，可以根據(jù)自動(dòng)駕駛車輛自身的攝像裝置實(shí)時(shí)獲取車輛環(huán)境圖像。
48.s250、將待檢測(cè)圖像輸入至多任務(wù)檢測(cè)模型中；其中，多任務(wù)檢測(cè)模型包括基礎(chǔ)網(wǎng)絡(luò)和分別與基礎(chǔ)網(wǎng)絡(luò)相連的多個(gè)類別檢測(cè)分支網(wǎng)絡(luò)，類別檢測(cè)分支網(wǎng)絡(luò)用于檢測(cè)設(shè)定類別的目標(biāo)；基礎(chǔ)網(wǎng)絡(luò)使用全類別標(biāo)注樣本訓(xùn)練得到，類別檢測(cè)分支網(wǎng)絡(luò)使用單類別標(biāo)注樣本
訓(xùn)練得到。
49.s260、通過所述基礎(chǔ)網(wǎng)絡(luò)生成與待檢測(cè)圖像對(duì)應(yīng)的圖像特征信息，并將圖像特征信息分別輸入至各所述類別檢測(cè)分支網(wǎng)絡(luò)。
50.s270、通過各類別檢測(cè)分支網(wǎng)絡(luò)根據(jù)接收的圖像特征信息，生成與所檢測(cè)類別對(duì)應(yīng)的目標(biāo)檢測(cè)結(jié)果。
51.s280、根據(jù)各類別檢測(cè)分支網(wǎng)絡(luò)分別輸出的目標(biāo)檢測(cè)結(jié)果，生成自動(dòng)駕駛決策信息，并按照所述自動(dòng)駕駛決策信息控制自動(dòng)駕駛的運(yùn)行。
52.其中，自動(dòng)駕駛決策信息可以指對(duì)自動(dòng)駕駛車輛的運(yùn)行狀態(tài)進(jìn)行決策的信息。示例性的，可以為加速或減速等。
53.具體的，當(dāng)目標(biāo)檢測(cè)結(jié)果中包含行人或障礙物時(shí)，則可以生成包含減速的自動(dòng)駕駛決策信息，進(jìn)而控制自動(dòng)駕駛的減速。
54.本發(fā)明實(shí)施例的技術(shù)方案，通過根據(jù)目標(biāo)檢測(cè)任務(wù)中的任務(wù)數(shù)量構(gòu)建預(yù)設(shè)任務(wù)檢測(cè)模型，進(jìn)而，將包含全類別標(biāo)注樣本的基礎(chǔ)數(shù)據(jù)集輸入至預(yù)設(shè)任務(wù)檢測(cè)模型，并采用整體損失函數(shù)訓(xùn)練預(yù)設(shè)任務(wù)檢測(cè)模型，得到基礎(chǔ)多任務(wù)檢測(cè)模型，進(jìn)一步的，利用目標(biāo)單類別標(biāo)注樣本訓(xùn)練基礎(chǔ)多任務(wù)檢測(cè)模型中的目標(biāo)類別檢測(cè)分支網(wǎng)絡(luò)，得到多任務(wù)檢測(cè)模型；之后，獲取自動(dòng)駕駛車輛實(shí)時(shí)采集的車輛環(huán)境圖像，作為待檢測(cè)圖像，并將獲取的待檢測(cè)圖像輸入至多任務(wù)檢測(cè)模型中，通過基礎(chǔ)網(wǎng)絡(luò)生成與待檢測(cè)圖像對(duì)應(yīng)的圖像特征信息，并將圖像特征信息分別輸入至各類別檢測(cè)分支網(wǎng)絡(luò)，最終，通過各類別檢測(cè)分支網(wǎng)絡(luò)根據(jù)接收的圖像特征信息，生成與所檢測(cè)類別對(duì)應(yīng)的目標(biāo)檢測(cè)結(jié)果，根據(jù)各類別檢測(cè)分支網(wǎng)絡(luò)分別輸出的目標(biāo)檢測(cè)結(jié)果，生成自動(dòng)駕駛決策信息，并按照自動(dòng)駕駛決策信息控制自動(dòng)駕駛的運(yùn)行，解決了多目標(biāo)檢測(cè)的準(zhǔn)確率及效率較低的問題，能夠快速且準(zhǔn)確地識(shí)別出待檢測(cè)圖像中的多個(gè)目標(biāo)，提高了多目標(biāo)檢測(cè)的準(zhǔn)確率及效率。
55.如圖6所示為一種多任務(wù)檢測(cè)模型的結(jié)構(gòu)示意圖。具體的，以任務(wù)數(shù)量為三為例，構(gòu)建包含一個(gè)初始基礎(chǔ)網(wǎng)絡(luò)及三個(gè)初始類別檢測(cè)分支網(wǎng)絡(luò)，如第一類別初始檢測(cè)分支網(wǎng)絡(luò)、第二類別初始檢測(cè)分支網(wǎng)絡(luò)和第三類別初始檢測(cè)分支網(wǎng)絡(luò)的預(yù)設(shè)任務(wù)檢測(cè)模型，之后，將包含全類別標(biāo)注樣本的基礎(chǔ)數(shù)據(jù)集輸入至預(yù)設(shè)任務(wù)檢測(cè)模型中對(duì)預(yù)設(shè)任務(wù)檢測(cè)模型進(jìn)行訓(xùn)練得到包含基礎(chǔ)網(wǎng)和中間類別檢測(cè)分支網(wǎng)絡(luò)的基礎(chǔ)多任務(wù)檢測(cè)模型，進(jìn)而，再將目標(biāo)單類別標(biāo)注樣本輸入至基礎(chǔ)多任務(wù)檢測(cè)模型中，通過將基礎(chǔ)多任務(wù)檢測(cè)模型中的中間類別檢測(cè)分支網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到第一類別檢測(cè)分支網(wǎng)絡(luò)、第二類別檢測(cè)分支網(wǎng)絡(luò)和第三類別檢測(cè)分支網(wǎng)絡(luò)，進(jìn)而得到包含基礎(chǔ)網(wǎng)絡(luò)、第一類別檢測(cè)分支網(wǎng)絡(luò)、第二類別檢測(cè)分支網(wǎng)絡(luò)和第三類別檢測(cè)分支網(wǎng)絡(luò)的多任務(wù)檢測(cè)模型。當(dāng)有待檢測(cè)圖像輸入至多任務(wù)檢測(cè)模型中時(shí)，通過多任務(wù)檢測(cè)模型中的基礎(chǔ)網(wǎng)絡(luò)生成與待檢測(cè)圖像對(duì)應(yīng)的圖像特征信息，并將圖像特征信息分別輸入至各類別檢測(cè)分支網(wǎng)絡(luò)，各類別檢測(cè)分支網(wǎng)絡(luò)根據(jù)接收的圖像特征信息，生成與所檢測(cè)類別對(duì)應(yīng)的類別結(jié)果及目標(biāo)位置。具體的，第一類別檢測(cè)分支網(wǎng)絡(luò)接收第一類別匹配的圖像特征信息，并將第一類別匹配的圖像特征信息進(jìn)行組合和融合，生成第一類別的目標(biāo)邊框及類別；第二類別檢測(cè)分支網(wǎng)絡(luò)接收第二類別匹配的圖像特征信息，并將第二類別匹配的圖像特征信息進(jìn)行組合和融合，生成第二類別的目標(biāo)邊框及類別；第三類別檢測(cè)分支網(wǎng)絡(luò)接收第三類別匹配的圖像特征信息，并將第三類別匹配的圖像特征信息進(jìn)行組合和融合，生成第三類別的目標(biāo)邊框及類別。
56.實(shí)施例三圖7為本發(fā)明實(shí)施例三提供的一種多目標(biāo)檢測(cè)裝置的結(jié)構(gòu)示意圖。如圖7所示，該裝置包括：圖像輸入模塊310、特征信息生成模塊320及檢測(cè)結(jié)果生成模塊330；其中，圖像輸入模塊310，用于獲取待檢測(cè)圖像，并將待檢測(cè)圖像輸入至多任務(wù)檢測(cè)模型中；其中，多任務(wù)檢測(cè)模型包括基礎(chǔ)網(wǎng)絡(luò)和分別與基礎(chǔ)網(wǎng)絡(luò)相連的多個(gè)類別檢測(cè)分支網(wǎng)絡(luò)，類別檢測(cè)分支網(wǎng)絡(luò)用于檢測(cè)設(shè)定類別的目標(biāo)；基礎(chǔ)網(wǎng)絡(luò)使用全類別標(biāo)注樣本訓(xùn)練得到，類別檢測(cè)分支網(wǎng)絡(luò)使用單類別標(biāo)注樣本訓(xùn)練得到；特征信息生成模塊320，用于通過所述基礎(chǔ)網(wǎng)絡(luò)生成與待檢測(cè)圖像對(duì)應(yīng)的圖像特征信息，并將圖像特征信息分別輸入至各所述類別檢測(cè)分支網(wǎng)絡(luò)；檢測(cè)結(jié)果生成模塊330，用于通過各類別檢測(cè)分支網(wǎng)絡(luò)根據(jù)接收的圖像特征信息，生成與所檢測(cè)類別對(duì)應(yīng)的目標(biāo)檢測(cè)結(jié)果。
57.本發(fā)明實(shí)施例的技術(shù)方案，通過將獲取的待檢測(cè)圖像輸入至包括基礎(chǔ)網(wǎng)絡(luò)和分別與基礎(chǔ)網(wǎng)絡(luò)相連的多個(gè)類別檢測(cè)分支網(wǎng)絡(luò)的多任務(wù)檢測(cè)模型中，通過基礎(chǔ)網(wǎng)絡(luò)生成與待檢測(cè)圖像對(duì)應(yīng)的圖像特征信息，并將圖像特征信息分別輸入至各類別檢測(cè)分支網(wǎng)絡(luò)，最終，通過各類別檢測(cè)分支網(wǎng)絡(luò)根據(jù)接收的圖像特征信息，生成與所檢測(cè)類別對(duì)應(yīng)的目標(biāo)檢測(cè)結(jié)果，解決了多目標(biāo)檢測(cè)的準(zhǔn)確率及效率較低的問題，能夠快速且準(zhǔn)確地識(shí)別出待檢測(cè)圖像中的多個(gè)目標(biāo)，提高了多目標(biāo)檢測(cè)的準(zhǔn)確率及效率。
