[发明专利]通过提高目标分类和定位准确度改善目标检测性能的方法在审

专利信息
申请号: 201710450327.2 申请日: 2017-06-15
公开(公告)号: CN107316058A 公开(公告)日: 2017-11-03
发明(设计)人: 娄英欣;周芸;付光涛;姜竹青;门爱东 申请(专利权)人: 国家新闻出版广电总局广播科学研究院;北京邮电大学
主分类号: G06K9/62 分类号: G06K9/62;G06K9/46;G06N3/04
代理公司: 天津盛理知识产权代理有限公司12209 代理人: 王利文
地址: 100886 北京市西*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 通过 提高 目标 分类 定位 准确度 改善 检测 性能 方法
【权利要求书】:

1.一种通过提高目标分类和定位准确度改善目标检测性能的方法,其特征在于包括以下步骤:

步骤1、根据卷积神经网络架构提取图像特征,并选择卷积层前M层输出进行特征融合,形成多特征的特征图;

步骤2、在卷积层M上进行网格划分,在每个网络中预测固定数目和大小的目标候选框;

步骤3、将候选框映射到特征图上进行裁剪,然后将裁剪结果进行多特征连接;

步骤4、将上述结果通过全连接层后,通过Softmax分类算法对图像特征进行分类,并用重叠面积损失函数进行在线迭代回归定位,得到最终目标检测的结果。

2.根据权利要求1所述的通过提高目标分类和定位准确度改善目标检测性能的方法,其特征在于:所述步骤1的具体方法包括以下步骤:

⑴首先将带有物体真实包围框的图片输入到卷积神经网络架构中,通过Caffe提取图像通过卷积神经网络不同层的特征;

⑵将靠前的卷积层输出的图像特征进行最大池化操作,并将卷积层M输出的图像特征进行反卷积操作,实现输出的尺寸都与中间卷积层的输出特征大小一致;

⑶最后将所有卷积层输出的特征进行融合,得到图像的多特征提取的特征图。

3.根据权利要求1所述的通过提高目标分类和定位准确度改善目标检测性能的方法,其特征在于:所述步骤2的实现方法包括以下步骤:

⑴在卷积层M输出的特征图上进行6*6的网格划分;

⑵在每个单个的网络小格正中间预测4个可能包含物体的候选框,这4个候选框具有固定的大小和长宽比,长宽比分别为1:1、1:2和2:1,仅对于1:1长宽比的候选框,设定2种候选框大小0.6和0.9;

⑶在网络训练的过程中,我们将物体的真实包围框和候选框进行匹配,通过二者的IOU重叠面积大于等于0.7进行筛选,并删除掉超出图像边界的候选框;

⑷最后在卷积层M的特征图上生成了100个候选框。

4.根据权利要求1所述的通过提高目标分类和定位准确度改善目标检测性能的方法,其特征在于:所述步骤3的实现方法包括以下步骤:

⑴根据卷积层M的特征图上生成的100个候选框,根据其所在位置映射相应的多层特征图上,并在多层特征图上进行相应的裁剪;

⑵将裁剪后的特征图方块做1*1卷积,然后对卷积结果分别进行3*3卷积和5*5卷积;

⑶为了获取全文信息,将多层特征图经过最大池化层,然后经过1*1卷积层和激活层;

⑷将1*1卷积、3*3卷积、5*5卷积和全文信息的卷积输出结果按照前后顺序进行连接,形成候选框的多特征连接。

5.根据权利要求1所述的通过提高目标分类和定位的准确度改善目标检测性能,其特征在于:所述步骤4的具体实现方法包括以下步骤:

⑴通过全连接层后,通过Softmax分类算法对图像特征进行分类,基于目标检测的数据集,每类物体具有自己相应的精度;

⑵通过重叠面积损失函数对候选框进行回归定位,使得候选框更加靠近物体的真实包围框,该损失函数为候选框和真实包围框的交集面积除以并集面积;

⑶根据Softmax损失和重叠面积损失值进行排序,在线筛选出正样本和负样本的比例为3:1,更新样本库输入到多层特征图上继续进行迭代回归定位;

⑷迭代N次后,候选框更加靠近物体的真实包围框,模型训练好之后可以进行实际物体的测试。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国家新闻出版广电总局广播科学研究院;北京邮电大学,未经国家新闻出版广电总局广播科学研究院;北京邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710450327.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top