1.一種基于多任務(wù)協(xié)作的鏡子檢測(cè)方法，其特征在于，所述方法包括以下步驟：

步驟1選擇鏡子檢測(cè)數(shù)據(jù)集MSD

選擇一個(gè)鏡子檢測(cè)數(shù)據(jù)集MSD，該數(shù)據(jù)集包括鏡子的圖像和對(duì)應(yīng)的人工標(biāo)注的鏡子掩膜圖像；且該數(shù)據(jù)集涵蓋場(chǎng)景中的多種樣式的鏡子以及被實(shí)物遮擋的鏡子；將得到的MSD數(shù)據(jù)集中的圖像劃分為訓(xùn)練集和測(cè)試集；

步驟2共享編碼器提取特征

將步驟1構(gòu)建的MSD數(shù)據(jù)集中訓(xùn)練集的圖像輸入到共享編碼器中以收獲多級(jí)別的特征；所述的共享編碼器利用特征提取網(wǎng)絡(luò)實(shí)現(xiàn)；

步驟3構(gòu)建協(xié)作網(wǎng)絡(luò)

所述的協(xié)作網(wǎng)絡(luò)包括三個(gè)并行的網(wǎng)絡(luò)，分別為鏡子分割網(wǎng)絡(luò)S-Net、鏡子邊界檢測(cè)網(wǎng)絡(luò)B-Net和深度預(yù)測(cè)網(wǎng)絡(luò)D-Net；

所述的鏡子分割網(wǎng)絡(luò)S-Net用于檢測(cè)圖像域中的不連續(xù)性，鏡子分割網(wǎng)絡(luò)S-Net要求共享編碼器提供輸入圖像的高級(jí)語義信息，由此生成圖像內(nèi)容中的不連續(xù)性；因此，在帶有預(yù)訓(xùn)練的ResNet-101編碼器的PSP模塊上構(gòu)建鏡子分割網(wǎng)絡(luò)S-Net；

所述的深度預(yù)測(cè)網(wǎng)絡(luò)D-Net用于估計(jì)圖片的深度圖，并轉(zhuǎn)化為注意力圖，以引導(dǎo)網(wǎng)絡(luò)專注于深度域不一致的區(qū)域；所述的深度預(yù)測(cè)網(wǎng)絡(luò)D-Net使用跨連接方式連接六個(gè)卷積層實(shí)現(xiàn)深度預(yù)測(cè)，通過將步驟2中共享編碼器得到的多級(jí)特征輸入到D-Net中，生成最終的深度注意力圖，并將深度注意力圖饋送到主網(wǎng)絡(luò)以增強(qiáng)空間上下文信息；所述深度預(yù)測(cè)網(wǎng)絡(luò)D-Net采用上采樣和下采樣模塊將步驟2中的共享編碼器提供的多級(jí)特征圖對(duì)齊到相同的空間分辨率；

所述的鏡子邊界檢測(cè)網(wǎng)絡(luò)B-Net通過顯式的提供鏡像邊界信息來增強(qiáng)上下文信息以進(jìn)行鏡子分割，作為預(yù)測(cè)鏡面區(qū)域的重要輔助；將步驟2共享編碼器中三個(gè)連續(xù)的卷積層產(chǎn)生的多級(jí)特征以跨連接的方式組合來檢測(cè)反射鏡的邊緣，來自最后一個(gè)卷積層的特征用于結(jié)構(gòu)上下文增強(qiáng)；

步驟4形成鏡子檢測(cè)網(wǎng)絡(luò)SemirNet并輸出檢測(cè)結(jié)果

將步驟3中構(gòu)建的鏡子分割網(wǎng)絡(luò)S-Net、鏡子邊界檢測(cè)網(wǎng)絡(luò)B-Net和深度預(yù)測(cè)網(wǎng)絡(luò)D-Net均與步驟2中的共享編碼器連接，形成鏡子檢測(cè)網(wǎng)絡(luò)SemirNet；將步驟2中的共享編碼器生成的多級(jí)特征作為D-Net、B-Net和S-Net的輸入，通過利用D-Net預(yù)測(cè)的深度生成深度注意力圖和B-Net的邊界信息，加強(qiáng)S-Net對(duì)圖像域中不連續(xù)的特征的判別能力，從而對(duì)輸入的鏡子圖像生成最終的鏡子檢測(cè)結(jié)果；

步驟5驗(yàn)證SemirNet有效性

將SemirNet與SemirNet相關(guān)領(lǐng)域的方法進(jìn)行比較以驗(yàn)證SemirNet的有效性；所述SemirNet相關(guān)領(lǐng)域的方法均使用公開的代碼或帶有建議參數(shù)的設(shè)置，并且均在MSD訓(xùn)練集中進(jìn)行訓(xùn)練，在測(cè)試集上進(jìn)行測(cè)試。