[發(fā)明專(zhuān)利]用于圖像目標(biāo)檢測(cè)處理的錨框生成方法及輕量級(jí)目標(biāo)檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010889934.0
• 申請(qǐng)日: 2020-08-28
• 公開(kāi)（公告）號(hào): CN112101430B
• 公開(kāi)（公告）日: 2022-05-03
• 發(fā)明（設(shè)計(jì)）人: 饒?jiān)撇?/a>;郭毅;程奕茗;薛俊民
• 申請(qǐng)（專(zhuān)利權(quán)）人: 電子科技大學(xué)
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62;G06N3/04;G06N3/08
• 代理公司: 電子科技大學(xué)專(zhuān)利中心 51203
• 代理人: 周劉英

本發(fā)明公開(kāi)了一種用于圖像目標(biāo)檢測(cè)處理的錨框生成方法及輕量級(jí)目標(biāo)檢測(cè)方法，屬于圖像目標(biāo)檢測(cè)技術(shù)領(lǐng)域。本發(fā)明提出的錨框生成方式，基于自身數(shù)據(jù)集的不同，生成更適合自身應(yīng)用場(chǎng)景的預(yù)選框，以代替當(dāng)前基于錨點(diǎn)檢測(cè)器的人工設(shè)置或K?means生成方式；同時(shí)基于本發(fā)明的錨框生成方式提出了一種用于目標(biāo)檢測(cè)處理的輕量級(jí)目標(biāo)檢測(cè)方法，進(jìn)而提升目標(biāo)檢測(cè)處理在計(jì)算量、FPS和復(fù)雜度等方面的檢測(cè)性能。本發(fā)明在生成錨框生時(shí)，采用基于密度的方法對(duì)數(shù)據(jù)集中的真實(shí)盒進(jìn)行聚類(lèi)，以獲得盒的最優(yōu)長(zhǎng)度和寬度，降低后續(xù)計(jì)算的復(fù)雜度。以及采用多尺度輸出對(duì)不同尺度的物體進(jìn)行預(yù)測(cè)，采取多層次輸出檢測(cè)結(jié)果；同時(shí))利用分離卷積來(lái)改進(jìn)基本卷積層，降低模型的復(fù)雜度。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像目標(biāo)檢測(cè)技術(shù)領(lǐng)域，具體涉及一種基于深度學(xué)習(xí)的輕量級(jí)目標(biāo)檢測(cè)方案。

背景技術(shù)

目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)三大基礎(chǔ)問(wèn)題之一，在自動(dòng)駕駛、圖像/視頻檢索、視頻監(jiān)控等領(lǐng)域有著重要的應(yīng)用，目標(biāo)檢測(cè)領(lǐng)域的研究具有十分重要的意義。在目標(biāo)檢測(cè)領(lǐng)域添加或改進(jìn)的任何組件如果帶來(lái)了新的計(jì)算瓶頸，在實(shí)際應(yīng)用中，實(shí)際效果就會(huì)因場(chǎng)景不同而變化，往往會(huì)更糟。但是，如果對(duì)基本構(gòu)件的改進(jìn)能夠在不影響再訓(xùn)練模型的情況下提高整個(gè)場(chǎng)景的有效性，那么這種改進(jìn)將會(huì)被廣泛接受，具有良好的應(yīng)用前景。

在目標(biāo)檢測(cè)中，通常先設(shè)置一些候選框，然后通過(guò)網(wǎng)絡(luò)逐層回歸這些框。這些候選框應(yīng)該具有代表性，能夠廣泛的代表實(shí)際場(chǎng)景中框的大小。否則，框?qū)⒑茈y回歸，最終的預(yù)測(cè)框也不適合真實(shí)框。在兩階段檢測(cè)器Faster-RCNN(Faster R-CNN:Towards Real-timeObject Detection with Region Proposal Networks)中，手動(dòng)設(shè)置長(zhǎng)寬比和圖像大小，設(shè)定錨框(錨盒)，最終通過(guò)錨框生成種不同大小的候選框。在單階段檢測(cè)器YOLO(You OnlyLook Once)中，通過(guò)計(jì)算IoU(Intersection over Union)，采用改進(jìn)的K-means算法對(duì)數(shù)據(jù)集中的真實(shí)框進(jìn)行聚類(lèi)，最終生成若干組不同尺度的錨框，再把圖片分成多個(gè)小格，在每個(gè)小格上通過(guò)錨框生成多個(gè)候選框。人工方法不具備解釋性，也沒(méi)有嚴(yán)格的數(shù)學(xué)證明。由于Faster-RCNN是基于多個(gè)錨點(diǎn)進(jìn)行計(jì)算的，每個(gè)錨點(diǎn)在中心位置都會(huì)產(chǎn)生一個(gè)對(duì)應(yīng)尺度的候選框，不具有代表性的高寬比會(huì)給后續(xù)計(jì)算帶來(lái)額外的計(jì)算開(kāi)銷(xiāo)。目標(biāo)檢測(cè)模型需要在檢測(cè)精度和檢測(cè)速度之間進(jìn)行權(quán)衡，輕量級(jí)網(wǎng)絡(luò)需要降低模型的復(fù)雜度，為移動(dòng)設(shè)備的部署做好準(zhǔn)備。輕量級(jí)網(wǎng)絡(luò)還需要輸出不同大小的目標(biāo)，過(guò)于簡(jiǎn)單，缺乏深度特征提取和融合的過(guò)程。

從Faster-RCNN提出錨框概念開(kāi)始，大多數(shù)目標(biāo)檢測(cè)算法在生成候選框時(shí)都依賴(lài)于初始錨框的設(shè)置。而錨框的位置坐標(biāo)信息為：(x1,y1,x2,y2)，即表示錨框左上角和右下角的坐標(biāo)。根據(jù)SPP-net(SPP-Net:Deep Absolute Pose Regression with SyntheticViews)和多尺度圖像金字塔思想，反向得到足夠的錨框。由于Faster-RCNN包含大量的錨點(diǎn)，每個(gè)錨點(diǎn)產(chǎn)生9個(gè)錨框，可以覆蓋各種尺度和形狀的目標(biāo)。但是這種方法產(chǎn)生太多的錨框，導(dǎo)致冗余的框，如圖1所示。

YOLO檢測(cè)器使用K-means算法生成錨點(diǎn)，如圖2所示。YOLO使用真實(shí)框大小作為聚類(lèi)算法的輸入。來(lái)自YOLO9000(YOLO9000：Better,Fater,Stronger)的結(jié)果如表1所示。

表1

以上兩種算法都有不足之處：

1)錨點(diǎn)的生成方法來(lái)源于圖像特征金字塔模型。錨的邏輯可以通過(guò)特征圖的逆向計(jì)算來(lái)解釋。但是，手動(dòng)設(shè)置錨值生成的先驗(yàn)框不能很好地表示數(shù)據(jù)集中的真實(shí)框。對(duì)于手動(dòng)設(shè)置的錨值，沒(méi)有數(shù)學(xué)邏輯上的證明。

2)人工設(shè)置K個(gè)聚類(lèi)中心，迭代更新聚類(lèi)中心的值時(shí)，需要計(jì)算所有剩余點(diǎn)的IOU，計(jì)算量太大。

3)K-means在第一輪迭代中隨機(jī)初始化聚類(lèi)中心。且如果初始的聚類(lèi)中心選擇錯(cuò)誤，將會(huì)非常耗時(shí)，甚至?xí)绊懽罱K的結(jié)果。