基于多路徑密集特征融合全卷積網(wǎng)絡(luò)的目標(biāo)檢測(cè)方法

基本信息

申請(qǐng)?zhí)?/td> CN201810721733.2 申請(qǐng)日 -
公開(kāi)（公告）號(hào) CN108846446B 公開(kāi)（公告）日 2021-10-12
申請(qǐng)公布號(hào) CN108846446B 申請(qǐng)公布日 2021-10-12
分類號(hào) G06K9/62（2006.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 黃守志;李小雨;饒豐;姜竹青;門愛(ài)東 申請(qǐng)（專利權(quán)）人 國(guó)家新聞出版廣電總局廣播科學(xué)研究院
代理機(jī)構(gòu) 天津盛理知識(shí)產(chǎn)權(quán)代理有限公司 代理人 王利文
地址 100886北京市西城區(qū)復(fù)興門外大街2號(hào)監(jiān)管大樓521
法律狀態(tài) -

摘要

摘要 本發(fā)明涉及一種基于多路徑密集特征融合全卷積網(wǎng)絡(luò)的目標(biāo)檢測(cè)方法，利用深度卷積神經(jīng)網(wǎng)絡(luò)提取具有不同特征信息的分層多尺度特征圖；利用自底向上的旁路連接進(jìn)行自下而上的特征融合；利用自頂向下的密集旁路連接進(jìn)行自上而下的密集特征融合；構(gòu)建不同大小和長(zhǎng)寬比的目標(biāo)候選框；利用二分類器減少目標(biāo)候選框中的簡(jiǎn)單背景樣本，并利用多任務(wù)損失函數(shù)對(duì)二分類器、多類別分類器和邊界框回歸器進(jìn)行聯(lián)合優(yōu)化。本發(fā)明基于深度卷積神經(jīng)網(wǎng)絡(luò)提取圖像特征，利用多路徑密集特征融合方法改善特征表達(dá)能力，構(gòu)建了用于目標(biāo)檢測(cè)的全卷積網(wǎng)絡(luò)，提出了減少冗余簡(jiǎn)單背景樣本和多任務(wù)損失聯(lián)合優(yōu)化的策略，提高了算法的檢測(cè)精度，獲得了良好的目標(biāo)檢測(cè)結(jié)果。