[發明專利]基于深度學習融合通道混洗的紅外目標檢測方法

在審

• 申請號: 202111122583.1
• 申請日: 2021-09-24
• 公開（公告）號: CN113936136A
• 公開（公告）日: 2022-01-14
• 發明（設計）人: 周慧鑫;陳戈韜;宋江魯奇;劉國均;李歡;秦翰林;王炳健;滕翔;張鑫;李幸;梅峻溪;劉志宇;張喆
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06V10/25
• 分類號: G06V10/25;G06V10/143;G06V10/80;G06K9/62;G06N3/04
• 代理公司: 西安志帆知識產權代理事務所(普通合伙) 61258
• 代理人: 侯峰;韓素蘭

1.一種基于深度學習融合通道混洗的紅外目標檢測方法，其特征在于，所述方法包括：

將原始圖像輸入預設網絡，提取所述原始圖像的特征圖；

將所述特征圖輸入候選框生成層；

將所述特征圖輸入RPN網絡，確定候選框，并輸出所述候選框至所述候選框生成層；

所述候選框生成層將所述候選框在輸入特征圖進行映射，得到候選框特征圖；

將所述候選框特征圖通過池化層調整為固定大小的固定特征圖；

將所述固定特征圖輸入至完全連接層，所述固定特征圖通過softmax層輸出類別，所述固定特征圖通過線性回歸層輸出對應的邊界框，得到所述原始圖像的目標檢測結果圖。

2.根據權利要求1所述的方法，其特征在于，所述預設網絡構建包括：

采用標準卷積進行卷積操作，并設置預設步長進行下采樣；

在卷積前進方向疊加深度可分離卷積模塊；

在所述深度可分離卷積模塊后加入融合通道混洗的深度可分離卷積模塊；所述融合通道混洗的深度可分離卷積模塊的步長包括第一步長和第二步長，所述第一步長與所述第二步長不等；

加入卷積層，用于使所述預設網絡的輸出通道數量適應后續層。

3.根據權利要求2所述的方法，其特征在于，所述融合通道混洗的深度可分離卷積模塊為2個。

4.根據權利要求2所述的方法，其特征在于，所述基于殘差的融合深度可分離卷積模塊為6個。

5.根據權利要求2所述的方法，其特征在于，所述深度可分離卷積模塊包括深度卷積和逐點卷積；

所述深度卷積用于改變所述特征圖的尺寸，利用單通道的卷積核對輸入進行濾波；

所述逐點卷積用于改變輸出通道的數量。

6.根據權利要求2所述的方法，其特征在于，所述融合通道混洗的深度可分離卷積模塊的步長為第一步長；

所述融合通道混洗的深度可分離卷積模塊實現步驟包括：

將輸入的所述特征圖輸入卷積層進行卷積，以對所述特征圖進行降維，得到降維特征圖；

將所述降維特征圖按通道數均分為兩部分，并分別輸入兩個分支；

將分支一輸入卷積層，將分支二依次輸入深度可分離卷積和分組卷積；

拼接所述兩個分支的特征通道，對拼接后的特征進行融合通道混洗。

7.根據權利要求2所述的方法，其特征在于，所述融合通道混洗的深度可分離卷積模塊的步長為第二步長；

所述融合通道混洗的深度可分離卷積模塊實現步驟包括：

將輸入的所述特征圖輸入卷積層進行卷積，以對所述特征圖進行降維，得到降維特征圖；

將所述降維特征圖按通道數均分為兩部分，并分別輸入兩個分支；

將分支一依次輸入平均池化層和卷積層；所述平均池化層的步長與所述第二步長相等；

將分支二依次輸入深度可分離卷積和分組卷積；

拼接所述兩個分支的特征通道，對拼接后的特征進行融合通道混洗。

8.根據權利要求6或7所述的方法，其特征在于，所述對拼接后的特征進行融合通道混洗包括：

對不同組特征通道進行重組，每組只保持一個子組特征通道不變，剩余每個子組的特征通道是由其它組隨機選擇一個子組特征通道融合得到，最后將所有子組的結果進行拼接得到輸出特征。

9.根據權利要求6或7所述的方法，其特征在于，在所述融合通道混洗的深度可分離卷積模塊上加殘差結構，得到基于殘差的融合深度可分離卷積模塊；

所述基于殘差的融合深度可分離卷積模塊實現步驟包括：

將所述特征圖與所述兩個分支拼接后的特征圖相加。

10.根據權利要求1-7任一項所述的方法，所述將所述特征圖輸入RPN網絡，確定候選框，并輸出所述候選框至所述候選框生成層，包括：

所述特征圖輸入A×A的卷積層，輸出第一卷積結果，分為兩個分支；

第一分支將所述第一卷積結果輸入B×B的卷積層，輸出第二卷積結果；

將所述第二卷積結果輸入softmax層，得到候選框及對應的候選框得分；

第二分支將所述第一卷積結果輸入B×B的卷積層，回歸所述候選框位置；

對所述候選框得分采用非極大值抑制法，輸出所述候選框得分中最高的前預設數量的所述候選框得分對應的高分候選框至所述候選框生成層。