[发明专利]目标检测网络构建方法及装置、目标检测方法

权利要求书

1.一种目标检测网络构建方法，其特征在于，包括：

获取用于目标检测的初始网络模型，所述初始网络模型包括相连的骨干网络和多任务学习模块；其中，所述骨干网络用于在待检测图像上生成多个锚框，并且为每个锚框提取特征；所述多任务学习模块中包括原分类分支网络，用于根据锚框的特征得到锚框的第一分类信息；

在所述多任务学习模块中添加裁剪模块和新分类分支网络，以得到目标检测网络；其中，所述裁剪模块，用于针对所述骨干网络生成的每一个锚框，在待检测图像上进行裁剪得到对应的锚框原像，并将所述锚框原像通过缩放得到尺度不同的多个锚框原像，并提取每个锚框原像的特征；所述新分类分支网络，用于基于每一个锚框的尺度不同的多个锚框原像的特征，生成每一个锚框的第二分类信息，并将所述第一分类信息和所述第二分类信息进行组合，得到第三分类信息；

所述第一分类信息和所述第二分类信息的类型均是分数向量；所述将所述第一分类信息和所述第二分类信息进行组合，具体为：将所述第一分类信息和所述第二分类信息进行向量求和。

2.根据权利要求1所述的方法，其特征在于，所述新分类分支网络采用基于图卷积神经网络的多标签分类方法。

3.根据权利要求1所述的方法，其特征在于，所述尺度包括原图尺度，以及长宽均比原图大1.5倍和小1.5倍的尺度。

4.一种目标检测网络构建装置，其特征在于，包括：

获取单元，用于获取用于目标检测的初始网络模型，所述初始网络模型包括相连的骨干网络和多任务学习模块；其中，所述骨干网络用于在待检测图像上生成多个锚框，并且为每个锚框提取特征；所述多任务学习模块中包括原分类分支网络，用于根据锚框的特征得到锚框的第一分类信息；

构建单元，在所述多任务学习模块中添加裁剪模块和新分类分支网络，以得到目标检测网络；其中，所述裁剪模块，用于针对所述骨干网络生成的每一个锚框，在待检测图像上进行裁剪得到对应的锚框原像，并将所述锚框原像通过缩放得到尺度不同的多个锚框原像，并提取每个锚框原像的特征；所述新分类分支网络，用于基于每一个锚框的尺度不同的多个锚框原像的特征，生成每一个锚框的第二分类信息，并将所述第一分类信息和所述第二分类信息进行组合，得到第三分类信息；

所述第一分类信息和所述第二分类信息的类型均是分数向量；所述新分类分支网络将所述第一分类信息和所述第二分类信息进行组合，具体为：将所述第一分类信息和所述第二分类信息进行向量求和。

5.根据权利要求4所述的装置，其特征在于，所述新分类分支网络采用基于图卷积神经网络的多标签分类方法。

6.一种目标检测方法，其特征在于，包括：

将待检测图像输入目标检测网络，得到原分类分支网络输出的第一检测结果，以及新分类分支网络输出的第二检测结果；其中，所述目标检测网络包括相连的骨干网络和多任务学习模块；所述多任务学习模块中包括原分类分支网络、裁剪模块和新分类分支网络；

输出将所述第一检测结果和所述第二检测结果组合后的第三检测结果；

其中，所述骨干网络，用于在待检测图像上生成多个锚框，并且为每个锚框提取特征；

所述原分类分支网络，用于根据锚框的特征得到锚框的第一分类信息，所述第一检测结果包括每一个锚框的第一分类信息；

所述裁剪模块，用于针对所述骨干网络生成的每一个锚框，在待检测图像上进行裁剪得到对应的锚框原像，并将所述锚框原像通过缩放得到尺度不同的多个锚框原像，并提取每个锚框原像的特征；

所述新分类分支网络，用于基于每一个锚框的尺度不同的多个锚框原像的特征，生成每一个锚框的第二分类信息，所述第二检测结果包括每一个锚框的第二分类信息；

所述输出将所述第一检测结果和所述第二检测结果组合后的第三检测结果，具体为：将所述第一检测结果和所述第二检测结果中同一个锚框的第一分类信息和第二分类信息进行组合，得到第三分类信息，所述第三检测结果包括每一个锚框的第三分类信息；输出所述第三检测结果；

所述第一分类信息和所述第二分类信息的类型均是分数向量；所述将所述第一分类信息和所述第二分类信息进行组合，具体为：将所述第一分类信息和所述第二分类信息进行向量求和。