[發明專利]一種基于多級特征自適應融合的變尺度目標檢測方法

在審

• 申請號: 202110039156.0
• 申請日: 2021-01-13
• 公開（公告）號: CN112733942A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 張弘;閆超奇;楊一帆;陳浩;李旭亮;袁丁
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于多級特征自適應融合的變尺度目標檢測方法，其特征在于，包括以下步驟：

預處理部分，用于輸入圖像數據的尺寸統一以及樣本擴增；

基礎網絡模塊，用于提取樣本的初步淺層特征；

附加特征提取模塊，用于提取樣本的深層語義特征；

兩級特征融合模塊，用于將深層特征與淺層特征融合；

預測模塊，用于將融合后的特征進一步處理；

分類和回歸模塊，用于計算分類損失和回歸損失，實現模型參數優化。

2.根據權利要求1所述的目標檢測網絡結構，其特征在于，所述基礎網絡模塊為ResNeXt50內置網絡，其Stage3_unit4為淺層特征提取層；

所述附加特征提取模塊，其中Stage4_unit6、Conv6_2、Conv7_2、Conv8_2、Conv9_2作為深層特征提取層；

所述兩級特征融合模塊，用于將Stage3_unit4、Stage4_unit6、Conv6_2、Conv7_2、Conv8_2、Conv9_2的特征進行融合，形成多級特征自適應融合；

第一階段特征融合，將Stage3_unit4、Stage4_unit6、Conv6_2、Conv7_2特征層以concatenation的方式融合形成新的特征層FM1_1，將Stage4_unit6、Conv6_2、Conv7_2特征層以concatenation的方式融合形成新的特征層FM1_2，將Conv6_2、Conv7_2特征層以concatenation的方式融合形成新的特征層FM1_3。其中FM1_2,FM1_3融合策略與FM1_1融合策略相同。

第二階段特征融合，將FM1_1、FM1_2、FM1_3，以及FM1_2、FM1_3以concatenation的方式融合形成新的特征層FM2_1以及FM2_2。其中FM2_1、FM2_2與FM1_1融合策略相同。

所述預測模塊，用于將融合后的特征進一步加強處理。

3.一種基于多級特征自適應融合的變尺度目標檢測方法，其特征在于，包括以下訓練和測試步驟：

獲取用于變尺度目標檢測的訓練和測試數據集，將標注信息轉化為網絡模型可直接讀取的格式；

初始化網絡訓練模型，對訓練樣本進行預處理，將所述原始圖像變倍到設定尺寸，并進行浮點轉換，得到浮點圖像；

利用基礎網絡模塊和附加特征提取模塊，提取輸入數據的淺層特征和深層特征，形成多級特征變尺度目標檢測框架；

利用預測模塊對多級特征變尺度特征層進行進一步特征加強；

計算分類與回歸損失并反向傳播，進行網絡參數的迭代更新；

完成網絡訓練；

將保存的網絡模型應用到實際測試數據，完成測試。

4.根據權利要求3所述的目標檢測方法，其特征在于，所述初始化訓練模型過程中設置算法的預訓練模型參數，最大迭代次數、學習率、測試頻率、反向傳播方法、訓練批次尺寸batch_size、每一次迭代批尺寸的個數inter_size、動量參數、分類IOU閾值等參數；對訓練樣本進行預處理包括將樣本統一尺寸，并采用縮放、翻轉、隨機裁剪、色彩變換、隨機加入高斯噪聲和椒鹽噪聲等操作對輸入的訓練樣本集進行數據擴充。