[發(fā)明專利]一種基于密集連接深度網(wǎng)絡(luò)的目標(biāo)檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201911188895.5
• 申請(qǐng)日: 2019-11-28
• 公開（公告）號(hào): CN110991311B
• 公開（公告）日: 2021-09-24
• 發(fā)明（設(shè)計(jì)）人: 陳瑩;潘志浩;化春鍵
• 申請(qǐng)（專利權(quán)）人: 江南大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 哈爾濱市陽光惠遠(yuǎn)知識(shí)產(chǎn)權(quán)代理有限公司 23211
• 代理人: 彭素琴

1.一種基于密集連接深度網(wǎng)絡(luò)的目標(biāo)檢測(cè)方法，其特征在于，包括以下步驟：

步驟(1)：讀入Pascal VOC數(shù)據(jù)集中的圖像數(shù)據(jù)并提取目標(biāo)數(shù)據(jù)特征；

步驟(2)：訓(xùn)練網(wǎng)絡(luò)模型；

步驟(3)：進(jìn)行目標(biāo)檢測(cè)；

具體的步驟為：

步驟(1)：讀入Pascal VOC數(shù)據(jù)集中的圖像數(shù)據(jù)并提取目標(biāo)數(shù)據(jù)特征：網(wǎng)絡(luò)讀取輸入的圖像數(shù)據(jù)，首先將其分辨率歸一化為416*416，然后通過一個(gè)卷積層和一個(gè)池化層后得到輸出大小為208*208的特征映射圖，再經(jīng)過5個(gè)密集連接模塊對(duì)待檢測(cè)圖像進(jìn)行特征提取，得到13x13大小的特征圖，并將提取得到的13x13大小的特征圖進(jìn)行上采樣，得到26x26大小的特征映射圖；其中卷積層中卷積核大小為3*3，步長為1；池化層中池化的核大小為2*2，步長為2；

步驟(2)：訓(xùn)練網(wǎng)絡(luò)模型：設(shè)置網(wǎng)絡(luò)batch為64，重復(fù)迭代訓(xùn)練得到檢測(cè)模型；

步驟(3)：進(jìn)行目標(biāo)檢測(cè)：網(wǎng)絡(luò)首先通過特征提取網(wǎng)絡(luò)對(duì)輸入圖像提取特征，得到一定尺寸的k*k特征圖，然后將輸入圖像分為k*k個(gè)單元格，每個(gè)單元格預(yù)測(cè)固定數(shù)量的邊界框；預(yù)測(cè)時(shí)采用邏輯回歸，用于預(yù)測(cè)每個(gè)邊界框的目標(biāo)性得分，即這塊區(qū)域是目標(biāo)的可能性有多大；而后進(jìn)行非極大值抑制NMS，最后輸出檢測(cè)結(jié)果；

所述步驟(1)還包括：

①引入的密集連接方式，使得L層網(wǎng)絡(luò)有L(L+1)/2個(gè)連接；其中的密集連接模塊DenseBlock主要是由1*1和3*3的卷積層組成，其中的1*1卷積操作又被成為bottleneck layer；3*3卷積則是用于提取圖像特征；密集連接模塊Dense Block中每一層的輸入來自前面所有層的輸出；下式表明了第l層的輸入即為之前所有層的輸出之和；

x_l＝H_l([x₀,x₁,…,x_l-1])

其中，x_l表示第l層的輸出，[x₀,x₁,L,x_l-1]表示第0,L,l-1層輸出的級(jí)聯(lián)；上式中H_l(g)表示三個(gè)連續(xù)運(yùn)算的復(fù)合函數(shù)，由BN、ReLU和一個(gè)3*3的卷積層組成；

②減少密集連接模塊Dense Block中卷積層輸出特征圖數(shù)量；其中，Dense Block1設(shè)定特征映射圖數(shù)量為16，Dense Block2、Dense Block3、Dense Block4、Dense Block5設(shè)定為32、64、128、256；輸出特征圖數(shù)量不斷遞增的目的是使網(wǎng)絡(luò)能夠?qū)W習(xí)到圖像數(shù)據(jù)中更為豐富的高層語義信息，增加定位的精確度；

③將網(wǎng)絡(luò)分為多個(gè)密集連接模塊Dense Block，其中，設(shè)定不同Dense Block的特征圖數(shù)量均不相同且每個(gè)Dense Block的特征圖輸出數(shù)量都呈倍數(shù)增長，數(shù)量分別為16,32,64,128,256，并將每個(gè)Dense Block中卷積得到特征圖的輸出大小都設(shè)定為相同；

所述步驟(2)包括：

設(shè)置網(wǎng)絡(luò)的學(xué)習(xí)率為0.001，動(dòng)量設(shè)為0.9，權(quán)重衰減正則項(xiàng)為0.0005，網(wǎng)絡(luò)最大的迭代次數(shù)為500200，網(wǎng)絡(luò)的學(xué)習(xí)率在迭代次數(shù)到達(dá)400000和450000時(shí)衰減10倍；同時(shí)網(wǎng)絡(luò)使用多尺度訓(xùn)練，網(wǎng)絡(luò)讀取數(shù)據(jù)后，圖像歸一化分辨率的寬高在320～608之間取隨機(jī)值，且每10輪隨機(jī)改變一次，隨機(jī)值均為32的倍數(shù)；

所述步驟(3)包括：

①yolov3-tiny使用K-means聚類算法聚類數(shù)據(jù)集中真實(shí)框，為步驟(1)中得到的兩種尺度13x13、26x26的特征圖設(shè)定3個(gè)不同大小的先驗(yàn)框，總共聚類出6個(gè)不同尺寸的先驗(yàn)框；

兩種不同尺度的6個(gè)先驗(yàn)框大小如下所示：

②使用6個(gè)不同先驗(yàn)框Anchors在兩種不同尺度13x13、26x26的特征映射圖上進(jìn)行預(yù)測(cè)；在對(duì)邊界框進(jìn)行預(yù)測(cè)的時(shí)候，為了更好的數(shù)據(jù)建模以及支持多標(biāo)簽分類，網(wǎng)絡(luò)采用邏輯回歸logistic regression；網(wǎng)絡(luò)邊界框的坐標(biāo)預(yù)測(cè)公式如下：

b_x＝σ(t_x)+c_x

b_y＝σ(t_y)+c_y

其中t_x、t_y、t_w、t_h為模型的實(shí)際預(yù)測(cè)值，c_x和c_y表示grid cell的坐標(biāo)偏移量，p_w和p_h表示anchor box的寬高，b_x、b_y、b_w和b_h為最終得到的邊界框的中心的坐標(biāo)和寬高；坐標(biāo)的訓(xùn)練采用的是平方和誤差損失；

③設(shè)定非極大值抑制NMS的閾值為0.45。