[发明专利]针对小目标检测的SSD模型优化方法

权利要求书

1.一种针对小目标检测的SSD模型优化方法，其特征在于，包括如下步骤：

(1)构建基于多级特征金字塔网络FPN的SSD目标检测模型；

(1.1)用骨干网络VGG-16生成六个特征图，设从第k个特征图开始构建多级特征金字塔网络FPN，且k＝1,2,...,6，初始值为6；

(1.2)判断k是否小于2，若小于2则进入步骤(1.3)，否则，对第k个特征图进行上采样，得到与第k-1个特征图分辨率一致的上采样图；

(1.3)将上采样图与第k-1个特征图进行融合，得到多级特征金字塔网络FPN的第k-1个融合特征图，对k减1后，返回(1.2)；

(1.4)所有融合特征图组成多级特征金字塔网络FPN；

(1.5)骨干网络VGG-16与步骤(1.4)得到的FPN共同构成基于多级特征金字塔网络FPN的SSD目标检测模型；

(2)去掉SSD目标检测模型中的在线困难样本挖掘OHEM，加入带权重的交叉熵损失函数L_fl；

(3)训练SSD目标检测模型；

(3.1)设样本所在的真实目标框为矩形A、预设目标框为矩形B，通过下式求得A和B的交并比值IOU_AB：

其中，A∩B表示A和B交集部分的面积，A∪B表示A和B并集部分的面积；

(3.2)根据经验在0.3～0.4范围内设定筛选阈值IOU'_AB，若IOU_AB＞IOU'_AB，则该样本为正样本，否则为负样本；

(3.3)利用步骤(3.2)得到的正负样本，通过反向传播算法训练SSD目标检测模型。

2.根据权利要求1所述的方法，其特征在于：步骤(1.2)所述上采样通过单线性插值法、双线性插值法或反卷积法实现。

3.根据权利要求2所述的方法，其特征在于：采用双线性插值法计算上采样图中目标点的函数值f(P)，具体如下：

设上采样图中目标点的坐标为P(x,y)，在原图中，与其临近的四个坐标点分别为Q₁₁(x₁,y₁)、Q₂₁(x₂,y₁)、Q₁₂(x₁,y₂)、Q₂₂(x₂,y₂)，且这四个点的函数值依次为f(Q₁₁)、f(Q₂₁)、f(Q₁₂)、f(Q₂₂)，令点Q₁₁(x₁,y₁)与点Q₂₁(x₂,y₁)连线的中点为R₁，点Q₁₂(x₁,y₂)与点Q₂₂(x₂,y₂)连线的中点为R₂；

则通过下式可得点R₁的函数值f(R₁)：

通过下式可得点R₂的函数值f(R₂)：

将求得的函数值f(R₁)与f(R₂)代入下式，即可得到关于点P(x,y)的函数值f(P)：

4.根据权利要求1所述的方法，其特征在于：步骤(1.3)所述特征图进行融合可通过concat或element-wise sum实现。