58.可選的，圖像輸入模塊310，具體可以用于：獲取自動(dòng)駕駛車輛實(shí)時(shí)采集的車輛環(huán)境圖像，作為待檢測(cè)圖像；多目標(biāo)檢測(cè)裝置還可以包括：決策信息生成模塊，用于在通過各類別檢測(cè)分支網(wǎng)絡(luò)根據(jù)接收的圖像特征信息，生成與所檢測(cè)類別對(duì)應(yīng)的目標(biāo)檢測(cè)結(jié)果之后，根據(jù)各類別檢測(cè)分支網(wǎng)絡(luò)分別輸出的目標(biāo)檢測(cè)結(jié)果，生成自動(dòng)駕駛決策信息，并按照所述自動(dòng)駕駛決策信息控制自動(dòng)駕駛的運(yùn)行。
59.可選的，多目標(biāo)檢測(cè)裝置還可以包括：模型訓(xùn)練模塊，包括模型構(gòu)建單元、第一訓(xùn)練單元和第二訓(xùn)練單元；其中，模型構(gòu)建單元用于在將待檢測(cè)圖像輸入至多任務(wù)檢測(cè)模型中之前，根據(jù)目標(biāo)檢測(cè)任務(wù)中的任務(wù)數(shù)量構(gòu)建預(yù)設(shè)任務(wù)檢測(cè)模型；其中，預(yù)設(shè)任務(wù)檢測(cè)模型包括初始基礎(chǔ)網(wǎng)絡(luò)以及與任務(wù)數(shù)量對(duì)應(yīng)的初始類別檢測(cè)分支網(wǎng)絡(luò)；第一訓(xùn)練單元，用于將包含全類別標(biāo)注樣本的基礎(chǔ)數(shù)據(jù)集輸入至預(yù)設(shè)任務(wù)檢測(cè)模型，并采用整體損失函數(shù)訓(xùn)練所述預(yù)設(shè)任務(wù)檢測(cè)模型，得到基礎(chǔ)多任務(wù)檢測(cè)模型；第二訓(xùn)練單元，用于利用目標(biāo)單類別標(biāo)注樣本訓(xùn)練基礎(chǔ)多任務(wù)檢測(cè)模型中的目標(biāo)類別檢測(cè)分支網(wǎng)絡(luò)，得到多任務(wù)檢測(cè)模型。
60.可選的，多目標(biāo)檢測(cè)裝置還可以包括：基礎(chǔ)數(shù)據(jù)集構(gòu)建模塊，用于在所述將包含全類別標(biāo)注樣本的基礎(chǔ)數(shù)據(jù)集輸入至預(yù)設(shè)任務(wù)檢測(cè)模型，并采用整體損失函數(shù)訓(xùn)練所述預(yù)設(shè)任務(wù)檢測(cè)模型，得到基礎(chǔ)多任務(wù)檢測(cè)模型之前，將包含全類別標(biāo)注樣本的初始數(shù)據(jù)集輸入至預(yù)設(shè)任務(wù)檢測(cè)模型中，獲取預(yù)設(shè)任務(wù)檢測(cè)模型中各初始類別檢測(cè)分支網(wǎng)絡(luò)的檢測(cè)精度；根據(jù)逐步遞增初始數(shù)據(jù)集中數(shù)據(jù)量的方式，獲取預(yù)設(shè)任務(wù)檢測(cè)模型中各初始類別檢測(cè)分支網(wǎng)絡(luò)的檢測(cè)精度均滿足目標(biāo)精度時(shí)的基礎(chǔ)數(shù)據(jù)集。
61.可選的，基礎(chǔ)數(shù)據(jù)集構(gòu)建模塊，具體可以用于：當(dāng)預(yù)設(shè)任務(wù)檢測(cè)模型中至少一個(gè)初始類別檢測(cè)分支網(wǎng)絡(luò)的檢測(cè)精度不滿足目標(biāo)精度時(shí)，將初始數(shù)據(jù)集中的數(shù)據(jù)量進(jìn)行擴(kuò)增，并執(zhí)行將初始數(shù)據(jù)集輸入至預(yù)設(shè)任務(wù)檢測(cè)模型中，獲取預(yù)設(shè)任務(wù)檢測(cè)模型中各初始類別檢測(cè)分支網(wǎng)絡(luò)的檢測(cè)精度的操作；直至預(yù)設(shè)任務(wù)檢測(cè)模型中各初始類別檢測(cè)分支網(wǎng)絡(luò)的檢測(cè)精度均滿足目標(biāo)精度，將當(dāng)前初始數(shù)據(jù)集作為基礎(chǔ)數(shù)據(jù)集。
62.可選的，第一訓(xùn)練單元，具體可以用于：獲取預(yù)設(shè)任務(wù)檢測(cè)模型中各初始類別檢測(cè)分支網(wǎng)絡(luò)的損失函數(shù)及對(duì)應(yīng)權(quán)重，并依據(jù)各初始類別檢測(cè)分支網(wǎng)絡(luò)的損失函數(shù)及對(duì)應(yīng)權(quán)重構(gòu)建整體損失函數(shù)；依據(jù)所述整體損失函數(shù)訓(xùn)練預(yù)設(shè)任務(wù)檢測(cè)模型中的初始基礎(chǔ)網(wǎng)絡(luò)以及與任務(wù)數(shù)量對(duì)應(yīng)的初始類別檢測(cè)分支網(wǎng)絡(luò)，得到包含基礎(chǔ)網(wǎng)絡(luò)和中間類別檢測(cè)分支網(wǎng)絡(luò)的基礎(chǔ)多任務(wù)檢測(cè)模型。
