[發(fā)明專利]一種基于YOLO的輕量級(jí)的目標(biāo)檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011164112.2
• 申請(qǐng)日: 2020-10-27
• 公開（公告）號(hào): CN112257794B
• 公開（公告）日: 2022-10-28
• 發(fā)明（設(shè)計(jì)）人: 李晨;許虞俊;杜文娟
• 申請(qǐng)（專利權(quán)）人: 東南大學(xué)
• 主分類號(hào): G06V10/764
• 分類號(hào): G06V10/764;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 南京瑞弘專利商標(biāo)事務(wù)所(普通合伙) 32249
• 代理人: 彭雄

1.一種基于YOLO的輕量級(jí)的目標(biāo)檢測(cè)方法，其特征在于，包括以下步驟：

步驟1，采集檢測(cè)圖片，形成訓(xùn)練集；

步驟2，特征提取：將訓(xùn)練集輸入到特征提取模塊中提取語(yǔ)義特征，將提取到的語(yǔ)義特征在不同尺度上抽取三個(gè)分支，送入多尺度感受野融合模塊；特征提取模塊包括依次連接的第一1x1卷積、第一3x3卷積以及通道無(wú)縮放卷積塊NEP；所述通道無(wú)縮放卷積塊NEP包括依次連接的第一層網(wǎng)絡(luò)、第二層網(wǎng)絡(luò)、注意力模塊ECA、第三層網(wǎng)絡(luò)，第一層網(wǎng)絡(luò)為第一Ghost模塊，第二層網(wǎng)絡(luò)為3x3的深度可分離卷積塊，第三層網(wǎng)絡(luò)為第二Ghost模塊，所述第一Ghost模塊、第二Ghost模塊均包括依次連接的第二1x1卷積和第二3x3的深度可分離卷積，所述第一Ghost模塊、第二Ghost模塊替代常用的1x1卷積塊；注意力模塊ECA在全局平均池化后得到的一維特征圖上，通過(guò)一個(gè)權(quán)重共享的1維卷積來(lái)學(xué)習(xí)通道無(wú)縮放卷積塊NEP的各通道權(quán)重，而其中1維卷積核k×1的大小代表著模塊的跨通道信息交互率，k會(huì)隨著通道數(shù)的變化而動(dòng)態(tài)調(diào)整；然后將得到的各通道權(quán)重分配到通道無(wú)縮放卷積塊NEP的各特征通道上，最后通過(guò)權(quán)重重新分配后的通道進(jìn)行權(quán)重特征融合，將得到的權(quán)重特征融合通過(guò)第二Ghost模塊得到語(yǔ)義特征；

步驟3，多尺度感受野融合模塊：多尺度感受野融合模塊根據(jù)三個(gè)分支的語(yǔ)義特征進(jìn)行多尺度融合，得到融合后的三種不同尺度的特征圖；

步驟4，目標(biāo)檢測(cè)模塊：使用融合后的三種不同尺度的特征圖分別預(yù)測(cè)不同大小的物體；

步驟5，損失計(jì)算模塊：采用Distance-IoU Loss來(lái)計(jì)算損失函數(shù)，提升檢測(cè)框的回歸精度，得到最終的目標(biāo)檢測(cè)網(wǎng)絡(luò)。

2.根據(jù)權(quán)利要求1所述基于YOLO的輕量級(jí)的目標(biāo)檢測(cè)方法，其特征在于：當(dāng)特征提取模塊中使用通道無(wú)縮放卷積塊NEP對(duì)當(dāng)前特征圖進(jìn)行下采樣時(shí)，擴(kuò)充通道數(shù)，解決因?yàn)橄虏蓸佣鴰?lái)的特征信息丟失問(wèn)題。

3.根據(jù)權(quán)利要求2所述基于YOLO的輕量級(jí)的目標(biāo)檢測(cè)方法，其特征在于：通道無(wú)縮放卷積塊NEP的深度可分離卷積步長(zhǎng)為2時(shí)，不使用殘差連接；通道無(wú)縮放卷積塊NEP的深度可分離卷積步長(zhǎng)為1，加入殘差連接。

4.根據(jù)權(quán)利要求3所述基于YOLO的輕量級(jí)的目標(biāo)檢測(cè)方法，其特征在于：通道無(wú)縮放卷積塊NEP使用的特征圖在計(jì)算過(guò)程中通道維度不進(jìn)行縮放，維持原通道數(shù)不改變，解決因通道維度縮減帶來(lái)的特征信息丟失，以及通道數(shù)擴(kuò)張帶來(lái)的參數(shù)過(guò)多的問(wèn)題。

5.根據(jù)權(quán)利要求4所述基于YOLO的輕量級(jí)的目標(biāo)檢測(cè)方法，其特征在于：步驟3中多尺度感受野融合模塊使用網(wǎng)絡(luò)特征提取模塊的不同尺度的輸出，將尺度較小的高級(jí)語(yǔ)義特征通過(guò)1x1卷積融合到感受野較小大尺度特征中，提升對(duì)小目標(biāo)以及中等目標(biāo)的檢測(cè)效果。

6.根據(jù)權(quán)利要求5所述基于YOLO的輕量級(jí)的目標(biāo)檢測(cè)方法，其特征在于：步驟5中Distance-IoU Loss為：

其中，L_DIoU表示預(yù)測(cè)框的位置損失，B表示預(yù)測(cè)框，B^gt表示真實(shí)框，b，b^gt代表預(yù)測(cè)框的中心點(diǎn)與真實(shí)框的中心點(diǎn)，ρ²()代表歐氏距離，c代表包含預(yù)測(cè)框與真實(shí)框的最小矩形的對(duì)角線長(zhǎng)度。

7.根據(jù)權(quán)利要求6所述基于YOLO的輕量級(jí)的目標(biāo)檢測(cè)方法，其特征在于：步驟5中將最終的目標(biāo)檢測(cè)網(wǎng)絡(luò)的參數(shù)量化為8bit。