[發(fā)明專利]一種基于優(yōu)化錨框機(jī)制的目標(biāo)檢測方法

在審

• 申請?zhí)枺?/td>: 202210276223.5
• 申請日: 2022-03-21
• 公開（公告）號: CN114863199A
• 公開（公告）日: 2022-08-05
• 發(fā)明（設(shè)計）人: 梁哲喆;于海;王瑩;朱志良
• 申請（專利權(quán)）人: 東北大學(xué)
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/82;G06V10/764
• 代理公司: 沈陽東大知識產(chǎn)權(quán)代理有限公司 21109
• 代理人: 李珉

1.一種基于優(yōu)化錨框機(jī)制的目標(biāo)檢測方法，

獲得待檢測實(shí)例圖像對應(yīng)的金字塔層級數(shù)量的特征圖；

根據(jù)金字塔層級數(shù)量的特征圖設(shè)計錨框參數(shù)，生成錨框；

將特征圖通過特征適應(yīng)模塊，得到新特征圖；

將新特征圖和錨框輸入至目標(biāo)檢測模型的頭部進(jìn)行訓(xùn)練；

選出各個特征圖的錨框的各種損失的平均值之和最小的那個特征圖對目標(biāo)檢測模型進(jìn)行訓(xùn)練；

使用訓(xùn)練好的目標(biāo)檢測模型對待檢測圖像進(jìn)行目標(biāo)檢測。

2.根據(jù)權(quán)利要求1所述的一種基于優(yōu)化錨框機(jī)制的目標(biāo)檢測方法，其特征在于：包括以下步驟：

步驟1：對帶有真實(shí)框的待檢測實(shí)例圖像進(jìn)行數(shù)據(jù)預(yù)處理，得到標(biāo)準(zhǔn)圖像；

步驟2：將預(yù)處理后的待檢測實(shí)例圖像輸入目標(biāo)檢測模型的骨架—特征提取網(wǎng)絡(luò)，得到特征圖；

步驟3：將骨架部分輸出的特征圖輸入目標(biāo)檢測模型的頸部—特征金字塔部分，獲得金字塔層級數(shù)量的特征圖；

步驟4：通過引導(dǎo)式錨框設(shè)計模塊根據(jù)金字塔層級數(shù)量的特征圖設(shè)計錨框參數(shù)，并且使用這些參數(shù)生成錨框；

步驟5：將目標(biāo)檢測模型頸部——特征金字塔輸出的特征圖通過一個特征適應(yīng)模塊，得到用于分類與回歸的新特征圖；

步驟6：將特征適應(yīng)模塊輸出的新特征圖和使用引導(dǎo)式錨框模塊所輸出錨框參數(shù)生成的錨框輸入至目標(biāo)檢測模型的頭部——分類器，并為待檢測實(shí)例的真實(shí)框分配各個特征圖上的若干錨框作為訓(xùn)練樣本，將各個特征圖所有落入待檢測實(shí)例真實(shí)框框中心區(qū)域的錨框作為用于訓(xùn)練的正樣本；

步驟7：通過在線特征選擇機(jī)制收集各個特征圖的錨框的各種損失的平均值之和；對比各個特征圖的損失平均值之和，選出損失值之和最小的那個特征圖，讓目標(biāo)檢測模型使用該特征圖對應(yīng)的錨框和特征圖進(jìn)行訓(xùn)練，達(dá)到最優(yōu)化特征選擇的效果；

步驟8、將不帶有真實(shí)框的待檢測實(shí)例輸入至訓(xùn)練好的目標(biāo)檢測模型，實(shí)現(xiàn)目標(biāo)的檢測。

3.根據(jù)權(quán)利要求2所述的一種基于優(yōu)化錨框機(jī)制的目標(biāo)檢測方法，其特征在于：步驟1所述數(shù)據(jù)預(yù)處理包括：將圖像重新調(diào)整至某一特定大小、數(shù)據(jù)增強(qiáng)和標(biāo)準(zhǔn)化操作。

4.根據(jù)權(quán)利要求2所述的一種基于優(yōu)化錨框機(jī)制的目標(biāo)檢測方法，其特征在于：所述步驟4的具體方法為：

步驟4.1：將步驟3獲得的金字塔層級數(shù)量的特征圖分別輸入多組引導(dǎo)式錨框模塊，得到特征圖錨框參數(shù)；

步驟4.2：將步驟4.1得到的錨框參數(shù)：特征圖錨框存在概率分?jǐn)?shù)參數(shù)和特征圖錨框?qū)捀邊?shù)用于生成若干組新的錨框，用于之后在目標(biāo)檢測頭部——分類器進(jìn)行回歸預(yù)測與分類預(yù)測。

5.根據(jù)權(quán)利要求4所述的一種基于優(yōu)化錨框機(jī)制的目標(biāo)檢測方法，其特征在于：所述引導(dǎo)式錨框設(shè)計模塊包括兩個組件，分別是錨框位置預(yù)測組件以及錨框形狀預(yù)測組件，這兩個組件是平行的組件，故分別將各特征圖分別輸入進(jìn)入這兩個組件。

6.根據(jù)權(quán)利要求5所述的一種基于優(yōu)化錨框機(jī)制的目標(biāo)檢測方法，其特征在于：所述位置預(yù)測組件使用一個1x1的卷積核掃描特征圖；所述錨框形狀預(yù)測組件包含一個輸出為2通道的卷積層，使用兩個1x1的卷積核掃描特征圖。

7.根據(jù)權(quán)利要求6所述的一種基于優(yōu)化錨框機(jī)制的目標(biāo)檢測方法，其特征在于：所述步驟4.1的具體方法為：

步驟4.1.1：將目標(biāo)檢測模型頸部——特征金字塔輸出的特征圖輸入到位置預(yù)測組件，得到一個形狀大小和原特征圖一樣的新特征圖，然后這個新特征圖再經(jīng)過一個使用sigmoid函數(shù)作為激活函數(shù)的非線性層，將新特征圖的各個點(diǎn)的值壓縮至(0,1)之間，新特征圖上的各個點(diǎn)的值用于表示原特征圖上錨框存在于該點(diǎn)的概率；

步驟4.1.2：將目標(biāo)檢測模型頸部—特征金字塔輸出的特征圖輸入到形狀預(yù)測組件，得到一個2通道的形狀和原特征圖一樣的新特征圖組，分別用于表示該特征圖原特征圖上該點(diǎn)錨框的寬和高。

8.根據(jù)權(quán)利要求2所述的一種基于優(yōu)化錨框機(jī)制的目標(biāo)檢測方法，其特征在于：所述步驟7的具體方法為：

步驟7.1：計算待檢測實(shí)例對應(yīng)各個特征圖的錨框的分類損失、回歸損失、錨框形狀損失，并計算各個損失值的平均值；

步驟7.2：找出待檢測實(shí)例的各個損失值平均值之和最小的特征圖的層級索引；

步驟7.3：將待檢測實(shí)例所有不是該最小特征圖所在層級的特征圖上的所有錨框損失置為0，不將其用作訓(xùn)練；

步驟7.4：使用待檢測實(shí)例各損失均值之和最小的特征圖所在層級的特征圖上的錨框作為訓(xùn)練的樣本進(jìn)行反向傳播，從而對目標(biāo)檢測模型進(jìn)行訓(xùn)練，直至目標(biāo)檢測模型收斂。