[發明專利]基于自適應多尺度特征融合的路面交通標志檢測方法

有效

• 申請號: 201811569820.7
• 申請日: 2018-12-21
• 公開（公告）號: CN109753959B
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 袁媛;王琦;張曉強
• 申請（專利權）人: 西北工業大學
• 主分類號: G06V20/62
• 分類號: G06V20/62;G06K9/62;G06N3/04;G06N3/08;G06V10/80;G06V10/764
• 代理公司: 西安凱多思知識產權代理事務所(普通合伙) 61290
• 代理人: 王鮮凱

1.一種基于自適應多尺度特征融合的路面交通標志檢測方法，其特征在于包括以下步驟：

步驟一、將圖片分批次輸入到深度卷積神經網絡中，計算相應批次的卷積特征，得到深度卷積特征；

步驟二、感興趣區域提取網絡根據最后一層深度卷積特征計算生成可能包含路面交通標志的感興趣區域；

步驟三、將步驟二得到的感興趣區域輸入到多層特征提取模塊中，得到每個感興趣區域對應的多尺度卷積特征；多層特征提取模塊計算方法表示為：

ROI_feats＝MLPool([C₅,C₄,C₃],ROIs)，

其中，C₅,C₄,C₃表示深度卷積網絡中最后三層不同尺度的卷積特征，ROIs表示感興趣區域，ROI_feats表示計算得到的多尺度卷積特征；MLPool表示多層特征提取計算方法；

對于每一個感興趣區域每一層卷積特征，都依次進行感興趣區域池化、L₂范數標準化、尺度縮放，最終將不同層的特征在通道維度上進行合并，得到多尺度卷積特征；

步驟四、將步驟三得到的多尺度卷積特征輸入到反向連接重加權模塊，根據每個感興趣區域的特征自適應地生成屬于當前感興趣區域的多尺度特征分布權重，使用該權重對特征進行重加權得到獨特的多尺度融合特征；該感興趣區域的多尺度卷積特征ROI_feats通過兩個全連接層得到反向連接特征向量F,將ROI_feats在通道維度上拉成向量U，再經過以下注意力模型的計算得到多尺度特征分布權重，通過對特征重加權得到最后的多尺度融合特征；

weight＝softmax(W_aa+b_a),

其中，W_u,W_f,W_a,b_u,b_a是可通過網絡學習的模型參數，a是中間結果，weight是生成的權重向量，β是用于恢復特征響應尺度的縮放因子，reweighted_ROI_feats是模塊輸出的多尺度融合特征，tanh,softmax分別表示雙曲正切激活函數和軟最大值激活函數；分別表示元素相加計算和元素相乘計算；

步驟五、對于每一個感興趣區域，將步驟四得到的多尺度融合特征重新輸入到兩個全連接層后連接最后的兩個輸出層：邊框回歸層和類別分類層，得到最終的邊框坐標和類別信息。