[發明專利]一種基于生成式對抗網絡的行人檢測數據擴充方法在審

申請號：	202010595052.3	申請日：	2020-06-28
公開（公告）號：	CN111950346A	公開（公告）日：	2020-11-17
發明（設計）人：	彭瀅;吳杰	申請（專利權）人：	中國電子科技網絡信息安全有限公司
主分類號：	G06K9/00	分類號：	G06K9/00;G06K9/62;G06N3/04;G06N3/08
代理公司：	成都九鼎天元知識產權代理有限公司 51214	代理人：	管高峰
地址：	610207 四川省成都市***	國省代碼：	四川;51
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種基于生成對抗網絡行人檢測數據擴充方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【權利要求書】：

1.一種基于生成式對抗網絡的行人檢測數據擴充方法，其特征在于，包括：

S1、搭建三層級聯生成式對抗神經網絡模型，并設定模型訓練的目標函數；每層生成式對抗神經網絡均采用BicycleGAN的結構，生成器采用殘差U-net結構，后一層的網絡的輸入為行人實例掩碼圖片和前一層網絡的輸出；

S2、訓練數據預處理；

S3、采用預處理后的數據訓練三層級聯生成式對抗神經網絡模型；

S4、通過三層級聯生成式對抗神經網絡模型完成行人檢測數據的擴充。

2.根據權利要求1所述的基于生成式對抗網絡的行人檢測數據擴充方法，其特征在于，所述S1中，搭建三層級聯生成式對抗神經網絡模型具體過程包括：

S11、構建殘差U-net結構的生成器，生成器的編碼器部分加入多尺度殘差塊，生成器的解碼器部分加入通道注意力殘差塊；所述生成器在第一層、第二層、第三層網絡中包含的基本塊個數分別為n₁＝12，n₂＝14，n₃＝16，在每層的第j個和第n-j個基本塊之間跳連；所述基本塊包括多尺度殘差塊和通道注意力殘差塊；

S12、基于PatchGAN的判別器進行構建判別器；

S13、基于殘差網絡構建編碼器；

S14、級聯網絡每一層采用S11、S12、S13構建的生成器、判別器和編碼器，第一層輸入的圖片分辨率為64*64，第二層為128*128，第三層為256*256；兩層生成式對抗網絡之間通過一個卷積層相連，形成三層級聯生成式對抗神經網絡；

S15、基于BicycleGAN的目標函數加入基于VGG-19的感知損失作為三層級聯生成式對抗神經網絡模型的目標函數。

3.根據權利要求2所述的基于生成式對抗網絡的行人檢測數據擴充方法，其特征在于，所述步驟11中，生成器的編碼器部分的每個中間層注入一個16維的隱層向量z，所述隱層向量z經過行人實例掩碼遮掩。

4.根據權利要求3所述的基于生成式對抗網絡的行人檢測數據擴充方法，其特征在于，所述步驟15中三層級聯生成式對抗神經網絡模型的目標函數具體為：

其中，G^*,E^*分別代表生成器和編碼器，D_whole是全局判別器，D_local是局部判別器，和L_GAN(·)分別代表BicycleGAN網絡結構中的cVAE-GAN和cLR-GAN的對抗損失目標函數；是L₁損失，它使生成器的輸入盡可能與行人樣本圖片相似；也是L₁損失，它使編碼器的輸出盡可能貼近高斯分布；L_KL是cLR-GAN中的KL距離，L_VGG是感知損失；λ、λ_KL、λ_latent、λ_VGG是超參數，控制對應項的權重。