说明:收录全网最新的团体标准 提供单次或批量下载
(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211215104.5 (22)申请日 2022.09.30 (71)申请人 支付宝 (杭州) 信息技 术有限公司 地址 310000 浙江省杭州市西湖区西溪路 556号8层B段801-1 1 (72)发明人 李文 邹城 王萌 程远  (74)专利代理 机构 北京布瑞知识产权代理有限 公司 11505 专利代理师 张欣 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/82(2022.01) G06V 10/46(2022.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 基于多任务学习模型的目标检测方法及装 置 (57)摘要 本公开披露了一种基于多任务学习模型的 目标检测方法及装置。 所述方法包括: 将图像输 入所述多任务学习模型的特征提取网络, 以提取 所述图像的多层特征图, 所述图像包括目标物, 所述多层特征图包括第一层特征图和第二层特 征图, 所述第一层特征图的特征深度大于所述第 二层特征图的特征深度; 将所述第一层特征图输 入所述多任务学习模型中的第一子任务网络, 以 获取所述目标物的第一边界框的检测数据; 将所 述第二层特征图输入所述多任务学习模型中的 第二子任务网络, 以获取所述目标物的第一关键 点的检测数据。 权利要求书2页 说明书9页 附图6页 CN 115457639 A 2022.12.09 CN 115457639 A 1.一种基于多任务学习模型的目标检测方法, 所述方法包括: 将图像输入所述多任务学习模型的特征提取网络, 以提取所述图像的多层特征图, 所 述图像包括 目标物, 所述多层特征图包括第一层特征图和第二层特征图, 所述第一层特征 图的特征深度大于所述第二层特 征图的特 征深度; 将所述第一层特征图输入所述多任务学习 模型中的第 一子任务网络, 以获取所述目标 物的第一 边界框的检测数据; 将所述第二层特征图输入所述多任务学习 模型中的第 二子任务网络, 以获取所述目标 物的第一关键点的检测数据。 2.根据权利要求1所述的方法, 所述方法还 包括: 将所述第一层特征图输入所述多任务学习 模型中的第 三子任务网络, 以获取所述目标 物的第二 边界框的检测数据; 将所述第二层特征图输入所述多任务学习 模型中的第四子任务网络, 以获取所述目标 物的第二关键点的检测数据。 3.根据权利要求1或2所述的方法, 所述特征提取网络包括顺次连接的N个卷积层, 所述 N个卷积层中位于最底端的卷积层为第一卷积层, 位于最顶端的卷积层为第N卷积层, 所述 第一层特 征图为第N ‑1卷积层的输出。 4.根据权利要求3所述的方法, 所述第二层特征图为第N ‑2卷积层或第N ‑3卷积层的输 出。 5.根据权利要求1所述的方法, 所述目标物为动物, 所述第一边界框为脸框或鼻框, 所 述第一关键点 为眼部关键点或鼻部关键点。 6.一种基于多任务学习模型的目标检测装置, 所述装置包括: 提取模块, 用于将图像输入所述多任务学习模型的特征提取网络, 以提取所述图像的 多层特征图, 所述图像包括目标物, 所述多层特征图包括第一层特征图和 第二层特征图, 所 述第一层特 征图的特 征深度大于所述第二层特 征图的特 征深度; 第一获取模块, 用于将所述第 一层特征图输入所述多任务学习 模型中的第 一子任务网 络, 以获取 所述目标物的第一 边界框的检测数据; 第二获取模块, 用于将所述第 二层特征图输入所述多任务学习 模型中的第 二子任务网 络, 以获取 所述目标物的第一关键点的检测数据。 7.根据权利要求6所述的装置, 所述装置还 包括: 第三获取模块, 用于将所述第 一层特征图输入所述多任务学习 模型中的第 三子任务网 络, 以获取 所述目标物的第二 边界框的检测数据; 第四获取模块, 用于将所述第 二层特征图输入所述多任务学习 模型中的第四子任务网 络, 以获取 所述目标物的第二关键点的检测数据。 8.根据权利要求6或7所述的装置, 所述特征提取网络包括顺次连接的N个卷积层, 所述 N个卷积层中位于最底端的卷积层为第一卷积层, 位于最顶端的卷积层为第N卷积层, 所述 第一层特 征图为第N ‑1卷积层的输出。 9.根据权利要求8所述的装置, 所述第二层特征图为第N ‑2卷积层或第N ‑3卷积层的输 出。 10.根据权利要求6所述的装置, 所述目标物为动物, 所述第 一边界框为脸框或鼻框, 所权 利 要 求 书 1/2 页 2 CN 115457639 A 2述第一关键点 为眼部关键点或鼻部关键点。 11.一种目标检测装置, 包括存储器和 处理器, 所述存储器中存储有可执行代码, 所述 处理器被配置为执 行所述可执行代码, 以实现权利要求1 ‑5中任一项所述的方法。权 利 要 求 书 2/2 页 3 CN 115457639 A 3

.PDF文档 专利 基于多任务学习模型的目标检测方法及装置

文档预览
中文文档 18 页 50 下载 1000 浏览 0 评论 309 收藏 3.0分
温馨提示:本文档共18页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
专利 基于多任务学习模型的目标检测方法及装置 第 1 页 专利 基于多任务学习模型的目标检测方法及装置 第 2 页 专利 基于多任务学习模型的目标检测方法及装置 第 3 页
下载文档到电脑,方便使用
本文档由 人生无常 于 2024-03-18 16:19:58上传分享
友情链接
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们微信(点击查看客服),我们将及时删除相关资源。