[發(fā)明專利]一種基于深度學(xué)習(xí)的增強(qiáng)檢測遮擋目標(biāo)的目標(biāo)檢測方法

在審

• 申請?zhí)枺?/td>: 202211635125.2
• 申請日: 2022-12-19
• 公開（公告）號: CN115761220A
• 公開（公告）日: 2023-03-07
• 發(fā)明（設(shè)計(jì)）人: 曹丹陽;楊建;馬金鋒;田學(xué)法;賀珊珊
• 申請（專利權(quán)）人: 北方工業(yè)大學(xué)
• 主分類號: G06V10/25
• 分類號: G06V10/25;G06V10/44;G06V10/764;G06V10/82;G06N3/08;G06N3/0464
• 代理公司: 北京萬馳專利代理事務(wù)所(普通合伙) 16106
• 代理人: 王軍

1.一種基于深度學(xué)習(xí)的增強(qiáng)檢測遮擋目標(biāo)的目標(biāo)檢測方法，其特征在于，采用了Faster-RCNN作為網(wǎng)絡(luò)框架，包括ResNet50作為主干特征提取網(wǎng)絡(luò)、特征金字塔網(wǎng)絡(luò)、空洞卷積操作、區(qū)域生成網(wǎng)絡(luò)、分類網(wǎng)絡(luò)和回歸網(wǎng)絡(luò)；

主干特征提取網(wǎng)絡(luò)是一種用于提取圖像特征信息的深度殘差卷積結(jié)構(gòu)，使用多層殘差塊進(jìn)行特征提取；

特征金字塔網(wǎng)絡(luò)利用低層特征高分辨率和高層特征的高語義信息，融合不同層的特征并輸出多層特征圖；

空洞卷積層作用于特征金字塔網(wǎng)絡(luò)輸出的各層特征圖，擴(kuò)大特征圖的感覺野；

區(qū)域生成網(wǎng)絡(luò)通過在特征圖上滑動檢測圖像中可能含有目標(biāo)的區(qū)域和位置，生成候選區(qū)域集；

分類網(wǎng)絡(luò)和回歸網(wǎng)絡(luò)對候選區(qū)域中的目標(biāo)做類別判定和進(jìn)一步定位。

2.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的增強(qiáng)檢測遮擋目標(biāo)的目標(biāo)檢測方法，其特征在于，所述ResNet50卷積網(wǎng)絡(luò)能夠用ImageNet數(shù)據(jù)集做預(yù)訓(xùn)練，目標(biāo)檢測網(wǎng)絡(luò)在WIDERFACE數(shù)據(jù)集上進(jìn)行訓(xùn)練。

3.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的增強(qiáng)檢測遮擋目標(biāo)的目標(biāo)檢測方法，其特征在于，所述空洞卷積層是基于Faster-RCNN網(wǎng)絡(luò)框架的基礎(chǔ),選擇ResNet50骨干網(wǎng)絡(luò)，F(xiàn)PN特征金字塔網(wǎng)絡(luò)特征融合后進(jìn)行增加的，作為進(jìn)一步處理特征圖的操作。

4.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的增強(qiáng)檢測遮擋目標(biāo)的目標(biāo)檢測方法，其特征在于，所述目標(biāo)分類網(wǎng)絡(luò)是使用全連接層及Softmax方法輸出候選區(qū)域中目標(biāo)所屬類別的概率。

5.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的增強(qiáng)檢測遮擋目標(biāo)的目標(biāo)檢測方法，其特征在于，所述目標(biāo)分類網(wǎng)絡(luò)是使用全連接層及Softmax方法輸出候選區(qū)域中目標(biāo)所屬類別的概率。

6.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的增強(qiáng)檢測遮擋目標(biāo)的目標(biāo)檢測方法，其特征在于，通過空洞卷積后輸出的特征圖大小的計(jì)算公式變?yōu)椋?/p>

其中i為輸入圖像大小，k為卷積核，s為步長，p為填充的圖素，o為輸出的特征圖大小，(d-1)為填充的空洞數(shù)，那么原來為k的卷積核填充了(d-1)個空洞后，卷積核變?yōu)?k+(k-1)*(d-1))；因此能夠通過后式從最后一層到第一次級聯(lián)后計(jì)算在原圖上的感受野。

7.根據(jù)權(quán)利要求6所述的一種基于深度學(xué)習(xí)的增強(qiáng)檢測遮擋目標(biāo)的目標(biāo)檢測方法，其特征在于，計(jì)算感受野時不需要考慮填充的情況下，感受野的計(jì)算公式為：

其中l(wèi)_k是第k層的每個點(diǎn)的感受野，f_k是第k層卷積核的大小，S_i是第i層卷積的步長，在第k層的感受野比第k-1層的感覺野大