[发明专利]对象检测方法、装置、存储介质及处理器

权利要求书

1.一种对象检测方法，其特征在于，包括：

通过区域建议网络生成建议框，其中，所述区域建议网络用于标识图片中的对象所在的区域，所述建议框用于展示所述对象所在的区域；

根据所述建议框获取检测网络，其中，所述检测网络用于从所述图片中检测所述对象，所述区域建议网络与所述检测网络之间无共享的卷积层；

根据所述建议框微调所述检测网络和所述区域建议网络，得到具有相同的共享卷积层的目标检测网络和目标区域建议网络；

根据所述目标检测网络和所述目标区域建议网络检测目标图片中的目标对象；

其中，所述根据所述建议框微调所述检测网络和所述区域建议网络，得到具有相同的共享卷积层的目标检测网络和目标区域建议网络包括：保持所述建议框固定，交互微调所述区域建议网络和所述检测网络，得到所述具有相同的共享卷积层的所述目标检测网络和所述目标区域建议网络；

其中，所述保持所述建议框固定，交互微调所述区域建议网络和所述检测网络包括：保持所述建议框固定，微调所述区域建议网络独有的卷积层至所述检测网络和所述区域建议网络具有共享卷积层，得到所述目标区域建议网络；保持所述共享卷积层固定，微调所述检测网络的FC层至所述检测网络和所述区域建议网络具有相同的所述共享卷积层，得到所述目标检测网络。

2.根据权利要求1所述的方法，其特征在于，所述区域建议网络为RPN网络，所述检测网络为Fast R-CNN网络。

3.根据权利要求2所述的方法，其特征在于，在通过区域建议网络生成建议框之前，所述方法还包括：

通过ImageNet预训练模型进行初始化训练，得到所述RPN网络。

4.根据权利要求2所述的方法，其特征在于，根据所述建议框获取所述检测网络包括：

通过Fast R-CNN根据所述建议框对ImageNet预训练模型进行训练，得到与所述RPN网络之间无共享的卷积层的所述Fast R-CNN网络。

5.根据权利要求1至4中任一项所述的方法，其特征在于，根据所述目标检测网络和所述目标区域建议网络检测所述目标图片中的所述目标对象包括：

获取所述目标图片；

将所述目标图片输入所述目标区域建议网络和所述目标检测网络，得到所述目标对象。

6.根据权利要求5所述的方法，其特征在于，将所述目标图片输入所述目标区域建议网络和所述目标检测网络，得到所述目标对象包括：

将所述目标图片输入所述目标区域建议网络，得到携带有目标建议框的图片；

将所述携带有目标建议框的图片输入所述目标检测网络，得到所述目标检测网络从所述目标建议框中检测出的所述目标对象。

7.一种对象检测装置，其特征在于，包括：

生成模块，用于通过区域建议网络生成建议框，其中，所述区域建议网络用于标识图片中的对象所在的区域，所述建议框用于展示所述对象所在的区域；

获取模块，用于根据所述建议框获取检测网络，其中，所述检测网络用于从所述图片中检测所述对象，所述区域建议网络与所述检测网络之间无共享的卷积层；

微调模块，用于根据所述建议框微调所述检测网络和所述区域建议网络，得到具有相同的共享卷积层的目标检测网络和目标区域建议网络；

检测模块，用于根据所述目标检测网络和所述目标区域建议网络检测目标图片中的目标对象；

其中，所述微调模块包括：微调单元，用于保持所述建议框固定，交互微调所述区域建议网络和所述检测网络，得到所述具有相同的共享卷积层的所述目标检测网络和所述目标区域建议网络，

其中，所述微调单元包括：第一微调子单元，用于保持所述建议框固定，微调所述区域建议网络独有的卷积层至所述检测网络和所述区域建议网络具有共享卷积层，得到所述目标区域建议网络；第二微调子单元，用于保持所述共享卷积层固定，微调所述检测网络的FC层至所述检测网络和所述区域建议网络具有相同的所述共享卷积层，得到所述目标检测网络。