[发明专利]基于深度学习的全景图像对象检测方法

权利要求书

1.一种基于深度学习的全景图像对象检测方法，其特征在于，包括：

S1输入测试图像；

S2利用选择搜索算法在图像中提取1500至2500个的候选区域；

S3将每个候选区域缩放成固定的特征并传入卷积神经网络模型CNN，经过运算输出特征为分辨率227×227，并所述输出特征输入到卷积神经网络模型，将卷积神经网络模型的全连接层的输出作为特征；

S4将每个候选区域提取到的特征输入到支持向量机分类器进行分类。

2.根据权利要求1所述的基于深度学习的全景图像对象检测方法，其特征在于，具体步骤包括：

添加配置文件，设置检测网络模型；

根据检测网络模型训练全景图片，大约训练10万次左右，并生成检测模型文件；

输入全景视频，将其分辨率缩小到416*416；

根据检测网络模型配置文件以及训练生成的检测模型文件，对输入的全景视频进行检测；

检测结果输出显示。

3.根据权利要求1所述的基于深度学习的全景图像对象检测方法，其特征在于，在网络中果断去掉了全连接层，去掉了后面的一个池化层，然后通过缩减网络，让图片输入分辨率为416*416，产生一个中心预测单元；使用了卷积层降采样，使得输入卷积网络的416*416图片最终得到13*13的卷积特征图。

4.根据权利要求1所述的基于深度学习的全景图像对象检测方法，其特征在于，最终的距离函数为如下所示：

d(box，centroid)＝1-IOU(box，centroid)

通过改进的硬聚类算法K-means对训练集中的分块boxes进行了聚类，判别标准是平均重叠度IOU得分。

5.根据权利要求1所述的基于深度学习的全景图像对象检测方法，其特征在于，在区域建议网络中，预测以及使用的是如下公式：

t_x＝(x-x_a)/w_a，t_y＝(y-y_a)/h_a，

t_w＝log(w/w_a)，t_h＝log(h/h_a)，

这个公式没有任何限制，把ground truth限制在了0到1之间，利用logistic回归函数来进行这一限制；

现在，神经网络在特征图(13*13)的每个cell上预测5个聚类得出的值boundingboxes，同时每一个聚类得出的值bounding box预测5个坐值，分别为tx，ty，tw，th，totx，ty，tw，th，to，其中前四个是坐标，toto是置信度，如果这个cell距离图像左上角的边距为(cx，cy)(cx，cy)以及该cell对应box(bounding box prior)的长和宽分别为(pw，ph)(pw，ph)，那么预测值表示为：

b_x＝σ(tx)+c_x

b_y＝σ(t_y)+c_y

Pr(object)*IOU(b，object)＝σ(t_o)

tx，ty经sigmod函数处理过，取值限定在了0～1，实际意义就是使anchor只负责周围的box，σ函数的意义没有给，但估计是把归一化值转化为图中真实值，使用e的幂函数是因为前面做了ln计算，因此，σ(tx)是bounding box的中心相对栅格左上角的横坐标，σ(ty)是纵坐标，σ(to)是bounding box的confidence score定位预测值被归一化后。