1.一种结合进化多目标及进化多任务的检测模型优化方法，其特征在于，所述方法包括：构建辅助任务，所述辅助任务为基于爬山搜索算法对目标检测模型中的权重进行优化，其中，目标检测模型采用神经网络，用于对图像或视频中特定的事物进行定位和识别，所设置的模型优化参数包括：所述爬山搜索算法的目标函数权重集合S和学习率lr；进化多目标方法的种群的规模为N和最大迭代次数maxEpoch；所述目标检测模型的神经网络拓扑结构MOD，数据量DataSet及每次从DataSet抽取的batchsample的规模大小batchSize；从所述爬山搜索算法的种群迁移到所述进化多目标算法中种群的最大个体数量m；

构建主任务，所述主任务为基于进化多目标方法对第一目标函数和第二目标函数进行优化求解，所述第一目标函数为分类损失函数，所述第二目标函数为回归损失函数；

对所述辅助任务和所述主任务进行求解，并将所述辅助任务搜索过程中得到的解作为个体迁移到所述主任务的种群中，完成模型优化，包括：分别对所述神经网络拓扑结构MOD和所述权重集合S进行初始化，得到第一种群POP和第二种群GPOP，具体为：根据所述目标检测模型的神经网络拓扑结构MOD采用（0，1）正态分布初始化所述种群的N个个体，得到第一种群POP；对于所述权重集合S中的每个元素，根据所述目标检测模型的神经网络拓扑结构MOD采用（0，1）正态分布初始化1个个体，得到1个用所述爬山搜索算法解且由|S|个个体组成的第二种群GPOP；

初始化字典，得到historyElites字典；

从数据集中抽取规模为batchSize的数据样本batchSample，并将所述数据样本batchSample对应的编号放到sample_id；

基于所述第一种群POP进行评估，从子代中选择最好的λ个个体作为所述第一种群POP的下一代个体；

将所述第二种群GPOP中的个体迁移到所述第一种群POP中，得到迁移种群；

将所述迁移种群中最好的个体和当前代的sample_id组成一个字典添加到所述historyElites字典中；

令种群迭代次数epochIndex=epochIndex+1，并判断当前种群迭代次数是否满足epochIndex

若是，则重新执行所述初始化字典步骤；

若否，则运用NSGA‑II算法对所述第一种群POP进行排序，得到帕累托前沿，获取最终解集。

2.如权利要求1所述的结合进化多目标及进化多任务的检测模型优化方法，其特征在于，所述基于所述第一种群POP进行评估，从子代中选择最好的个体作为所述第一种群POP的下一代个体，包括：将所述sample_id与所述historyElites字典中的评估数据编号datas进行比较，找出重叠程度最大的评估数据编号datas对应的精英个体；

对所述精英个体施加一个扰动，得到扰动个体，并将所述精英个体和所述扰动个体添加到所述第一种群POP中；

在所述数据样本batchSample上评估所述第一种群POP，所述第一种群POP进行子代变异操作，得到新的种群TempNewPOP；

基于所述第一种群POP和所述种群TempNewPOP，从子代中选择最好的λ个个体作为所述第一种群POP的下一代个体。

3.如权利要求1所述的结合进化多目标及进化多任务的检测模型优化方法，其特征在于，所述将所述第二种群GPOP中的个体迁移到所述第一种群POP中，得到迁移种群，包括：在所述数据样本batchSample上对所述第二种群GPOP进行适应度评估，并初始化集合addedSet；

对于所述第二种群GPOP中的个体，若存在个体在所述第二种群POP中的排名差于|POP|/2，则使用所述爬山搜索算法以所述学习率lr更新该个体，并将该个体加入到所述集合addedSet中；

将所述集合addedSet中的所有个体迁移到所述第一种群POP中，得到迁移种群。

4.如权利要求2所述的结合进化多目标及进化多任务的检测模型优化方法，其特征在于，在所述数据样本batchSample上评估所述第一种群POP，所述第一种群POP进行子代变异操作，得到新的种群TempNewPOP，包括：在所述数据样本batchSample上对所述第一种群POP进行适应度评估排序；

