[發明專利]一種融合圖像全局信息的對象檢測方法及系統

在審

• 申請號: 202111158075.9
• 申請日: 2021-09-28
• 公開（公告）號: CN113763381A
• 公開（公告）日: 2021-12-07
• 發明（設計）人: 王全增;李建強;李博雅;葉彩華;尤煥苓;白帆
• 申請（專利權）人: 北京工業大學;北京市氣象服務中心
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 程琛

本發明提供一種融合圖像全局信息的對象檢測方法及系統，方法包括：將待測圖像輸入至多層特征提取網絡進行特征提取得到待測圖像的多層特征結果；將多層特征結果進行雙通路特征融合得到多層融合特征結果；其中，多層融合特征結果包括淺層融合特征結果、深層融合特征結果以及與預設檢測分支層對應的中層融合特征結果；將特征優化后的淺層融合特征結果和特征優化后的深層融合特征結果融合至中層融合特征結果中，得到目標融合特征結果；將目標特征融合結果輸入至花粉檢測模塊中，得到花粉檢測模塊輸出的花粉檢測結果。本發明通過將深層和淺層的融合特征融合至檢測分支層對應的特征以用于花粉檢測，有效提高了花粉檢測的精度。

技術領域

本發明涉及圖像處理技術領域，尤其涉及一種融合圖像全局信息的對象檢測方法及系統。

背景技術

花粉是最常見的過敏原之一。當花粉接觸到人的鼻子或眼睛時，會引發流鼻涕、鼻塞、打噴嚏、流淚和眼睛發癢等典型的過敏反應。近年來花粉過敏人群日趨增加，使得準確的花粉預報變得更加必要。目前，花粉預報的主要方式是依靠工作人員在亮視野顯微鏡下逐粒識別花粉，并統計各類花粉濃度。這種方法周期很長，對于工作人員的專業知識要求很高，很難滿足花粉預報實時性的要求。

目前的自動檢測方法主要是將應用在自然圖像中效果良好的檢測方法應用到花粉圖像中。但是，花粉圖像和自然圖像是有很大差別的，自然圖像中的物體尺寸相差懸殊，但是花粉顆粒的尺寸卻相對集中，如果使用過大的錨框會使抱團在一起的花粉當做單顆花粉檢測在一起，導致檢測精度不高。

發明內容

本發明提供一種融合圖像全局信息的對象檢測方法、系統、電子設備及存儲介質，用以解決上述技術問題，能夠有效提高檢測精度。

本發明提供一種融合圖像全局信息的對象檢測方法，包括：

將獲取到的待測圖像輸入至訓練好的多層特征提取網絡進行特征提取得到所述待測圖像的多層特征結果；其中，所述多層特征提取網絡是基于樣本圖像以及與所述樣本圖像對應的樣本特征結果進行訓練得到的；

將所述多層特征結果進行雙通路特征融合得到多層融合特征結果；其中，所述多層融合特征結果包括淺層融合特征結果、深層融合特征結果以及與預設檢測分支層對應的中層融合特征結果；

將特征優化后的淺層融合特征結果和特征優化后的深層融合特征結果融合至所述中層融合特征結果中，得到目標融合特征結果；

將所述目標特征融合結果輸入至訓練好的花粉檢測模塊中，得到所述花粉檢測模塊輸出的花粉檢測結果；其中，所述花粉檢測模塊是基于特征樣本以及與所述特征樣本對應的樣本檢測結果進行訓練得到的。

根據本發明的融合圖像全局信息的對象檢測方法，所述將所述多層特征結果進行雙通路特征融合得到多層融合特征結果的步驟中，具體包括：

將所述多層特征結果通過上采樣融合通路進行特征融合得到所述淺層融合特征結果，將所述淺層融合特征結果通過下采樣融合通路進行特征融合得到所述中層融合特征結果以及所述深層融合特征結果。

根據本發明的融合圖像全局信息的對象檢測方法，所述淺層融合特征結果和所述深層融合特征結果的特征優化方式包括：

將所述淺層融合特征結果中的最淺層融合特征輸入至預設的并聯自注意力模塊進行特征優化得到所述特征優化后的淺層融合特征結果，將所述深層融合特征結果中的最深層融合特征輸入至所述并聯自注意力模塊進行特征優化得到所述特征優化后的深層融合特征結果；其中，所述并聯自注意力模塊包括空間自注意力單元和通道自注意力單元。

根據本發明的融合圖像全局信息的對象檢測方法，所述中層融合特征結果包括第一中層融合特征結果和第二中層融合特征結果；所述目標融合特征結果包括第一融合特征結果和第二融合特征結果；