[發明專利]一種顯著區域的深度學習檢測方法

在審

• 申請號: 201910241993.4
• 申請日: 2019-03-28
• 公開（公告）號: CN111626289A
• 公開（公告）日: 2020-09-04
• 發明（設計）人: 梁曄;馬楠;李文法;張磊;徐俊;李大偉;孫晨昊;周航;王楠
• 申請（專利權）人: 北京聯合大學
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06N3/04
• 代理公司: 北京馳納智財知識產權代理事務所(普通合伙) 11367
• 代理人: 謝亮

1.一種顯著區域的深度學習檢測方法，包括構建多尺度深度網絡，

其特征在于，包括以下步驟：

步驟1：對所述多尺度深度網絡進行訓練；

步驟2：顯著性預測與融合。

2.如權利要求1所述的顯著區域的深度學習檢測方法，其特征在于：所述構建多尺度深度網絡包括以下子步驟：

步驟01：自底向上的特征提取；

步驟02：自上而下的特征連接；

步驟03：顯著區域大小的權重預測。

3.如權利要求2所述的顯著區域的深度學習檢測方法，其特征在于：所述步驟01包括將一幅圖像輸入到網絡中，特征提取模塊自底向上進行特征提取，得到多尺度特征。

4.如權利要求3所述的顯著區域的深度學習檢測方法，其特征在于：所述步驟01還包括采用16層的VGG網絡，特征提取模塊包括13個卷積層，通過ReLU線性修正單元進行非線性映射和最大池化操作，得到四個尺度的特征表示為{F₂；F₃；F₄；F₅}。

5.如權利要求4所述的顯著區域的深度學習檢測方法，其特征在于：所述步驟02包括將不同層次的特征進行連接，表示如下：

其中，d_k代表卷積核大小為4x4、步長為2的反卷積操作，f_k代表進行1x1的卷積操作，表示特征圖，F_k-1表示VGG深度網絡結構的第k-1層的特征,F_k表示VGG網絡中第k層的特征。

6.如權利要求5所述的顯著區域的深度學習檢測方法，其特征在于：所述步驟03包括在VGG16的relu5_3的輸出與一個全局的平均池化層連接，將F₅傳化為512維向量。

7.如權利要求6所述的顯著區域的深度學習檢測方法，其特征在于：所述步驟03還包括生成兩個全卷積層，分別有256和3個單元，產生3維的權重向量其中，和表示不同大小的顯著區域對應的權重。

8.如權利要求7所述的顯著區域的深度學習檢測方法，其特征在于：所述步驟03還包括為了防止過擬合，在第一個全連接層的后面進行dropout操作。

9.如權利要求8所述的顯著區域的深度學習檢測方法，其特征在于：所述步驟03還包括輸出層通過sigmoid操作進一步將結果歸一化到[0,1]之間。

10.如權利要求1所述的顯著區域的深度學習檢測方法，其特征在于：所述步驟1包括以下子步驟：

步驟11：設計顯著圖深度學習預測網絡訓練的目標函數；

步驟12：設計顯著區域大小權重網絡訓練的目標函數；

步驟13：設計整個深度網絡訓練的目標函數。