[發明專利]基于多任務協同特征重建目標計數網絡的方法

在審

• 申請號: 202010430090.3
• 申請日: 2020-05-20
• 公開（公告）號: CN111640092A
• 公開（公告）日: 2020-09-08
• 發明（設計）人: 成鋒娜;張玉言;張鏡洋;周宏平;茹煜
• 申請（專利權）人: 南京林業大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06N3/04
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 杜靜靜

1.基于多任務協同特征重建目標計數網絡的方法，其特征在于，所述方法包括以下步驟：

步驟1：建立訓練樣本和標簽；將獲取的訓練圖片和標注進行預處理，以便網絡的訓練；

步驟2：建立基于多任務協同重建特征的目標計數網絡；

步驟3：將步驟1中訓練樣本輸入到步驟2建立的卷積網絡模型中，通過Adam優化策略對網絡進行參數學習，

步驟4：深度網絡模型測試。

2.根據權利要求1所述的基于多任務協同特征重建目標計數網絡的方法，其特征在于，步驟1：建立訓練樣本和標簽；將獲取的訓練圖片和標注進行預處理，以便網絡的訓練；具體如下：設訓練數據總共有N張圖片及其對應的標注(其中每張圖片的長和寬均為256)，記訓練集合中的圖片為{I₁,I₂,...,I_N}和每個圖片對應的標簽{l₁,l₂,...,l_N}，其中第i個圖片的標注為分別表示第j個目標位置的橫坐標和縱坐標，m表示在該圖片中目標的個數。

步驟101：將第i張圖片I_i的標簽l_i生成高斯密度圖den_i，可通過如下公式計算：

其中表示給定圖片的坐標，x_j表示第j個標注目標位置表示高斯核，其中σ²是方差項，通過均值化確保所有像素點高斯值的加和1；如果x不在x_j的鄰域范圍內，只計算鄰域范圍內的高斯值，并對該范圍內計算該位置的加和進行歸一化，并保證第j位置生成高斯的加和為1；此時第i個圖片的標簽l_i變換為den_i；

步驟102：依次對步驟101中的第1至第N張圖片執行步驟101的操作，將圖片的標簽轉換成高斯密度圖；進而將訓練數據的標簽轉換為訓練的目標密度圖標簽{den₁,den₂,...,den_M}；

步驟103：對步驟102生成的目標密度圖標簽進行二值化生成掩膜標簽，即(den_i＞0)＝1,該操作是將非零值轉換成1，步驟102的標簽{den₁,den₂,...,den_M}分別生成{bina₁,bina₂,...,bina_M}；

步驟104：將步驟102生成的目標密度圖標簽進行密度分割生成密度分布標簽，即(den_i＞θ₁)＝4,(θ₁默認為0.9),(θ₁≥den_i＞θ₂)＝3,(θ₂默認為0.6),(θ₂≥den_i＞θ₃)＝2,(θ₃默認為0.3),(θ₃≥den_i＞θ₄)＝1,(θ₄默認為0)，(den_i≤θ₄)＝0；步驟102的標簽{den₁,den₂,...,den_M}分別生成{distr₁,distr₂,...,distr_M}；

步驟105：將步驟102生成目標密度圖標簽的總人數和進行分割生成密度等級標簽，即(默認為150),(默認為100),(默認為50),步驟102的標簽{den₁,den₂,...,den_M}分別生成{level₁,level₂,...,level_M}。