[發明專利]一種基于雙向自適應特征金字塔的目標檢測方法及系統

在審

• 申請號: 202110326343.7
• 申請日: 2021-03-26
• 公開（公告）號: CN113011442A
• 公開（公告）日: 2021-06-22
• 發明（設計）人: 李新;李賀賀
• 申請（專利權）人: 山東大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 閆偉姣

本發明提供了一種基于雙向自適應特征金字塔的目標檢測方法及系統，所述方法包括以下步驟：獲取待檢測圖像；采用預先訓練的目標檢測模型進行目標檢測；其中，所述目標檢測模型采用雙向自適應特征金字塔進行特征融合和增強，在每一層的最后，通過自底向上增強路徑得到的每一層輸出的特征圖，還分別與其他層輸出的特征圖進行自適應加權融合，作為該層的最終輸出。本發明能夠充分利用不同尺度的特征信息，從而獲取更豐富的特征，提高了檢測精度。

技術領域

本發明屬于圖像目標檢測技術領域，尤其涉及一種基于雙向自適應特征金字塔的目標檢測方法及系統。

背景技術

本部分的陳述僅僅是提供了與本公開相關的背景技術信息，不必然構成在先技術。

目標檢測是計算機視覺非常重要的一個方向，能夠廣泛應用于視頻監控、交通管控、人員安防、自動駕駛、安全系統、醫療等諸多領域，通過目標檢測減少人力消耗。圖像目標檢測算法得到了廣泛應用，但是現有目標檢測方法仍存在不足，例如性能不好，或者目標檢測的速度和精確度難以兼顧。

據發明人了解，目前許多檢測效果較好的目標檢測方法均用到了特征金字塔，但是，現有的特征金字塔結構只有自頂向下和自底向上的兩個通道來融合特征，雖然對于一階目標檢測網絡來說，能夠提升目標檢測的能力，但是，金字塔同一層次的特征并沒有充分利用；并且，現有的特征金字塔結構在經過自底向上通道得到各層的輸出之后就進行目標檢測，沒有充分考慮不同層之間的相互影響，這些對于目標檢測結果均存在一定的影響。

發明內容

為克服上述現有技術的不足，本發明提供了一種基于雙向自適應特征金字塔的目標檢測方法及系統，能夠充分利用不同尺度的特征信息，從而獲取更豐富的特征，提高了檢測精度。

為實現上述目的，本發明的一個或多個實施例提供了如下技術方案：

一種基于雙向自適應特征金字塔的目標檢測方法，包括以下步驟：

獲取待檢測圖像；

采用預先訓練的目標檢測模型進行目標檢測；

其中，所述目標檢測模型采用雙向自適應特征金字塔進行特征融合和增強，在每一層的最后，通過自底向上增強路徑得到的每一層輸出的特征圖，還分別與其他層輸出的特征圖進行自適應加權融合，作為該層的最終輸出。

進一步地，所述雙向自適應特征金字塔包括自頂向下融合路徑和自底向上增強路徑，對不同尺度的特征圖進行融合和增強。

進一步地，在特征金字塔的每一層中，將該層的輸入特征與該層經橫向連接得到的融合特征再次進行融合。

進一步地，將自頂向下融合路徑和自底向上增強路徑重復執行多次。

進一步地，所述目標檢測模型訓練方法包括：

獲取包含待檢測目標的圖像數據集并進行預處理，得到圖像訓練集；

基于圖像訓練集，對搭建的深度學習神經網絡進行訓練，得到目標檢測模型，其中，所述深度學習神經網絡包括骨干網絡、雙向自適應特征金字塔、空間金字塔池化層和全連接層。

進一步地，獲取包含待檢測目標的圖像數據集并進行預處理后，還得到圖像測試集；

將n幅圖像作為一組，對每幅圖像分別進行翻轉、縮放、色域變化等處理；對每幅圖像進行隨機裁剪；將隨機裁剪后的n幅圖像進行拼接，得到一幅訓練圖像。

進一步地，獲取包含待檢測目標的圖像數據集并進行預處理后，還得到圖像測試集，用于目標檢測模型的測試和優化。

一個或多個實施例提供了一種基于雙向自適應特征金字塔的目標檢測系統，包括：

數據獲取模塊，獲取待檢測圖像；