63.可選的，第二訓(xùn)練單元，具體可以用于：獲取基礎(chǔ)多任務(wù)檢測(cè)模型中的任一中間類別檢測(cè)分支網(wǎng)絡(luò)，作為目標(biāo)類別檢測(cè)分支網(wǎng)絡(luò)；固定基礎(chǔ)多任務(wù)檢測(cè)模型中基礎(chǔ)網(wǎng)絡(luò)及設(shè)定條件下的中間類別檢測(cè)分支網(wǎng)絡(luò)的參數(shù)，利用目標(biāo)單類別標(biāo)注樣本對(duì)基礎(chǔ)多任務(wù)檢測(cè)模型中的目標(biāo)類別檢測(cè)分支網(wǎng)絡(luò)進(jìn)行參數(shù)調(diào)整，得到多任務(wù)檢測(cè)模型。
64.本發(fā)明實(shí)施例所提供的多目標(biāo)檢測(cè)裝置可執(zhí)行本發(fā)明任意實(shí)施例所提供的多目標(biāo)檢測(cè)方法，具備執(zhí)行方法相應(yīng)的功能模塊和有益效果。
65.實(shí)施例四圖8示出了可以用來實(shí)施本發(fā)明的實(shí)施例的電子設(shè)備410的結(jié)構(gòu)示意圖。電子設(shè)備旨在表示各種形式的數(shù)字計(jì)算機(jī)，諸如，膝上型計(jì)算機(jī)、臺(tái)式計(jì)算機(jī)、工作臺(tái)、個(gè)人數(shù)字助理、服務(wù)器、刀片式服務(wù)器、大型計(jì)算機(jī)、和其它適合的計(jì)算機(jī)。電子設(shè)備還可以表示各種形式的移動(dòng)裝置，諸如，個(gè)人數(shù)字處理、蜂窩電話、智能電話、可穿戴設(shè)備（如頭盔、眼鏡、手表等）和其它類似的計(jì)算裝置。本文所示的部件、它們的連接和關(guān)系、以及它們的功能僅僅作為示例，并且不意在限制本文中描述的和/或者要求的本發(fā)明的實(shí)現(xiàn)。
66.如圖8所示，電子設(shè)備410包括至少一個(gè)處理器420，以及與至少一個(gè)處理器420通信連接的存儲(chǔ)器，如只讀存儲(chǔ)器（rom）430、隨機(jī)訪問存儲(chǔ)器（ram）440等，其中，存儲(chǔ)器存儲(chǔ)有可被至少一個(gè)處理器執(zhí)行的計(jì)算機(jī)程序，處理器420可以根據(jù)存儲(chǔ)在只讀存儲(chǔ)器（rom）430中的計(jì)算機(jī)程序或者從存儲(chǔ)單元490加載到隨機(jī)訪問存儲(chǔ)器（ram）440中的計(jì)算機(jī)程序，來執(zhí)行各種適當(dāng)?shù)膭?dòng)作和處理。在ram 440中，還可存儲(chǔ)電子設(shè)備410操作所需的各種程序和數(shù)據(jù)。處理器420、rom 430以及ram440通過總線450彼此相連。輸入/輸出（i/o）接口460也連接至總線450。
67.電子設(shè)備410中的多個(gè)部件連接至i/o接口460，包括：輸入單元470，例如鍵盤、鼠標(biāo)等；輸出單元480，例如各種類型的顯示器、揚(yáng)聲器等；存儲(chǔ)單元490，例如磁盤、光盤等；以及通信單元4100，例如網(wǎng)卡、調(diào)制解調(diào)器、無線通信收發(fā)機(jī)等。通信單元4100允許電子設(shè)備410通過諸如因特網(wǎng)的計(jì)算機(jī)網(wǎng)絡(luò)和/或各種電信網(wǎng)絡(luò)與其他設(shè)備交換信息/數(shù)據(jù)。
68.處理器420可以是各種具有處理和計(jì)算能力的通用和/或?qū)Ｓ锰幚斫M件。處理器420的一些示例包括但不限于中央處理單元（cpu）、圖形處理單元（gpu）、各種專用的人工智能（ai）計(jì)算芯片、各種運(yùn)行機(jī)器學(xué)習(xí)模型算法的處理器、數(shù)字信號(hào)處理器（dsp）、以及任何適當(dāng)?shù)奶幚砥鳌⒖刂破鳌⑽⒖刂破鞯取Ｌ幚砥?20執(zhí)行上文所描述的各個(gè)方法和處理，例如多目標(biāo)檢測(cè)方法。
69.該方法包括：獲取待檢測(cè)圖像，并將待檢測(cè)圖像輸入至多任務(wù)檢測(cè)模型中；其中，多任務(wù)檢測(cè)模型包括基礎(chǔ)網(wǎng)絡(luò)和分別與基礎(chǔ)網(wǎng)絡(luò)相連的多個(gè)類別檢測(cè)分支網(wǎng)絡(luò)，類別檢測(cè)分支網(wǎng)絡(luò)用于檢測(cè)設(shè)定類別的目標(biāo)；基礎(chǔ)網(wǎng)絡(luò)使用全類別標(biāo)注樣本訓(xùn)練得到，類別檢測(cè)分支網(wǎng)絡(luò)使用單類別標(biāo)注樣本訓(xùn)練得到；通過所述基礎(chǔ)網(wǎng)絡(luò)生成與待檢測(cè)圖像對(duì)應(yīng)的圖像特征信息，并將圖像特征信息分別輸入至各所述類別檢測(cè)分支網(wǎng)絡(luò)；通過各類別檢測(cè)分支網(wǎng)絡(luò)根據(jù)接收的圖像特征信息，生成與所檢測(cè)類別對(duì)應(yīng)的目標(biāo)檢測(cè)結(jié)果。
