[發明專利]一種基于卷積區域重配準的單階段目標檢測方法

有效

• 申請號: 202011533529.1
• 申請日: 2020-12-22
• 公開（公告）號: CN112529095B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 陳思寶;呂建春;代北敏;張克林;王文中;呂強;湯進;王雪雁
• 申請（專利權）人: 合肥市正茂科技有限公司
• 主分類號: G06V10/82
• 分類號: G06V10/82;G06V10/764;G06V10/766;G06V10/774;G06N3/045;G06N3/0464;G06N3/084
• 代理公司: 合肥天明專利事務所(普通合伙) 34115
• 代理人: 婁岳

1.一種基于卷積區域重配準的單階段目標檢測方法，其特征在于，包括：

步驟S1、獲取檢測圖片的訓練集，所述訓練集包括M張訓練圖片，以及與M張訓練圖片一一對應的M個標簽，通過M個標簽表示相應圖片中的N個目標物體的類別與坐標信息，其中坐標信息包括表示標注物體的矩形框的寬度、高度、中心點橫坐標、中心點縱坐標和旋轉角度；

步驟S2、對訓練集的訓練圖片和測試圖片進行圖片標準化；

步驟S3、建立深度卷積神經網絡結構，利用損失函數及所述訓練集進行訓練得到網絡模型，其具體步驟包括：

獲取基礎特征提取網絡M和額外卷積網絡MA；

在所述基礎特征提取網絡M和額外卷積網絡MA的基礎上搭建第一階段的分類網絡CLS₁和定位網絡LOC₁；

在基礎特征提取網絡M和額外卷積網絡MA的基礎上構建特征金字塔網絡，通過基礎特征提取網絡M和額外卷積網絡MA生成F張第一階段的特征圖FEA₁，再根據構建的特征金字塔網絡生成高分辨率的第二階段的特征圖FEA₂；

以所述第一階段定位網絡LOC₁的坐標檢測結果LR₁對第一階段的分類網絡CLS₁和卷積網絡的卷積區域CR₁進行重配準,得到重分配卷積區域CR₂，其中重配準步驟為：

根據第一階段檢測結果進行中心點偏移和長寬縮放，獲得新的卷積區域及采樣點位置，再通過雙線性插值方法獲得重配準后的采樣點位置的特征值；

在所述第二階段的特征圖FEA₂和重分配卷積區域CR₂的基礎上，進行第二階段的分類與定位，得到第二階段的分類網絡CLS₂與定位網絡LOC₂；

在第一階段和第二階段檢測過程中進行損失函數定義；

進行訓練集訓練獲得最終的網絡模型；

步驟S4、根據網絡模型對測試圖片測試，進行計算面積交并比以及非極大值抑制，得到最終的檢測結果，其具體步驟包括：

根據訓練得到的網絡模型，使用Q張測試圖片的樣本T進行測試，輸入網絡模型；

并將檢測結果R＝{R₁,R₂,…,R_q,…,R_Q}以類別保存，其中R_q表示第q張測試圖片的檢測結果；

最后計算旋轉后的矩形框之間的面積交并比，進行非極大值抑制，僅保留得分較大且相互重疊面積小的檢測框，作為最終的檢測結果；

所述非極大值抑制的步驟為：

對初始檢測結果R_q中同類別下的每個檢測框的預測得分分別進行重新降序排序，所述排序后結果為R'_q＝{R_c'₁,R_c'₂,…,R_c'_f,…,R_c'_F}，其中R_c'_f為排序后的第j類上的檢測結果；

對R_c'_f中的任意一個檢測框b，將其和所有預測得分小于當前得分的檢測框之間進行面積交并比的計算，所述面積交并比計算公式為：

T＝area_b+area_bs；

I＝inter_w×inter_h；

U＝T-I；

IOU＝IU；

其中，area_b表示檢測框b的面積，area_bs表示任一得分小于b的檢測框bs的面積，inter_w與inter_h分別表示兩個檢測框相交區域的寬度和高度；

若兩個檢測框的面積交并比超過閾值t_iou，則舍棄得分較低的檢測框bs。