[發明專利]一種基于輕量化卷積的無錨框目標檢測方法

有效

• 申請號: 202110390662.4
• 申請日: 2021-04-12
• 公開（公告）號: CN113011384B
• 公開（公告）日: 2022-11-25
• 發明（設計）人: 袁正午;寇思佳
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06V10/44
• 分類號: G06V10/44;G06V10/75;G06V10/80;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京同恒源知識產權代理有限公司 11275
• 代理人: 趙榮之

1.一種基于輕量化卷積的無錨框目標檢測方法，其特征在于，該方法包括以下步驟：

S1：構造輕量化的骨干網絡，并輸入圖片到輕量化的骨干網絡中，提取特征圖；

S2：根據得到的特征圖進行左上角點和右下角點的池化操作；

S3：池化后的左上角點、右下角點都分別進行十字星變形卷積與角點預測操作；

S4：根據預測的角點和向心位移算法進行角點匹配，由預測邊界框的得分輸出最終結果；

步驟S1中，構造輕量化的骨干網絡包括以下步驟：

S11：構造基本卷積模塊，包括：構造分離特征模塊；所述分離特征模塊采用通道分離，深度卷積，通道拼接和通道重排的操作，構造成殘差結構進行通道分離后的左右兩個分支，分別進行卷積，池化和正則化，進行通道數拼接，使輸入和輸出通道數相同；

基本卷積模塊中，分為兩種卷積模塊；第一類卷積塊：通道分離后分為左右分支，左分支進行Conv2D，批處理歸一化，Relu激活，DepthWiseConv2D，批處理歸一化；右分支進行DepthWiseConv2D，批處理歸一化，Conv2D，Relu激活；第二類卷積模塊：左分支相較第一類卷積模塊多了一層通道亂序的Lambda層，右分支只有一個通道亂序的Lambda層；同時在各個卷積模塊之間加入一個通道亂序的Lambda層，最后將左右分支的輸出進行通道拼接；

S12：構造骨干網絡：由步長為2的下采樣卷積和步長為1基本卷積交替出現，融入分離特征模塊中，層層串聯構成；

步驟S2中，從得到的特征圖進行左上角點和右下角點的池化的操作，包括：骨干網絡輸出的特征圖進入池化層中，分別作水平方向與垂直方向上的最大池化得到相對應的特征圖，將這兩個特征圖進行元素相加，得到最終的池化結果。

2.根據權利要求1所述的無錨框目標檢測方法，其特征在于，步驟S3中，將池化后的左上角點、右下角點都分別進行十字星變形卷積與角點預測操作，具體包括以下步驟：

S31：角點預測：角池化通過保留最大值和求和操作，輸出左上角點和右下角點的熱度圖進行角點預測；輸出的每一個熱度圖集都有C個通道，C表示類別數，并且每一個通道的尺寸為H×W，每一個通道都是一個二值的掩碼，來表示每一類物體在圖中角點的位置；

S32：十字星變形卷積：經過角池化后會將目標內部信息沿“十字星”邊框擴展到角點處，產生十字交叉的特征，通過池化后的不確定的角點范圍，卷積核在當前位置附近隨意的采樣，再對每個采樣點的位置都增加一個偏移變量，通過引導偏移更準確地確定角點的正確位置。

3.根據權利要求2所述的無錨框目標檢測方法，其特征在于，步驟S32中，所述偏移變量是在邊緣位置附近隨意采樣獲得的，角點池輸出嵌入到特征映射中，采用的損失函數公式為：

其中，N表示訓練樣本中真實角點的數量，n為求和變量，δ_tl表示引導偏移后的左上角點，表示由δ_tl得到的掩膜映射，δ_br表示引導偏移后的右下角點，表示由δ_br得到的掩膜映射，L₁是SmoothL1損失函數；

所述引導偏移是引導角點向中心區域的偏移，定義為其中，δ表示引導偏移，物體i的邊界框的坐標bboxⁱ＝(tlxⁱ,tlyⁱ,brxⁱ,bryⁱ)，幾何中心坐標是(ctxⁱ,ctyⁱ)。

4.根據權利要求1所述的無錨框目標檢測方法，其特征在于，步驟S4中，根據預測角點和向心位移算法進行角點匹配，具體包括：給定一對角點，為每個角點定義一個二維向量，向心偏移對角點到邊界框中心點的空間偏移進行編碼，這樣每個角點根據向心偏移生成一個中心點，是否匹配是由兩個和該匹配的幾何中心之間的距離來表示，如果兩個角點屬于同一個邊界框，則它們生成的中心點是接近的。

5.根據權利要求4所述的無錨框目標檢測方法，其特征在于，步驟S4中，所述向心偏移：從角點到中心到偏移區域分支的偏移，該偏移包含形狀和方向信息，通過偏移算法來判斷同屬于同一個目標的角點。