70.在一些實(shí)施例中，多目標(biāo)檢測(cè)方法可被實(shí)現(xiàn)為計(jì)算機(jī)程序，其被有形地包含于計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，例如存儲(chǔ)單元490。在一些實(shí)施例中，計(jì)算機(jī)程序的部分或者全部可以經(jīng)由rom 430和/或通信單元4100而被載入和/或安裝到電子設(shè)備410上。當(dāng)計(jì)算機(jī)程序加載到ram 440并由處理器420執(zhí)行時(shí)，可以執(zhí)行上文描述的多目標(biāo)檢測(cè)方法的一個(gè)或多個(gè)步驟。備選地，在其他實(shí)施例中，處理器420可以通過其他任何適當(dāng)?shù)姆绞剑ɡ纾柚诠碳┒慌渲脼閳?zhí)行多目標(biāo)檢測(cè)方法。
71.本文中以上描述的系統(tǒng)和技術(shù)的各種實(shí)施方式可以在數(shù)字電子電路系統(tǒng)、集成電路系統(tǒng)、場可編程門陣列（fpga）、專用集成電路（asic）、專用標(biāo)準(zhǔn)產(chǎn)品（assp）、芯片上系統(tǒng)的系統(tǒng)（soc）、負(fù)載可編程邏輯設(shè)備（cpld）、計(jì)算機(jī)硬件、固件、軟件、和/或它們的組合中實(shí)現(xiàn)。這些各種實(shí)施方式可以包括：實(shí)施在一個(gè)或者多個(gè)計(jì)算機(jī)程序中，該一個(gè)或者多個(gè)計(jì)算機(jī)程序可在包括至少一個(gè)可編程處理器的可編程系統(tǒng)上執(zhí)行和/或解釋，該可編程處理器可以是專用或者通用可編程處理器，可以從存儲(chǔ)系統(tǒng)、至少一個(gè)輸入裝置、和至少一個(gè)輸出裝置接收數(shù)據(jù)和指令，并且將數(shù)據(jù)和指令傳輸至該存儲(chǔ)系統(tǒng)、該至少一個(gè)輸入裝置、和該至少一個(gè)輸出裝置。
72.用于實(shí)施本發(fā)明的方法的計(jì)算機(jī)程序可以采用一個(gè)或多個(gè)編程語言的任何組合來編寫。這些計(jì)算機(jī)程序可以提供給通用計(jì)算機(jī)、專用計(jì)算機(jī)或其他可編程數(shù)據(jù)處理裝置的處理器，使得計(jì)算機(jī)程序當(dāng)由處理器執(zhí)行時(shí)使流程圖和/或框圖中所規(guī)定的功能/操作被實(shí)施。計(jì)算機(jī)程序可以完全在機(jī)器上執(zhí)行、部分地在機(jī)器上執(zhí)行，作為獨(dú)立軟件包部分地在機(jī)器上執(zhí)行且部分地在遠(yuǎn)程機(jī)器上執(zhí)行或完全在遠(yuǎn)程機(jī)器或服務(wù)器上執(zhí)行。
73.在本發(fā)明的上下文中，計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)可以是有形的介質(zhì)，其可以包含或存儲(chǔ)以供指令執(zhí)行系統(tǒng)、裝置或設(shè)備使用或與指令執(zhí)行系統(tǒng)、裝置或設(shè)備結(jié)合地使用的計(jì)算機(jī)程序。計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)可以包括但不限于電子的、磁性的、光學(xué)的、電磁的、紅外的、或半導(dǎo)體系統(tǒng)、裝置或設(shè)備，或者上述內(nèi)容的任何合適組合。備選地，計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)可以是機(jī)器可讀信號(hào)介質(zhì)。機(jī)器可讀存儲(chǔ)介質(zhì)的更具體示例會(huì)包括基于一個(gè)或多個(gè)線的電氣連接、便攜式計(jì)算機(jī)盤、硬盤、隨機(jī)存取存儲(chǔ)器（ram）、只讀存儲(chǔ)器（rom）、可擦除可編程只讀存儲(chǔ)器（eprom或快閃存儲(chǔ)器）、光纖、便捷式緊湊盤只讀存儲(chǔ)器（cd-rom）、光學(xué)儲(chǔ)存設(shè)備、磁儲(chǔ)存設(shè)備、或上述內(nèi)容的任何合適組合。
74.為了提供與用戶的交互，可以在電子設(shè)備上實(shí)施此處描述的系統(tǒng)和技術(shù)，該電子設(shè)備具有：用于向用戶顯示信息的顯示裝置（例如，crt（陰極射線管）或者lcd（液晶顯示器）監(jiān)視器）；以及鍵盤和指向裝置（例如，鼠標(biāo)或者軌跡球），用戶可以通過該鍵盤和該指向裝
