[发明专利]一种基于Faster RCNN算法改进的目标检测方法

权利要求书

1.一种基于Faster RCNN算法改进的目标检测方法，其特征在于，包括以下步骤：

(1)输入一张图片，然后对输入图片进行预处理，调整输入图片的大小；

(2)通过DenseNet网络进行特征提取，随后在提取到的特征图上分为上、下两条支路；

(3)对上步得到的上支路通过RPN网络产生候选框，下支路ROI网络利用DenseNet网络产生的特征图和上支路产生的候选框，得到固定大小的提案特征图；

(4)通过预测模块进行目标分类和定位。

2.根据权利要求1所述一种基于Faster RCNN算法改进的目标检测方法，其特征在于，步骤(2)中DenseNet网络由卷积层、3个密集连接块(Dense Block)和过渡层构成，在DenseBlock中，每一层的输出都与前面几层输出有关，其输出函数为X_n＝H_n([X_0,X_1,X_2,X_3””X_n-1])，X_n代表Dense Block中第n层输出，X_0～X_n-1代表前边所有层的输出，H_n函数由BN、ReLU和3*3的卷积层构成；两个Dense Block结构之间为过渡层，过渡层是由1*1的卷积层和2*2的平均池化层组成，此外，在过渡层中引入压缩系数θ，来进一步减少参数数量。

3.根据权利要求1所述一种基于Faster RCNN算法改进的目标检测方法，其特征在于，步骤(3)中利用RPN网络产生候选框的过程如下：首先将DenseNet网络产生的特征图作为RPN网络的输入，然后经过滑动窗口即3*3的卷积层，在滑动窗口的每个像素点对应的原图图片上设置9个矩形窗口得到锚框，将锚框输入到两个1*1的卷积层中进行分类和回归，最后经过后处理Softer NMS得到候选框。