从所述第一种群POP中抽取两个parents，并使用粗粒度交叉算法进行交叉，并重复若干次，得到一个新的种群CrossPop；

对所述种群CrossPop执行变异操作，得到所述种群TempNewPOP。

5.如权利要求2所述的结合进化多目标及进化多任务的检测模型优化方法，其特征在于，所述基于所述第一种群POP和所述种群TempNewPOP，从子代中选择最好的λ个个体作为所述第一种群POP的下一代个体，包括：在所述数据样本batchSample上对所述种群TempNewPOP进行适应度评估排序；

在所述第一种群POP和所述种群TempNewPOP上执行选择操作，并根据所述种群TempNewPOP的评估结果和所述TempNewPOP的评估结果，从子代中选择最好的λ个个体作为所述第一种群POP的下一代个体。

6.如权利要求4所述的结合进化多目标及进化多任务的检测模型优化方法，其特征在于，从所述第一种群POP中抽取两个parents，并使用粗粒度交叉算法进行交叉，包括：在所述第一种群POP的所有个体中随机选择几个交叉互换起始位点，所述起始位点位点之间相距大于或等于最大交换长度max_length；

对于每个起始位点，每次都取一个[0,max_length]的随机数len，从起始点出发往后len长度的区域作为交叉互换的区域；

若所述随机数大于交换概率Cr，则采用Uniform crossover将两个所述parents在所述交叉互换的区域进行交叉互换，产生两个子代，并随机选择一个作为输出。

7.一种结合进化多目标及进化多任务的检测模型优化系统，其特征在于，所述系统包括：第一构建模块，用于构建辅助任务，所述辅助任务为基于爬山搜索算法对目标检测模型中的权重进行优化，其中，目标检测模型采用神经网络，用于对图像或视频中特定的事物进行定位和识别，所设置的模型优化参数包括：所述爬山搜索算法的目标函数权重集合S和学习率lr；进化多目标方法的种群的规模为N和最大迭代次数maxEpoch；所述目标检测模型的神经网络拓扑结构MOD，数据量DataSet及每次从DataSet抽取的batchsample的规模大小batchSize；从所述爬山搜索算法的种群迁移到所述进化多目标算法中种群的最大个体数量m；

第二构建模块，用于构建主任务，所述主任务为基于进化多目标方法对第一目标函数和第二目标函数进行优化求解，所述第一目标函数为分类损失函数，所述第二目标函数为回归损失函数；

模型优化模块，用于对所述辅助任务和所述主任务进行求解，并将所述辅助任务搜索过程中得到的解作为个体迁移到所述主任务的种群中，完成模型优化；

所述模型优化模块，包括：

初始化单元，分别对所述神经网络拓扑结构MOD和所述权重集合S进行初始化，得到第一种群POP和第二种群GPOP，具体为：根据所述目标检测模型的神经网络拓扑结构MOD采用（0，1）正态分布初始化所述种群的N个个体，得到第一种群POP；对于所述权重集合S中的每个元素，根据所述目标检测模型的神经网络拓扑结构MOD采用（0，1）正态分布初始化1个个体，得到1个用所述爬山搜索算法解且由|S|个个体组成的第二种群GPOP；

字典初始化单元，用于初始化字典，得到historyElites字典；

抽取单元，用于从数据集中抽取规模为batchSize的数据样本batchSample，并将所述数据样本batchSample对应的编号放到sample_id；

评估单元，用于基于所述第一种群POP进行评估，从子代中选择最好的λ个个体作为所述第一种群POP的下一代个体；

迁移单元，用于将所述第二种群GPOP中的个体迁移到所述第一种群POP中，得到迁移种群；

添加单元，用于将所述迁移种群中最好的个体和当前代的sample_id组成一个字典添加到所述historyElites字典中；

判断单元，用于令种群迭代次数epochIndex=epochIndex+1，并判断当前种群迭代次数是否满足epochIndex

确定单元，用于在判断单元输出结果为是控制字典初始化单元动作，用于在判断单元输出结果为否时，运用NSGA‑II算法对所述第一种群POP进行排序，得到帕累托前沿，获取最终解集。