[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

说明书

本申请涉及一种构建用于目标检测的网络的方法和目标检测方法及系统，其中，该目标检测方法，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图像的浅层特征图上识别目标候选区域和目标尺寸分类，该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；根据目标候选区域和目标尺寸分类，选择最终候选区域对应的浅层特征图；以及使用第三深度学习网络从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。通过该方法，至少提高了对高分辨率图像的目标检测速度。

技术领域

本申请涉及目标检测领域，尤其涉及一种构建用于目标检测的网络的方法和目标检测方法及系统。

背景技术

目标检测技术已经被研究了很多年，近年来，随着深度学习(Deep Learning)技术的飞速发展，有许多优秀的目标检测算法被提出。但是由于目标的尺寸变化、遮挡、光照以及图像分辨率的提高等因素影响，目标检测算法在计算机视觉领域仍然是一项非常具有挑战性的研究任务。目标检测可以用于获得目标的类别和目标在图像中的位置，在视觉任务中常用于为目标跟踪提供初值，以及为姿态计算提供目标区域减少姿态求解的计算量。

基于深度学习的目标检测方法，其网络可以分为骨干网络，特征融合网络，以及检测头网络。随着深度学习的发展，骨干网络的层数也随之增加，网络浅层的特征图主要包含低级信息，如边缘和位置信息。网络深层的特征图主要包含高级信息，如语义信息。检测任务包含识别和定位两部分，所以同时需要高级信息和低级信息，为了更好的检测结果，通常采用特征融合的方式，将浅层网络和深层网络相结合。

相关技术中，基于深度学习的检测方法按照检测策略主要分为两阶段网络和单阶段网络。其中单阶段网络由原图输入一次得到最后的预测框和类别分类，虽然检测速度有优势，但是当图像尺寸增大时，整体计算量会大大增加，因而无法实时检测高分辨率图像。两阶段网络是生成一系列较为精确的候选区域框，然后基于候选区域框再进行坐标回归，这样的策略看似可以用于高分辨率图像，但是生成精确的候选区域需要深层网络的支撑，所以也无法实时检测高分辨图像。

综上分析，常见的目标检测算法，无论是单阶段网络还是两阶段网络，其骨干网络部分都在面对高分辨率图像时占用了大部分的计算时间，所以无法实时检测高分辨率图像。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种构建用于目标检测的网络的方法和目标检测方法及系统。

第一方面，本申请提供了一种目标检测方法，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，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；根据目标候选区域和目标尺寸分类，选择最终候选区域对应的浅层特征图；以及使用第三深度学习网络从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。

在一些实施例中，根据目标的候选区域和目标尺寸分类，选择最终候选区域对应的浅层特征图，包括：如果目标尺寸分类为第一类，使用第二深度学习网络在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；如果目标尺寸分类为第二类，将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；如果目标尺寸分类为第三类，将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，第一类、第二类及第三类对应的目标尺寸依次增大。

在一些实施例中，使用第二深度学习网络在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(Candidate Region Classification，简称为CRC)基于图像的浅层特征图识别目标候选区域；使用行为分类器(BehaviorClassification，简称为BC)基于图像的浅层特征图识别目标尺寸分类。