[發(fā)明專利]一種改進Faster-RCNN模型的模糊目標檢測方法

在審

• 申請?zhí)枺?/td>: 202010760864.9
• 申請日: 2020-07-31
• 公開（公告）號: CN111985541A
• 公開（公告）日: 2020-11-24
• 發(fā)明（設(shè)計）人: 王堃;王銘宇;吳晨
• 申請（專利權(quán)）人: 成都恒創(chuàng)新星科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 成都弘毅天承知識產(chǎn)權(quán)代理有限公司 51230
• 代理人: 楊保剛

本發(fā)明公開了一種改進Faster?RCNN模型的模糊目標檢測方法，涉及智能識別領(lǐng)域，通過構(gòu)建GAN模型，然后對GAN模型進行訓(xùn)練生成修復(fù)網(wǎng)絡(luò)，將修復(fù)網(wǎng)絡(luò)引入Faster?RCNN模型，對Faster?RCNN模型進行改進，待檢測的模糊圖片首先進入改進Faster?RCNN模型的修復(fù)網(wǎng)絡(luò)，后進行目標檢測，極大的提高了模糊目標檢測的準確率。

技術(shù)領(lǐng)域

本發(fā)明涉及智能識別領(lǐng)域，具體涉及一種改進Faster-RCNN模型的模糊目標檢測方法。

背景技術(shù)

目標檢測即找出圖像中所有感興趣的物體，包含物體定位和物體分類兩個子任務(wù)，同時確定物體的類別和位置。目標檢測是計算機視覺的一個熱門研究方向，廣泛應(yīng)用于自動駕駛、智能工業(yè)檢測、智能監(jiān)控等諸多領(lǐng)域，通過利用計算機視覺，自動對圖片進行處理，減少了人力勞動，具有很強的現(xiàn)實意義。

因此，目標檢測算法成為近年來的研究熱點。近期，比較流行的目標檢測算法有兩類，一種是One-Stage的目標檢測算法，主要有YOLO算法、SSD算法；另一種是Two-Stage的目標檢測算法，如Faster-RCNN。

在復(fù)原模糊圖片的問題上，現(xiàn)有技術(shù)多采用對抗生成網(wǎng)絡(luò)。生成對抗網(wǎng)絡(luò)(GAN)是一種生成模型，由生成器(G)和判別器(D)兩部分構(gòu)成，生成器和判別器互相博弈，進行對抗式訓(xùn)練，不斷提升自身能力。對于圖像去模糊，生成器的輸入為模糊圖像，輸出為去模糊后的圖像，判別器則用于將去模糊后的圖像和對應(yīng)的清晰圖像區(qū)分開來，實際上可看作二分類問題。

目標檢測既是計算機視覺領(lǐng)域要解決的基礎(chǔ)任務(wù)之一，同時它也是自動駕駛的基本任務(wù)。在自動駕駛領(lǐng)域，由于在自動駕駛的過程中，視頻中的目標物體具有不同姿態(tài)且經(jīng)常出現(xiàn)遮擋、其運動具有不規(guī)則性，同時考慮到監(jiān)控視頻的景深、分辨率、天氣、光照等條件和場景的多樣性，往往導(dǎo)致需要檢測的目標模糊的情況。在目標模糊的情況下，現(xiàn)有的目標檢測算法不能精準的進行檢測，可能會導(dǎo)致自動駕駛出現(xiàn)安全事故。因此，提出一種針對模糊目標檢測的方法很有必要。

發(fā)明內(nèi)容

本發(fā)明的目的在于：提供了一種改進Faster-RCNN模型的模糊目標檢測方法，針對模糊圖片的目標檢測，將Faster-RCNN模型進行改進，加入了修復(fù)網(wǎng)絡(luò)，將模糊的圖片復(fù)原，生成清晰的圖片后進行目標檢測，極大的提高了模糊目標檢測的準確率。

本發(fā)明采用的技術(shù)方案如下：

本發(fā)明是一種改進Faster-RCNN模型的模糊目標檢測方法，該方法具體包括以下步驟：

步驟1：獲取一個用于生成修復(fù)網(wǎng)絡(luò)的數(shù)據(jù)集，并對該數(shù)據(jù)集進行預(yù)處理，將該數(shù)據(jù)集劃分為訓(xùn)練集和測試集；

步驟2：構(gòu)建GAN模型；

步驟3：利用步驟1中的訓(xùn)練集對GAN模型進行對抗式訓(xùn)練；

步驟4：設(shè)置一個用于檢測模型效果是否滿意的評價指標IS閾值，用步驟1中的測試集對訓(xùn)練后的GAN模型進行測試，若GAN模型的測試結(jié)果小于IS閾值時，則修改GAN模型訓(xùn)練的參數(shù)，再次進行步驟3后對訓(xùn)練結(jié)果進行測試，直至測試結(jié)果達到IS閾值；

步驟5：GAN模型經(jīng)過步驟3和步驟4后生成修復(fù)網(wǎng)絡(luò)；

步驟6：構(gòu)建加入修復(fù)網(wǎng)絡(luò)的改進Faster-RCNN模型；

步驟7：獲取一個用于模糊目標檢測的數(shù)據(jù)集，并對該數(shù)據(jù)集進行預(yù)處理，將該數(shù)據(jù)集劃分為訓(xùn)練集和測試集；

步驟8：利用步驟7中的訓(xùn)練集訓(xùn)練改進Faster-RCNN模型；