置來將輸入提供給電子設(shè)備。其它種類的裝置還可以用于提供與用戶的交互；例如，提供給用戶的反饋可以是任何形式的傳感反饋（例如，視覺反饋、聽覺反饋、或者觸覺反饋）；并且可以用任何形式（包括聲輸入、語音輸入或者、觸覺輸入）來接收來自用戶的輸入。
75.可以將此處描述的系統(tǒng)和技術(shù)實(shí)施在包括后臺(tái)部件的計(jì)算系統(tǒng)（例如，作為數(shù)據(jù)服務(wù)器）、或者包括中間件部件的計(jì)算系統(tǒng)（例如，應(yīng)用服務(wù)器）、或者包括前端部件的計(jì)算系統(tǒng)（例如，具有圖形用戶界面或者網(wǎng)絡(luò)瀏覽器的用戶計(jì)算機(jī)，用戶可以通過該圖形用戶界面或者該網(wǎng)絡(luò)瀏覽器來與此處描述的系統(tǒng)和技術(shù)的實(shí)施方式交互）、或者包括這種后臺(tái)部件、中間件部件、或者前端部件的任何組合的計(jì)算系統(tǒng)中。可以通過任何形式或者介質(zhì)的數(shù)字?jǐn)?shù)據(jù)通信（例如，通信網(wǎng)絡(luò)）來將系統(tǒng)的部件相互連接。通信網(wǎng)絡(luò)的示例包括：局域網(wǎng)（lan）、廣域網(wǎng)（wan）、區(qū)塊鏈網(wǎng)絡(luò)和互聯(lián)網(wǎng)。
76.計(jì)算系統(tǒng)可以包括客戶端和服務(wù)器。客戶端和服務(wù)器一般遠(yuǎn)離彼此并且通常通過通信網(wǎng)絡(luò)進(jìn)行交互。通過在相應(yīng)的計(jì)算機(jī)上運(yùn)行并且彼此具有客戶端-服務(wù)器關(guān)系的計(jì)算機(jī)程序來產(chǎn)生客戶端和服務(wù)器的關(guān)系。服務(wù)器可以是云服務(wù)器，又稱為云計(jì)算服務(wù)器或云主機(jī)，是云計(jì)算服務(wù)體系中的一項(xiàng)主機(jī)產(chǎn)品，以解決了傳統(tǒng)物理主機(jī)與vps服務(wù)中，存在的管理難度大，業(yè)務(wù)擴(kuò)展性弱的缺陷。
77.應(yīng)該理解，可以使用上面所示的各種形式的流程，重新排序、增加或刪除步驟。例如，本發(fā)明中記載的各步驟可以并行地執(zhí)行也可以順序地執(zhí)行也可以不同的次序執(zhí)行，只要能夠?qū)崿F(xiàn)本發(fā)明的技術(shù)方案所期望的結(jié)果，本文在此不進(jìn)行限制。
78.上述具體實(shí)施方式，并不構(gòu)成對(duì)本發(fā)明保護(hù)范圍的限制。本領(lǐng)域技術(shù)人員應(yīng)該明白的是，根據(jù)設(shè)計(jì)要求和其他因素，可以進(jìn)行各種修改、組合、子組合和替代。任何在本發(fā)明的精神和原則之內(nèi)所作的修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明保護(hù)范圍之內(nèi)。
技術(shù)特征：
1.一種多目標(biāo)檢測(cè)方法，其特征在于，包括：獲取待檢測(cè)圖像，并將待檢測(cè)圖像輸入至多任務(wù)檢測(cè)模型中；其中，多任務(wù)檢測(cè)模型包括基礎(chǔ)網(wǎng)絡(luò)和分別與基礎(chǔ)網(wǎng)絡(luò)相連的多個(gè)類別檢測(cè)分支網(wǎng)絡(luò)，類別檢測(cè)分支網(wǎng)絡(luò)用于檢測(cè)設(shè)定類別的目標(biāo)；基礎(chǔ)網(wǎng)絡(luò)使用全類別標(biāo)注樣本訓(xùn)練得到，類別檢測(cè)分支網(wǎng)絡(luò)使用單類別標(biāo)注樣本訓(xùn)練得到；通過所述基礎(chǔ)網(wǎng)絡(luò)生成與待檢測(cè)圖像對(duì)應(yīng)的圖像特征信息，并將圖像特征信息分別輸入至各所述類別檢測(cè)分支網(wǎng)絡(luò)；通過各類別檢測(cè)分支網(wǎng)絡(luò)根據(jù)接收的圖像特征信息，生成與所檢測(cè)類別對(duì)應(yīng)的目標(biāo)檢測(cè)結(jié)果。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，獲取待檢測(cè)圖像包括：獲取自動(dòng)駕駛車輛實(shí)時(shí)采集的車輛環(huán)境圖像，作為待檢測(cè)圖像；在通過各類別檢測(cè)分支網(wǎng)絡(luò)根據(jù)接收的圖像特征信息，生成與所檢測(cè)類別對(duì)應(yīng)的目標(biāo)檢測(cè)結(jié)果之后，還包括：根據(jù)各類別檢測(cè)分支網(wǎng)絡(luò)分別輸出的目標(biāo)檢測(cè)結(jié)果，生成自動(dòng)駕駛決策信息，并按照所述自動(dòng)駕駛決策信息控制自動(dòng)駕駛的運(yùn)行。