基于超特征融合與多尺度金字塔網(wǎng)絡(luò)的目標(biāo)檢測(cè)方法

基本信息

申請(qǐng)?zhí)?/td> CN201810721716.9 申請(qǐng)日 -
公開(kāi)（公告）號(hào) CN109034210B 公開(kāi)（公告）日 2021-10-12
申請(qǐng)公布號(hào) CN109034210B 申請(qǐng)公布日 2021-10-12
分類(lèi)號(hào) G06K9/62;G06K9/46 分類(lèi) 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 黃守志;郭曉強(qiáng);付光濤;姜竹青;門(mén)愛(ài)東 申請(qǐng)（專(zhuān)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(mén)外大街2號(hào)監(jiān)管大樓521
法律狀態(tài) -

摘要

摘要 本發(fā)明涉及一種基于超特征融合與多尺度金字塔網(wǎng)絡(luò)的目標(biāo)檢測(cè)方法，包括利用深度卷積神經(jīng)網(wǎng)絡(luò)提取具有不同特征信息的分層多尺度特征圖；進(jìn)行超特征融合；構(gòu)建新的多尺度金字塔網(wǎng)絡(luò)；根據(jù)不同層分別構(gòu)建不同大小和長(zhǎng)寬比的目標(biāo)候選框；構(gòu)建一個(gè)新的用于多特征提取且能夠防止梯度消失的卷積模塊；利用多任務(wù)損失函數(shù)對(duì)多類(lèi)別分類(lèi)器和邊界框回歸器進(jìn)行聯(lián)合訓(xùn)練優(yōu)化實(shí)現(xiàn)圖像分類(lèi)和目標(biāo)定位功能。本發(fā)明利用深度卷積網(wǎng)絡(luò)對(duì)目標(biāo)的特征提取能力，考慮超特征融合方法改善特征表達(dá)能力，生成了一個(gè)新的模塊防止梯度消失而且能更有效地幫助訓(xùn)練和提取特征，構(gòu)建了用于目標(biāo)檢測(cè)的全卷積神經(jīng)網(wǎng)絡(luò)，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。