[發明專利]一種基于新型特征金字塔網絡的圖像目標檢測方法

在審

• 申請號: 202210048960.X
• 申請日: 2022-01-17
• 公開（公告）號: CN114511006A
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 潘晴;黃強;田妮莉
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06V10/80;G06V10/82;G06V10/46
• 代理公司: 廣東廣信君達律師事務所 44329
• 代理人: 戴緒霖

1.一種基于新型特征金字塔網絡的圖像目標檢測方法，其特征在于，包括以下步驟：

S1、采用金字塔池化模塊對輸入特征金字塔網絡的最高等級的特征圖C₅進行處理，得到包含不同大小區域上下文信息的多尺度特征；

S2、采用1x1卷積層對輸入的所有等級特征圖進行降維，使所有特征圖通道維度為256；

S3、對所有等級的特征圖進行平均池化處理，使所有特征圖分辨率大小與最高等級的特征圖C₅的大小保持一致，得到特征圖C′_i，其中i＝2,3,4,5；

S4、將池化處理后的所有特征圖送入兩個串聯的1x1卷積層，計算位置權重；

S5、采用最近鄰插值法將位置權重上采樣為相應等級的特征圖大小，得到位置權重圖；

S6、對所有等級特征圖進行位置加權，得到位置加權后的特征圖；

S7、采用最近鄰插值法自上而下地縮放各等級特征圖到相鄰等級特征圖大小并相加融合，同時采用3x3卷積對位置加權后的最高等級特征圖進行處理，得到用于預測的五個不同等級的特征圖；

S8、在步驟S7得到的五個不同等級的特征圖上預測即可得到目標檢測結果。

2.根據權利要求1所述的一種基于新型特征金字塔網絡的圖像目標檢測方法，其特征在于，所述步驟S1具體包括：

S1-1、將最高等級的特征圖C₅分別劃分為1x1、2x2、3x3、6x6大小的子區域并進行平均池化，得到4個不同大小的輸出特征圖；

S1-2、將步驟S1-1得到的4個特征圖分別送入1x1卷積層減少通道數至256；

S1-3、采用最近鄰插值法將減少通道數后的特征圖上采樣至C₅大小，并與C₅拼接得到最終的輸出特征圖。

3.根據權利要求1所述的一種基于新型特征金字塔網絡的圖像目標檢測方法，其特征在于，所述步驟S4中，位置權重計算公式如式(1)所示：

W_i＝σ(F₂(δ(F₁(C′_i)))) (1)

式(1)中，C′_i表示經過降維和平均池化處理的所有等級特征圖，其中i＝2,3,4,5，W_i表示計算得到的位置權重，F₁和F₂表示1x1卷積層，定義如式(2)，σ為Sigmoid激活函數，定義如式(3)，δ為ReLU激活函數定義如式(4)；

式(2)中，w₁為1x1大小的卷積核，x為輸入圖像，為卷積運算；

δ(x)＝max(0,x) (4)。

4.根據權利要求1所述的一種基于新型特征金字塔網絡的圖像目標檢測方法，其特征在于，所述步驟S6中，位置加權的計算公式如式(5)所示：

P_i＝W′_i⊙C_i (5)

式(5)中，P_i表示位置加權后的特征圖，W′_i表示位置權重圖，i＝2,3,4,5，⊙表示元素級相乘。

5.根據權利要求1所述的一種基于新型特征金字塔網絡的圖像目標檢測方法，其特征在于，所述步驟S7中，3x3卷積計算公式如式(6)所示：

式(6)中，w₃為3x3大小的卷積核，步長為2，P₅為位置加權后的最高等級特征圖，P₆為對P₅進行3x3卷積后得到的新的最高等級特征圖，為卷積運算。