3.根據(jù)權(quán)利要求1所述的方法，其特征在于，在將待檢測(cè)圖像輸入至多任務(wù)檢測(cè)模型中之前，還包括：根據(jù)目標(biāo)檢測(cè)任務(wù)中的任務(wù)數(shù)量構(gòu)建預(yù)設(shè)任務(wù)檢測(cè)模型；其中，預(yù)設(shè)任務(wù)檢測(cè)模型包括初始基礎(chǔ)網(wǎng)絡(luò)以及與任務(wù)數(shù)量對(duì)應(yīng)的初始類別檢測(cè)分支網(wǎng)絡(luò)；將包含全類別標(biāo)注樣本的基礎(chǔ)數(shù)據(jù)集輸入至預(yù)設(shè)任務(wù)檢測(cè)模型，并采用整體損失函數(shù)訓(xùn)練所述預(yù)設(shè)任務(wù)檢測(cè)模型，得到基礎(chǔ)多任務(wù)檢測(cè)模型；利用目標(biāo)單類別標(biāo)注樣本訓(xùn)練基礎(chǔ)多任務(wù)檢測(cè)模型中的目標(biāo)類別檢測(cè)分支網(wǎng)絡(luò)，得到多任務(wù)檢測(cè)模型。4.根據(jù)權(quán)利要求3所述的方法，其特征在于，在所述將包含全類別標(biāo)注樣本的基礎(chǔ)數(shù)據(jù)集輸入至預(yù)設(shè)任務(wù)檢測(cè)模型，并采用整體損失函數(shù)訓(xùn)練所述預(yù)設(shè)任務(wù)檢測(cè)模型，得到基礎(chǔ)多任務(wù)檢測(cè)模型之前，還包括：將包含全類別標(biāo)注樣本的初始數(shù)據(jù)集輸入至預(yù)設(shè)任務(wù)檢測(cè)模型中，獲取預(yù)設(shè)任務(wù)檢測(cè)模型中各初始類別檢測(cè)分支網(wǎng)絡(luò)的檢測(cè)精度；根據(jù)逐步遞增初始數(shù)據(jù)集中數(shù)據(jù)量的方式，獲取預(yù)設(shè)任務(wù)檢測(cè)模型中各初始類別檢測(cè)分支網(wǎng)絡(luò)的檢測(cè)精度均滿足目標(biāo)精度時(shí)的基礎(chǔ)數(shù)據(jù)集。5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)逐步遞增初始數(shù)據(jù)集中數(shù)據(jù)量的方式，獲取預(yù)設(shè)任務(wù)檢測(cè)模型中各初始類別檢測(cè)分支網(wǎng)絡(luò)的檢測(cè)精度均滿足目標(biāo)精度時(shí)的基礎(chǔ)數(shù)據(jù)集，包括：當(dāng)預(yù)設(shè)任務(wù)檢測(cè)模型中至少一個(gè)初始類別檢測(cè)分支網(wǎng)絡(luò)的檢測(cè)精度不滿足目標(biāo)精度時(shí)，將初始數(shù)據(jù)集中的數(shù)據(jù)量進(jìn)行擴(kuò)增，并執(zhí)行將初始數(shù)據(jù)集輸入至預(yù)設(shè)任務(wù)檢測(cè)模型中，獲取預(yù)設(shè)任務(wù)檢測(cè)模型中各初始類別檢測(cè)分支網(wǎng)絡(luò)的檢測(cè)精度的操作；直至預(yù)設(shè)任務(wù)檢測(cè)模型中各初始類別檢測(cè)分支網(wǎng)絡(luò)的檢測(cè)精度均滿足目標(biāo)精度，將當(dāng)前初始數(shù)據(jù)集作為基礎(chǔ)數(shù)據(jù)集。6.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述采用整體損失函數(shù)訓(xùn)練所述預(yù)設(shè)任務(wù)
檢測(cè)模型，得到基礎(chǔ)多任務(wù)檢測(cè)模型，包括：獲取預(yù)設(shè)任務(wù)檢測(cè)模型中各初始類別檢測(cè)分支網(wǎng)絡(luò)的損失函數(shù)及對(duì)應(yīng)權(quán)重，并依據(jù)各初始類別檢測(cè)分支網(wǎng)絡(luò)的損失函數(shù)及對(duì)應(yīng)權(quán)重構(gòu)建整體損失函數(shù)；依據(jù)所述整體損失函數(shù)訓(xùn)練預(yù)設(shè)任務(wù)檢測(cè)模型中的初始基礎(chǔ)網(wǎng)絡(luò)以及與任務(wù)數(shù)量對(duì)應(yīng)的初始類別檢測(cè)分支網(wǎng)絡(luò)，得到包含基礎(chǔ)網(wǎng)絡(luò)和中間類別檢測(cè)分支網(wǎng)絡(luò)的基礎(chǔ)多任務(wù)檢測(cè)模型。