[發(fā)明專利]一種基于改進(jìn)的Mixed Pooling-YOLOV3目標(biāo)檢測方法

有效

• 申請?zhí)枺?/td>: 202010146020.5
• 申請日: 2020-03-05
• 公開（公告）號: CN111353544B
• 公開（公告）日: 2023-07-25
• 發(fā)明（設(shè)計(jì)）人: 郝琨;郭飛;趙璐
• 申請（專利權(quán)）人: 天津城建大學(xué)
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/82;G06V10/80;G06N3/0464;G06N3/08
• 代理公司: 石家莊知住優(yōu)創(chuàng)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 13131
• 代理人: 林艷艷

本發(fā)明公開了一種基于改進(jìn)的Mixed?Pooling?YOLOV3目標(biāo)檢測方法，基于回歸的思想進(jìn)行目標(biāo)檢測算法的設(shè)計(jì)，實(shí)現(xiàn)了多尺度和多標(biāo)簽的分類。本發(fā)明基于目前一階段目標(biāo)檢測方法YOLOV3的不足，設(shè)計(jì)了基于Darknet?53結(jié)構(gòu)的DMP網(wǎng)絡(luò)作為特征提取器；其次，對原有損失函數(shù)進(jìn)行重構(gòu)，同時(shí)也對其參數(shù)進(jìn)行優(yōu)化，有效提升了檢測精度，也使得收斂更加快速。DMP框架兼顧了網(wǎng)絡(luò)的復(fù)雜度與檢測的準(zhǔn)確率，與常用的目標(biāo)檢測特征提取網(wǎng)絡(luò)VGG?16相比降低了模型運(yùn)算量，本專利方法將計(jì)算機(jī)視覺的最新進(jìn)展引入到目標(biāo)檢測領(lǐng)域中，在檢測精度和檢測速度上都有良好的效果，同時(shí)具有更好的性能和推廣應(yīng)用前景。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)視覺、深度學(xué)習(xí)技術(shù)、目標(biāo)檢測的技術(shù)領(lǐng)域，特別是涉及一種基于改進(jìn)的Mixed?Pooling-YOLOV3的目標(biāo)檢測方法。

背景技術(shù)

作為計(jì)算機(jī)視覺中最基本和最具有挑戰(zhàn)性的問題之一，目標(biāo)檢測近年來受到了極大的關(guān)注。目標(biāo)檢測是一項(xiàng)基本計(jì)算機(jī)視覺任務(wù)，它提供了用于圖像和視頻理解語義分割的基本信息，也能夠用于檢測數(shù)字圖像中特定類別視覺對象的實(shí)例，因此受到了廣泛的關(guān)注。目標(biāo)檢測的目的在于開發(fā)一個(gè)能夠提供給計(jì)算機(jī)視覺應(yīng)用程序所需基本信息的計(jì)算模型和技術(shù)：什么樣的目標(biāo)，它是在哪兒？從應(yīng)用角度來看，目標(biāo)檢測可以分為兩個(gè)研究主題：“一般物體檢測”和“檢測應(yīng)用”，前者的意義在于統(tǒng)一框架下利用不同的目標(biāo)檢測方法去模擬人類的視覺和認(rèn)知，后者的目的在于針對特定的應(yīng)用場景下對特定的物體進(jìn)行檢測，如行人檢測、人臉檢測、文本檢測等等。從目標(biāo)檢測的歷程來看，目標(biāo)檢測分為兩個(gè)歷史階段：傳統(tǒng)目標(biāo)檢測時(shí)期(2014年以前)和基于深度學(xué)習(xí)的目標(biāo)檢測時(shí)期，P.Viola和M.Jones等人首次提出實(shí)現(xiàn)了實(shí)時(shí)人臉檢測的Viola-Jones(VJ)detector，VJ?detector采用最直接的檢測方式,即滑動(dòng)窗口查看所有可能包含人臉的位置和比例，以便查看是否存在人臉，雖然過程比較簡單，VJ?detector結(jié)合了“圖像整體”、“特征選擇”和“級聯(lián)檢測”三項(xiàng)重要的技術(shù)，極大提升了檢測的速度；2005年N.Dalal和B.Triggs等人提出HOG(Histogram?of?OrientedGradients)，HOG被認(rèn)為當(dāng)時(shí)尺度不變特征變換和形狀上下文的重要改進(jìn)，主要用于檢測不同的目標(biāo)對象類，尤其是行人檢測問題；P.Felzenszwalb等人于2008年提出DPM(Deformable?Part-based?Model),作為一種基于組件的檢測算法，創(chuàng)造了傳統(tǒng)目標(biāo)檢測方法的巔峰。