多任务检测方法及装置、存储介质制造方法及图纸

本公开提供了一种多任务检测方法及装置、存储介质，其中，包括：获取待检测图像；基于目标模型对所述待检测图像进行多个检测任务的检测，获得所述多个检测任务分别对应的检测结果；其中，所述目标模型至少包括所述多个检测任务共用的共用神经网络，以及与所述多个检测任务分别对应的检测网络。

Multi task detection method, device and storage medium

【技术实现步骤摘要】
多任务检测方法及装置、存储介质
本公开涉及人工智能领域，尤其涉及一种多任务检测方法及装置、存储介质。
技术介绍
目前，属于同一类的多个检测任务之间，由于不同检测任务的样本图像的相关性较低，很难通过同一个模型实现多个检测任务。因此，在进行多任务检测时，需要将同一张图像分别输入不同的检测任务模型。
技术实现思路
本公开提供了一种多任务检测方法及装置、存储介质。根据本公开实施例的第一方面，提供一种多任务检测方法，所述方法包括：获取待检测图像；基于目标模型对所述待检测图像进行多个检测任务的检测，获得所述多个检测任务分别对应的检测结果；其中，所述目标模型至少包括所述多个检测任务共用的共用神经网络，以及与所述多个检测任务分别对应的检测网络。在一些可选实施例中，所述获取待检测图像，包括：获取车载摄像头采集的视频流所包括的多帧图像，将所述多帧图像作为所述待检测图像；所述基于目标模型对所述待检测图像进行多个检测任务的检测，获得所述多个检测任务分别对应的检测结果，包括：基于所述目标模型对所述多帧图像进行多个交通目标检测任务的检测本文档来自技高网...

【技术保护点】
1.一种多任务检测方法，其特征在于，包括：/n获取待检测图像；/n基于目标模型对所述待检测图像进行多个检测任务的检测，获得所述多个检测任务分别对应的检测结果；/n其中，所述目标模型至少包括所述多个检测任务共用的共用神经网络，以及与所述多个检测任务分别对应的检测网络。/n

【技术特征摘要】
1.一种多任务检测方法，其特征在于，包括：
获取待检测图像；
基于目标模型对所述待检测图像进行多个检测任务的检测，获得所述多个检测任务分别对应的检测结果；
其中，所述目标模型至少包括所述多个检测任务共用的共用神经网络，以及与所述多个检测任务分别对应的检测网络。


2.根据权利要求1所述的方法，其特征在于，所述获取待检测图像，包括：
获取车载摄像头采集的视频流所包括的多帧图像，将所述多帧图像作为所述待检测图像；
所述基于目标模型对所述待检测图像进行多个检测任务的检测，获得所述多个检测任务分别对应的检测结果，包括：
基于所述目标模型对所述多帧图像进行多个交通目标检测任务的检测，获得所述多个交通目标检测任务分别对应的交通目标所在位置和/或状态的检测结果。


3.根据权利要求1或2所述的方法，其特征在于，采用以下方式训练所述目标模型：
获取第一融合模型；其中，所述第一融合模型包括所述多个检测任务共用的第一共用神经网络以及与所述多个检测任务分别对应的第一检测网络；
基于所述多个检测任务分别对应的多张样本图像，每次基于一个检测任务对应的多张样本图像，分多次对所述第一融合模型所包括的参数进行迭代更新；
响应于所述第一融合模型所包括的所述参数满足预设的第一停止迭代条件，停止更新所述第一融合模型所包括的所述参数，获得所述目标模型。


4.根据权利要求3所述的方法，其特征在于，所述基于所述多个检测任务分别对应的多张样本图像，每次基于一个检测任务对应的多张样本图像，分多次对所述第一融合模型所包括的参数进行迭代更新，包括：
基于与所述多个检测任务中第一检测任务对应的多张第一样本图像，更新所述第一共用神经网络的参数和与所述第一检测任务对应的所述第一检测网络的所述参数；
基于与所述多个检测任务中第二检测任务对应的多张第二样本图像，分别更新所述第二检测任务对应的所述第一检测网络的所述参数；
基于多张所述第二样本图像和预先设置的第一学习率，分别更新所述第二检测任务对应的所述第一检测网络的所述参数以及所述第一共用神经网络的参数；以及，
基于多张所述第一样本图像和所述第一学习率，分别更新所述第一检测任务对应的所述第一检测网络的参数以及所述第一共用神经网络的所述参数，直到所述第一融合模型所包括的所述参数满足所述第一停止迭代条件。


5.根据权利要求4所述的方法，其特征在于，所述基于多张所述第二样本图像和预先设置的第一学习率，分别更新所述第二检测任务对应的所述第一检测网络的所述参数以及所述第一共用神经网络的参数，包括：
基于多张所述第二样本图像和预先设置的第一学习率，分别更新所述第二检测任务对应的所述第一检测网络的所述参数；以及，
基于多张所述第二样本图像和第二学习率，更新所述第一共用神经网络的参数，所述第二学习率基于所述第一学习率计算得到。


6.根据权利要求4或5所述的方法，其特征在于，所述基于多张所述第一样本图像和所述第一学习率，分别更新所述第一检测任务对应的所述第一检测网络的参数以及所述第一共用神经网络的所述参数，包括：
基于多张所述第一样本图像和所述第一学习率，更新与所述第一检测任务对应的所述第一检测网络的参数；以及，
基于多张所述第一样本图像和第二学习率，更新所述第一共用神经网络的所述参数，所述第二学习率基于所述第一学习率计算得到。


7.根据权利要求3-6任一项所述的方法，其特征在于，所述第一停止迭代条件包括：所述第一融合模型中的至少一个所述参数至少两次更新后的参数值的差值小于预设阈值。


8.根据权利要求1或2所述的方法，其特征在于，采用以下方式训练所述目...

【专利技术属性】
技术研发人员：杨清平，魏嘉毅，王贺璋，曾星宇，
申请(专利权)人：北京市商汤科技开发有限公司，
类型：发明
国别省市：北京;11