[發(fā)明專利]一種基于全卷積分裂網(wǎng)絡(luò)的目標(biāo)檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710616541.0
• 申請(qǐng)日: 2017-07-26
• 公開(kāi)（公告）號(hào): CN107392214B
• 公開(kāi)（公告）日: 2020-10-09
• 發(fā)明（設(shè)計(jì)）人: 李宏亮
• 申請(qǐng)（專利權(quán)）人: 成都快眼科技有限公司
• 主分類號(hào): G06K9/46
• 分類號(hào): G06K9/46;G06N3/04
• 代理公司: 成都九鼎天元知識(shí)產(chǎn)權(quán)代理有限公司 51214
• 代理人: 郭彩紅

1.一種基于全卷積分裂網(wǎng)絡(luò)的目標(biāo)檢測(cè)方法，具體方法包括：

對(duì)圖片進(jìn)行預(yù)處理：將搜集到的數(shù)據(jù)集中的圖片進(jìn)行隨機(jī)抽取裁剪，具體剪裁方法為：取圖片長(zhǎng)寬的設(shè)定大小的預(yù)置框，在圖片中選取5處裁剪預(yù)置框大小的圖片，分別為圖片的四角和中心位置，將對(duì)應(yīng)目標(biāo)的目標(biāo)框映射到處理后的圖片，得到訓(xùn)練圖片；

特征提取階段的特征提取網(wǎng)絡(luò)結(jié)構(gòu)為：特征提取網(wǎng)絡(luò)的層數(shù)為9層卷積層；其中，有n層卷積層后級(jí)聯(lián)一個(gè)用于降采樣的池化層；卷積層的兩個(gè)卷積核大小分別為1x1和3x3；其中，n為大于等于1小于等于9的自然數(shù)；

在目標(biāo)檢測(cè)階段，在特征提取網(wǎng)絡(luò)后級(jí)聯(lián)6個(gè)卷積層，構(gòu)成檢測(cè)網(wǎng)絡(luò)，每個(gè)卷積層直接輸出目標(biāo)的位置信息和類別信息；在檢測(cè)網(wǎng)絡(luò)中，改變其中兩個(gè)卷積層的卷積核的大小，由3x3改為2x4和4x2；所述6個(gè)卷積層中，前三個(gè)卷積層的卷積核大小為3x3網(wǎng)絡(luò)再級(jí)聯(lián)兩個(gè)卷積層，其中的卷積核設(shè)計(jì)為2x4和4x2，然后再級(jí)聯(lián)一個(gè)卷積核大小為1x1的卷積層。

2.根據(jù)權(quán)利要求1所述的基于全卷積分裂網(wǎng)絡(luò)的目標(biāo)檢測(cè)方法，所述設(shè)定大小的預(yù)置框?yàn)閳D片長(zhǎng)寬的1/3大小的預(yù)置框。

3.根據(jù)權(quán)利要求1或2所述的基于全卷積分裂網(wǎng)絡(luò)的目標(biāo)檢測(cè)方法，特征提取網(wǎng)絡(luò)中，所述池化層的類型選擇為取最大的池化。

4.根據(jù)權(quán)利要求3所述的基于全卷積分裂網(wǎng)絡(luò)的目標(biāo)檢測(cè)方法，特征提取網(wǎng)絡(luò)中，每個(gè)卷積層的輸出特征譜個(gè)數(shù)分別為30、70、80、200、80、200、256、500和1000。

5.根據(jù)權(quán)利要求1或2所述的基于全卷積分裂網(wǎng)絡(luò)的目標(biāo)檢測(cè)方法，所述方法還包括，在目標(biāo)檢測(cè)階段，結(jié)合所述目標(biāo)框的大小比例的分布，采用具有兩種以上寬高比矩形卷積核的檢測(cè)網(wǎng)絡(luò)。

6.根據(jù)權(quán)利要求1或2所述的基于全卷積分裂網(wǎng)絡(luò)的目標(biāo)檢測(cè)方法，檢測(cè)網(wǎng)絡(luò)為具有寬高比分別為1:2和2:1的兩種矩形卷積核的檢測(cè)網(wǎng)絡(luò)。