[发明专利]构建用于目标检测的网络的方法和目标检测方法及系统

权利要求书

1.一种目标检测方法，其特征在于，包括：

使用第一深度学习网络提取图像的浅层特征图；

使用第二深度学习网络在所述图像的浅层特征图上识别目标候选区域和目标尺寸分类，其中，所述目标尺寸分类指示目标大小与目标候选区域的大小之间的大小关系；

根据所述目标候选区域和所述目标尺寸分类，选择最终候选区域对应的浅层特征图，包括：

如果所述目标尺寸分类为第一类，使用所述第二深度学习网络在所述目标候选区域对应的浅层特征图上再次识别目标候选区域和目标尺寸分类；

如果所述目标尺寸分类为第二类，将所述目标候选区域对应的浅层特征图，作为最终候选区域对应的浅层特征图；

如果所述目标尺寸分类为第三类，将所述图像的浅层特征图进行降采样，得到最终候选区域对应的浅层特征图；

其中，所述第一类、所述第二类及所述第三类对应的目标尺寸依次增大；

以及，

使用第三深度学习网络从所述最终候选区域对应的浅层特征图上提取用于目标检测的深层特征图，并根据提取的深层特征图进行目标识别和定位，包括：

使用骨干网络提取所述最终候选区域的浅层特征图的深层特征图；

使用多层特征融合网络对各个深层特征图进行特征融合，以丰富特征图中包含的语义及位置边缘信息；

在特征融合后的深层特征图上使用检测头网络预测目标的类别和位置，得到多个检测框结果，对所述多个检测框结果进行非极大值抑制，得到最终的检测结果。

2.根据权利要求1所述的目标检测方法，其特征在于，使用第二深度学习网络在所述图像的浅层特征图上识别目标候选区域和目标尺寸分类，包括：

使用候选区域分类器基于所述图像的浅层特征图识别目标候选区域；

使用行为分类器基于所述图像的浅层特征图识别目标尺寸分类。

3.根据权利要求2所述的目标检测方法，其特征在于，使用候选区域分类器基于所述图像的浅层特征图识别目标候选区域，包括：

使用候选区域分类器基于所述图像的浅层特征图识别目标候选区域，得到目标候选区域对应的编号，其中，所述编号指示图像上的图像块，每个图像块对应于图像上预定义的位置和大小。

4.根据权利要求2所述的目标检测方法，其特征在于，使用候选区域分类器基于所述图像的浅层特征图识别目标候选区域之前，还包括：

使用第一层卷积层整合特征的深度信息，其中，所述第一层卷积层使用1x1的卷积核，卷积核输入深度是256，输出深度是64；

使用第二和第三层卷积层进一步提取用于空间预定位的特征，其中，所述第二和第三层卷积层为3x3的卷积核；

使用兴趣区ROI层将第三层卷积层输出的特征图调整为预设大小。