[發明專利]多任務檢測模型的訓練方法、裝置及終端設備

在審

• 申請號: 202111416716.6
• 申請日: 2021-11-25
• 公開（公告）號: CN114359572A
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 李奕潤;程駿
• 申請（專利權）人: 深圳市優必選科技股份有限公司
• 主分類號: G06V10/44
• 分類號: G06V10/44;G06V10/26;G06V10/764;G06K9/62;G06V20/58
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 劉永康

本申請適用于圖像處理技術領域，提供了一種多任務檢測模型的訓練方法、裝置、終端設備及計算機可讀存儲介質，應用于預設的多任務檢測模型，所述多任務檢測模型包括特征提取網絡和多任務檢測網絡，所述方法包括：通過所述特征提取網絡獲取訓練圖像的全局特征信息和局部特征信息；將所述全局特征信息輸入所述多任務檢測網絡，獲得多任務檢測結果；根據所述全局特征信息和所述局部特征信息獲得所述訓練圖像的語義分割結果；根據所述多任務檢測結果和所述語義分割結果訓練所述多任務檢測模型。通過上述方法，可以減少多任務檢測的計算量，同時提高多任務檢測的準確度。

技術領域

本申請屬于圖像處理技術領域，尤其涉及多任務檢測模型的訓練方法、裝置、終端設備及計算機可讀存儲介質。

背景技術

隨著近年來人工智能的不斷發展，深度神經網絡在計算機視覺領域得到了廣泛應用。例如，在自動駕駛應用領域，基于深度神經網絡的目標檢測任務可以用于檢測行駛過程中的障礙物、標志牌等物體，基于深度神經網絡的車道線檢測任務可以用于檢測路面上的車道線。

如上示例所述，同一個應用場景下需要執行多個檢測任務。現有技術中，可以通過多任務檢測網絡執行多個檢測任務，將一張待檢測圖像輸入多任務檢測網絡即可輸出多個檢測任務各自的檢測結果。但是，現有的多任務檢測網絡中各個檢測任務獨立執行，計算量較大，且無法利用不同檢測目標之間的相關特征，導致檢測準確度較低。

發明內容

本申請實施例提供了一種多任務檢測模型的訓練方法、裝置、終端設備及計算機可讀存儲介質，可以減少多任務檢測的計算量，同時提高多任務檢測的準確度。

第一方面，本申請實施例提供了一種多任務檢測模型的訓練方法，應用于預設的多任務檢測模型，所述多任務檢測模型包括特征提取網絡和多任務檢測網絡，所述方法包括：

通過所述特征提取網絡獲取訓練圖像的全局特征信息和局部特征信息；

將所述全局特征信息輸入所述多任務檢測網絡，獲得多任務檢測結果；

根據所述全局特征信息和所述局部特征信息獲得所述訓練圖像的語義分割結果；

根據所述多任務檢測結果和所述語義分割結果訓練所述多任務檢測模型。

本申請實施例中，利用全局特征信息進行多任務檢測，相當于多個檢測任務共享全局特征信息，通過這種方法，多個檢測任務無需重復提取特征信息，減少了計算量，且由于特征信息共享，能夠有效提高檢測精度。進行語義分割時加入了局部特征信息，相當于考慮了圖像中的細節特征，再將語義分割結果結合多任務檢測結果共同訓練多任務檢測模型，可以有效提高訓練后的多任務檢測模型對不同目標特征的識別能力、以及對不同目標特征的關聯能力。通過上述方法，在減少多任務檢測模型的計算量的同時，有效提高了多任務檢測模型的檢測精度。

在第一方面的一種可能的實現方式中，所述根據所述全局特征信息和所述局部特征信息獲得所述訓練圖像的語義分割結果，包括：

將所述全局特征信息和所述局部特征信息進行信息整合處理，得到整合特征信息；

根據所述整合特征信息獲取所述訓練圖像的語義分割結果。

在第一方面的一種可能的實現方式中，所述將所述全局特征信息和所述局部特征信息進行信息整合處理，得到整合特征信息，包括：

對所述全局特征信息進行上采樣處理，得到第一處理信息；

對所述第一處理信息進行卷積處理，得到第二處理信息；

將所述第二處理信息和所述局部特征信息進行信息拼接處理，得到所述整合特征信息。

在第一方面的一種可能的實現方式中，所述整合特征信息包括所述訓練圖像上的每個像素點屬于每種語義類別的概率值；所述語義分割結果包括所述訓練圖像中每個像素點所屬的語義類別；