7.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述利用目標(biāo)單類別標(biāo)注樣本訓(xùn)練基礎(chǔ)多任務(wù)檢測(cè)模型中的目標(biāo)類別檢測(cè)分支網(wǎng)絡(luò)，得到多任務(wù)檢測(cè)模型，包括：獲取基礎(chǔ)多任務(wù)檢測(cè)模型中的任一中間類別檢測(cè)分支網(wǎng)絡(luò)，作為目標(biāo)類別檢測(cè)分支網(wǎng)絡(luò)；固定基礎(chǔ)多任務(wù)檢測(cè)模型中基礎(chǔ)網(wǎng)絡(luò)及設(shè)定條件下的中間類別檢測(cè)分支網(wǎng)絡(luò)的參數(shù)，利用目標(biāo)單類別標(biāo)注樣本對(duì)基礎(chǔ)多任務(wù)檢測(cè)模型中的目標(biāo)類別檢測(cè)分支網(wǎng)絡(luò)進(jìn)行參數(shù)調(diào)整，得到多任務(wù)檢測(cè)模型。8.一種多目標(biāo)檢測(cè)裝置，其特征在于，包括：圖像輸入模塊，用于獲取待檢測(cè)圖像，并將待檢測(cè)圖像輸入至多任務(wù)檢測(cè)模型中；其中，多任務(wù)檢測(cè)模型包括基礎(chǔ)網(wǎng)絡(luò)和分別與基礎(chǔ)網(wǎng)絡(luò)相連的多個(gè)類別檢測(cè)分支網(wǎng)絡(luò)，類別檢測(cè)分支網(wǎng)絡(luò)用于檢測(cè)設(shè)定類別的目標(biāo)；基礎(chǔ)網(wǎng)絡(luò)使用全類別標(biāo)注樣本訓(xùn)練得到，類別檢測(cè)分支網(wǎng)絡(luò)使用單類別標(biāo)注樣本訓(xùn)練得到；特征信息生成模塊，用于通過所述基礎(chǔ)網(wǎng)絡(luò)生成與待檢測(cè)圖像對(duì)應(yīng)的圖像特征信息，并將圖像特征信息分別輸入至各所述類別檢測(cè)分支網(wǎng)絡(luò)；檢測(cè)結(jié)果生成模塊，用于通過各類別檢測(cè)分支網(wǎng)絡(luò)根據(jù)接收的圖像特征信息，生成與所檢測(cè)類別對(duì)應(yīng)的目標(biāo)檢測(cè)結(jié)果。9.一種電子設(shè)備，其特征在于，所述電子設(shè)備包括：至少一個(gè)處理器；以及與所述至少一個(gè)處理器通信連接的存儲(chǔ)器；其中，所述存儲(chǔ)器存儲(chǔ)有可被所述至少一個(gè)處理器執(zhí)行的計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被所述至少一個(gè)處理器執(zhí)行，以使所述至少一個(gè)處理器能夠執(zhí)行權(quán)利要求1-7中任一項(xiàng)所述的多目標(biāo)檢測(cè)方法。10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)指令，所述計(jì)算機(jī)指令用于使處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-7中任一項(xiàng)所述的多目標(biāo)檢測(cè)方法。
技術(shù)總結(jié)
本發(fā)明公開了一種多目標(biāo)檢測(cè)方法、裝置、設(shè)備及介質(zhì)。該方法包括：獲取待檢測(cè)圖像，并將待檢測(cè)圖像輸入至多任務(wù)檢測(cè)模型中；其中，多任務(wù)檢測(cè)模型包括基礎(chǔ)網(wǎng)絡(luò)和分別與基礎(chǔ)網(wǎng)絡(luò)相連的多個(gè)類別檢測(cè)分支網(wǎng)絡(luò)，類別檢測(cè)分支網(wǎng)絡(luò)用于檢測(cè)設(shè)定類別的目標(biāo)；基礎(chǔ)網(wǎng)絡(luò)使用全類別標(biāo)注樣本訓(xùn)練得到，類別檢測(cè)分支網(wǎng)絡(luò)使用單類別標(biāo)注樣本訓(xùn)練得到；通過所述基礎(chǔ)網(wǎng)絡(luò)生成與待檢測(cè)圖像對(duì)應(yīng)的圖像特征信息，并將圖像特征信息分別輸入至各所述類別檢測(cè)分支網(wǎng)絡(luò)；通過各類別檢測(cè)分支網(wǎng)絡(luò)根據(jù)接收的圖像特征信息，生成與所檢測(cè)類別對(duì)應(yīng)的目標(biāo)檢測(cè)結(jié)果。通過本發(fā)明的技術(shù)方案，能夠快速且準(zhǔn)確地識(shí)別出待檢測(cè)圖像中的目標(biāo)，提高了多目標(biāo)檢測(cè)的準(zhǔn)確率及效率。率及效率。率及效率。
