[发明专利]基于深度学习的目标检测系统、方法、存储介质及终端

权利要求书

1.基于深度学习的目标检测系统，其特征在于：所述系统包括第一特征提取模块、第二特征提取模块、第一输出层、第二输出层、上采样层和连接层；

所述第一特征提取模块第一输出端与所述第二特征提取模块连接，所述第二特征提取模块第一输出端与所述第一输出层连接，得到用于检测像素占比大的目标物的第一输出模型；

所述第一特征提取模块第二输出端与所述连接层连接，所述第二特征提取模块第二输出端与上采样层连接，所述上采样层输出端与所述连接层连接，所述连接层输出端与所述第二输出层连接，得到用于检测像素占比小的目标物的第二输出模型。

2.根据权利要求1所述的基于深度学习的目标检测系统，其特征在于：所述第一特征提取模块包括第一普通卷积块和若干下采样块，所述下采样块包括普通卷积块和下采样深度可分卷积块，所述普通卷积块输出端与所述下采样深度可分卷积块连接；

所述普通卷积块包括第一卷积层、第一批归一化层和第一leaky ReLU层，所述第一卷积层输出端与所述第一批归一化层连接，所述第一批归一化层输出端与所述第一leakyReLU层连接；

所述下采样深度可分卷积块包括第一深度可分卷积层、第二批归一化层和第二leakyReLU层，所述第一深度可分卷积层输出端与所述第二批归一化层连接，所述第二批归一化层输出端与所述第二leaky ReLU层连接。

3.根据权利要求1所述的基于深度学习的目标检测系统，其特征在于：所述第二特征提取模块包括第五下采样块、第一逐点卷积块、若干深度可分卷积残差块、第二逐点卷积块、第四深度可分卷积残差块、第三逐点卷积块；

所述第五下采样块输出端与所述第一逐点卷积块连接，所述第一逐点卷积块与若干深度可分卷积残差块连接，所述若干深度可分卷积残差块输出端与所述第二逐点卷积块连接，所述第二逐点卷积块输出端与所述第四深度可分卷积残差块连接，所述第四深度可分卷积残差块与所述第三逐点卷积块连接。

4.根据权利要求3所述的基于深度学习的目标检测系统，其特征在于：所述逐点卷积块包括第二卷积层、第四批归一化层和第四leaky ReLU层，所述第二卷积层输出端与所述第四批归一化层连接，所述第四批归一化层输出端与所述第四leaky ReLU层连接。

5.根据权利要求3所述的基于深度学习的目标检测系统，其特征在于：所述深度可分卷积块包括第二深度可分卷积层、第三批归一化层和第三leaky ReLU层，所述第二深度可分卷积层输出端与所述第三批归一化层连接，所述第三批归一化层输出端与所述第三leakyReLU层连接。

6.根据权利要求5所述的基于深度学习的目标检测系统，其特征在于：所述深度可分卷积残差块包括相加层和若干深度可分卷积块，所述若干深度可分卷积残差块依次连接，且深度可分卷积残差块输出端与所述相加层连接；

所述深度可分卷积残差块包括第二深度可分卷积层、第三批归一化层和第三leakyReLU层，所述第二深度可分卷积层输出端与所述第三批归一化层连接，所述第三批归一化层输出端与所述第三leaky ReLU层连接。

7.根据权利要求2所述的基于深度学习的目标检测系统，其特征在于：所述系统还包括输出转换模块，输出层输出端与所述输出转换模块连接，以将输出模型转换为具体目标信息；

所述输出层包括普通卷积块和卷积层，所述普通卷积块输出端与所述卷积层连接。

8.一种基于深度学习的目标检测系统的方法，其特征在于：所述方法包括：

第一特征提取模块对输入图像进行下采样处理，得到保留局部特征信息的第一特征图；

第二特征提取模块对第一特征图进行特征提取得到第二特征图，第一输出层使用大anchor框对所述第二特征图进行处理，得到像素占比大的目标物的第一输出模型；

上采样层对所述第二特征图进行上采样处理，连接层将完成上采样处理的第二特征图与第一特征图的特征进行连接得到第三特征图并输出至第二输出层，第二输出层使用小anchor框对所述第三特征图进行处理，得到像素占比小的目标物的第二输出模型。