[發(fā)明專(zhuān)利]面向無(wú)人機(jī)航拍圖像的分割引導(dǎo)注意力群體計(jì)數(shù)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210740932.4
• 申請(qǐng)日: 2022-06-28
• 公開(kāi)（公告）號(hào): CN115019211A
• 公開(kāi)（公告）日: 2022-09-06
• 發(fā)明（設(shè)計(jì)）人: 范哲意;宋梓豪;吳迪;朱藝璇
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京理工大學(xué)
• 主分類(lèi)號(hào): G06V20/17
• 分類(lèi)號(hào): G06V20/17;G06V10/82;G06V10/26;G06N3/08;G06N3/04
• 代理公司: 北京康度知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11705
• 代理人: 王彬

1.一種面向無(wú)人機(jī)航拍圖像的分割引導(dǎo)注意力群體計(jì)數(shù)方法，所述方法包括：

獲取包括訓(xùn)練集和測(cè)試集在內(nèi)的圖像集；

對(duì)訓(xùn)練集中的圖像進(jìn)行預(yù)處理；

將預(yù)處理后的圖像輸入網(wǎng)絡(luò)，訓(xùn)練網(wǎng)絡(luò)，直至網(wǎng)絡(luò)擬合，訓(xùn)練后的網(wǎng)絡(luò)輸出圖像的密度圖和分割圖，所述網(wǎng)絡(luò)包括卷積塊，Inception級(jí)聯(lián)模塊、上采樣器、淺層分割引導(dǎo)注意力模塊、深層分割引導(dǎo)注意力模塊以及第一加法器和第二加法器；以及

根據(jù)網(wǎng)絡(luò)輸出的密度圖，將密度圖的像素值求和得到圖像中的群體計(jì)數(shù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，訓(xùn)練網(wǎng)絡(luò)的步驟包括：

卷積塊將預(yù)處理后的圖像處理為特征F1，F(xiàn)1的通道數(shù)為768；

將特征F1分別輸入Inception級(jí)聯(lián)模塊和淺層分割引導(dǎo)注意力模塊，分別得到特征F2，S1和D1，特征F2的通道數(shù)為2048，S1的通道數(shù)為1，特征D1的通道數(shù)為1；

通過(guò)上采樣器對(duì)得到的特征F2進(jìn)行上采樣，上采樣后的特征的尺寸變?yōu)樘卣鱂2的兩倍，然后將上采樣后的特征F2輸入深層分割引導(dǎo)注意力模塊，分別得到特征S2和D2，特征S2和特征D2的通道數(shù)分別為1和1；

通過(guò)第一加法器將得到的特征S1和S2加權(quán)求和，最終得到與輸入圖像尺寸相同的預(yù)測(cè)分割圖；

通過(guò)第二加法器將得到的特征D1和D2加權(quán)求和，最終得到與輸入圖像尺寸相同的預(yù)測(cè)密度圖；

通過(guò)調(diào)整特征S1和S2以及特征D1和D2的權(quán)重以使最小化損失函數(shù)，直至網(wǎng)絡(luò)擬合，

損失函數(shù)為：

表示密度圖損失，如式(2)，

其中表示生成的第i張輸入圖像X_i對(duì)應(yīng)的預(yù)測(cè)密度圖，θ表示整個(gè)網(wǎng)絡(luò)可訓(xùn)練的參數(shù)，D_i表示圖像X_i的真值密度圖，N是訓(xùn)練樣本數(shù)，

表示分割圖損失，如式(3)，

其中表示生成的第i張輸入圖像X_i對(duì)應(yīng)的預(yù)測(cè)分割圖，W_i表示真值分割圖，H_i(j，k)構(gòu)成交叉熵?fù)p失矩陣H，(j，k)是預(yù)測(cè)分割圖里的每個(gè)點(diǎn)的坐標(biāo)，⊙表示逐元素乘法。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，卷積塊包括5個(gè)卷積層、第一InceptionA至第三InceptionA、InceptionB以及第一InceptionC至第四InceptionC。

5個(gè)卷積層分別是：

Conv:3×3,32；

Conv:3×3,32；

Conv:3×3,64；

Conv:3×3,80；

Conv:3×3,192；

其中，Conv為卷積，3×3,32表示卷積核大小為3×3，輸出特征的通道數(shù)為32；3×3,64表示卷積核大小為3×3，輸出特征的通道數(shù)為64，3×3,80表示卷積核大小為3×3，輸出特征的通道數(shù)為80，3×3,192表示卷積核大小為3×3，輸出特征的通道數(shù)為192；

InceptionA：將輸入特征復(fù)制4份，將其分別送入4條分支，從左到右，分支A1對(duì)輸入特征進(jìn)行1×1卷積；分支A2對(duì)輸入特征先進(jìn)行1×1卷積再進(jìn)行5×5卷積；分支A3對(duì)輸入特征首先進(jìn)行1×1卷積，再進(jìn)行兩次3×3卷積；分支A4對(duì)輸入特征先進(jìn)行池化操作再進(jìn)行1×1卷積，最后將4個(gè)分支的所有輸出按照通道聯(lián)接，作為最終輸出特征，其通道數(shù)為288；

InceptionB：將輸入特征復(fù)制3份，將其分別送入3條分支，從左到右，分支B1對(duì)輸入特征進(jìn)行3×3卷積；分支B2對(duì)輸入特征首先進(jìn)行1×1卷積，再進(jìn)行兩次3×3卷積；分支B3對(duì)輸入特征進(jìn)行池化操作，最后將3個(gè)分支的所有輸出按照通道聯(lián)接，作為最終輸出特征,其通道數(shù)為768；

InceptionC：將輸入特征復(fù)制4份，將其分別送入4條分支，從左到右，分支C1對(duì)輸入特征進(jìn)行1×1卷積；分支C2對(duì)輸入先進(jìn)行1×1卷積再進(jìn)行深度可分離卷積，其中深度可分離卷積由1×7和7×1卷積組成；分支C3對(duì)輸入特征首先進(jìn)行1×1卷積，再進(jìn)行兩次深度可分離卷積，其中深度可分離卷積由1×7和7×1卷積組成；分支C4對(duì)輸入特征進(jìn)行池化操作再進(jìn)行1×1卷積；最后將4個(gè)分支的所有輸出按照通道聯(lián)接，作為最終輸出特征,其通道數(shù)為768。