[發明專利]圖像中物體的檢測方法、裝置及系統

有效

• 申請號: 201911048196.0
• 申請日: 2019-10-30
• 公開（公告）號: CN110751160B
• 公開（公告）日: 2022-09-13
• 發明（設計）人: 楊鈾;劉瓊;李貝
• 申請（專利權）人: 華中科技大學
• 主分類號: G06V10/46
• 分類號: G06V10/46;G06V10/80;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 鈄颯颯;劉芳

1.一種圖像中物體的檢測方法，其特征在于，包括：

獲取場景的焦點堆棧；所述焦點堆棧包括同一場景聚焦在不同深度平面上的聚焦切片，

通過深度卷積神經網絡對所述焦點堆棧進行多層次特征提取，得到所述焦點堆棧的L層特征；其中，L為大于1的自然數；

通過卷積長短期機器模型對每一層特征進行融合處理，得到所述焦點堆棧的L層聚焦融合特征；

對所述L層聚焦融合特征進行多層次特征融合處理，得到目標聚焦融合特征；

對所述目標聚焦融合特征進行卷積處理，并通過激活函數對卷積處理后的特征進行激活，得到顯著圖像；

通過卷積長短期機器模型對每一層特征進行融合處理，得到所述焦點堆棧的L層聚焦融合特征，包括：

將所述卷積長短期機器模型的迭代次數設置為N；

將每一層特征中的聚焦切片的特征依次輸入卷積長短期機器模型；其中，當前聚焦切片的特征先與上一層聚焦融合特征進行融合處理，并將融合結果作為所述卷積長短期機器模型輸入，直到所述卷積長短期機器模型輸出所有聚焦切片的特征的融合結果，將所述融合結果作為對應層的聚焦融合特征；直到得到所述焦點堆棧的L層聚焦融合特征；

其中，所述卷積長短期機器模型包括：記憶單元、輸入模塊、輸入門、遺忘門、輸出門；其中，所述輸入模塊用于融合當前狀態的輸入信息和上一狀態的輸出信息，生成待更新的候選信息；所述輸入門i_t作用于輸入模塊，用于輸入第一特定信息；所述遺忘門f_t作用于上一狀態的記憶單元，用于得到第二特定信息；所述記憶單元C_t用于存儲當前狀態的更新信息；所述輸出門o_t作用于當前狀態的更新信息，用于輸出第三特定信息；

對所述L層聚焦融合特征進行多層次特征融合處理，得到目標聚焦融合特征，包括：

假設有L個卷積長短期機器模型分別對所述焦點堆棧的L層特征進行融合處理；其中，L個卷積長短期機器模型輸出的聚焦融合特征分別記為：MFIF¹,MFIF²,…,MFIF^L其中，MFIF¹表示第1層聚焦融合特征，MFIF²表示第2層聚焦融合特征，MFIF^L表示第L層聚焦融合特征；

將當前層聚焦融合特征記為MFIF^l，將當前卷積長短期機器模型的輸入記為X^l，其中l＝1,2,3,…L-1；將上一層聚焦融合特征記為MFIF^l-1；

將上一層聚焦融合特征MFIF^l-1與當前卷積長短期機器模型的輸入X^l進行融合處理，并將融合結果作為當前卷積長短期機器模型的輸入，直到完成L層特征的融合，得到目標聚焦融合特征。

2.根據權利要求1所述的方法，其特征在于，通過深度卷積神經網絡對所述焦點堆棧進行多層次特征提取，得到所述焦點堆棧的L層特征，包括：

假設所述焦點堆棧中包括N張聚焦切片，分別記為I₁,I₂,...,I_N；I₁表示第1張聚焦切片，I₂表示第2張聚焦切片，I_N表示第N張聚焦切片；

通過深度卷積神經網絡對每一張所述聚焦切片進行多層次特征提取，得到所述焦點堆棧的L層特征，分別記為：

其中，F¹為第1層特征，F₁¹為第1層中第1張聚焦切片的特征，為第1層中第2張聚焦切片的特征，為第1層中第N張聚焦切片的特征；F²為第2層特征，F₁²為第2層中第1張聚焦切片的特征，為第2層中第N張聚焦切片的特征；F^L為第L層特征，F₁^L為第L層中第1張聚焦切片的特征，為第L層中第2張聚焦切片的特征，為第L層中第N張聚焦切片的特征。