[發明專利]一種基于CNN的檢測器、圖像檢測方法及終端

有效

• 申請號: 201811628821.4
• 申請日: 2018-12-28
• 公開（公告）號: CN111382761B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 劉陽;羅小偉;林福輝
• 申請（專利權）人: 展訊通信（天津）有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/82;G06N3/045;G06N3/0464
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 武振華;吳敏

1.一種基于CNN的檢測器，其特征在于，包括：

基礎網絡，用于對輸入的圖像進行特征提取，并輸出至少一路特征層數據；特征提取模塊，所述特征提取模塊的輸入端與所述基礎網絡的輸出端耦接，包括至少一路卷積子模塊，所述至少一路卷積子模塊用于對所述至少一路特征層數據進行卷積運算后分別輸出至預測層；

其中，所述基礎網絡包括第一子網絡以及第二子網絡；

所述第一子網絡包括多組第一重復模塊，且前一組第一重復模塊的數據輸出至后一組第一重復模塊，每組第一重復子模塊均包括用于串聯運算的分離串聯模塊以及用于傳遞運算的第一傳遞模塊，所述第一子網絡輸出第一路特征層數據至所述第二子網絡；

所述第二子網絡包括多組第二重復模塊，且前一組第二重復模塊的數據輸出至后一組第二重復模塊，每組第二重復子模塊均包括所述分離串聯模塊以及用于傳遞運算的第二傳遞模塊，所述第二子網絡輸出第二路特征層數據；

其中，所述第一子網絡的輸出端以及所述第二子網絡的輸出端均與所述特征提取模塊耦接。

2.根據權利要求1所述的基于CNN的檢測器，其特征在于，所述分離串聯模塊包括多個分離串聯子模塊，且前一個分離串聯子模塊的數據輸出至后一個分離串聯子模塊；

其中，每個分離串聯子模塊包括：

串聯模塊；

連接的卷積模塊以及分離卷積模塊，所述卷積模塊用于接收輸入至所述分離串聯子模塊的數據，并進行卷積處理后輸出至所述分離卷積模塊，以使所述分離卷積模塊進行分離卷積處理后輸出待串聯數據至所述串聯模塊；其中，所述串聯模塊對所述輸入至所述分離串聯子模塊的數據和所述待串聯數據進行串聯處理后的輸出數據作為所述分離串聯子模塊的輸出數據，且最后一個分離串聯子模塊的輸出數據作為所述分離串聯模塊的輸出數據。

3.根據權利要求2所述的基于CNN的檢測器，其特征在于，所述卷積模塊具有原始輸出通道數，所述分離卷積模塊具有原始輸入通道數以及原始輸出通道數；

采用預設尺度系數β與所述卷積模塊的原始輸出通道數相乘以得到所述卷積模塊的實際輸出通道數；

采用預設尺度系數β分別與所述分離卷積模塊的原始輸入通道數以及原始輸出通道數相乘，以分別得到所述分離卷積模塊的實際輸入通道數以及實際輸出通道數。

4.根據權利要求2所述的基于CNN的檢測器，其特征在于，所述卷積模塊包括卷積層以及批處理歸一化層；

其中，采用下述公式確定所述批處理歸一化層的輸出數據：

其中，w為所述卷積層的權重參數，b為偏置參數，x為所述卷積層的輸入，m為批處理歸一化層的均值參數，δ為批處理歸一化層的標準差參數，s為批處理歸一化層的尺度參數，t為批處理歸一化層的偏移參數，z為批處理歸一化層的輸出。

5.根據權利要求1所述的基于CNN的檢測器，其特征在于，所述第一傳遞模塊包括：

連接的卷積模塊以及池化模塊，所述卷積模塊用于接收輸入至所述第一傳遞模塊的數據，并進行卷積處理后輸出至所述池化模塊以進行池化處理；

其中，所述池化模塊的輸出數據作為所述第一傳遞模塊的輸出數據。

6.根據權利要求1所述的基于CNN的檢測器，其特征在于，所述第二傳遞模塊包括：

卷積模塊，所述卷積模塊用于接收輸入至所述第二傳遞模塊的數據，并進行卷積處理后，其輸出數據作為所述第二傳遞模塊的輸出數據。

7.根據權利要求1所述的基于CNN的檢測器，其特征在于，所述基礎網絡還包括：

主干模塊，所述主干模塊的輸入端用于接收所述輸入的圖像，所述主干模塊的輸出端與所述第一子網絡連接，用于對所述輸入的圖像進行預處理后輸出至所述第一子網絡。