[发明专利]一种基于卷积神经网络进行目标检测的方法

权利要求书

1.一种基于卷积神经网络进行目标检测的方法，包括：

提取特征图并设置若干不同的预设框；

将所述预设框进行回归以调整其位置和大小，其包括：基于真实的目标边界框的中心点的位置调整所述预设框的中心点的位置，基于所述真实的目标边界框的大小调整所述预设框的宽和高，基于所述预设框的中心点位置以及宽和高的调整信息确定回归后的预设框的位置和大小；

基于所述回归后的预设框提取其对应的局部卷积特征，其包括：根据所述回归后的预设框的中心点位置的调整信息确定卷积核的整体偏移量，根据所述回归后的预设框的大小的调整信息确定所述卷积核中每个卷积单元的偏移量，根据所述卷积核的整体偏移量和所述每个卷积单元的偏移量确定卷积核卷积位置，基于所述卷积核的卷积位置提取回归后的预设框对应的局部卷积特征；

将所述局部卷积特征输入卷积预测器进行分类和回归，获得目标的边界框位置和目标的类别，其中，所述卷积预测器是通过将所述预设框进行分类并选择正例预设框来训练获得。

2.根据权利要求1所述的方法，其中，所述正例预设框包括：预设框与真实目标框之间的重叠率IOU大于预设的阈值的预设框，其中

其中，d表示预设框，g表示真实的目标边界框，S_d表示预设框的面积，S_g表示真实的目标边界框的面积。

3.根据权利要求1所述的方法，还包括：

将所述特征图进行特征融合；

为融合后的特征图设置若干不同的预设框。

4.根据权利要求3所述的方法，其中，所述特征融合包括相邻特征融合。

5.根据权利要求1所述的方法，还包括：采用级联卷积网络提取特征图。

6.根据权利要求1所述的方法，还包括：采用非极大值抑制算法优化检测结果。

7.根据权利要求6所述的方法，其中，所述非极大值抑制算法包括：

将各个边界框按照置信度从大到小排序；

选择置信度最高的边界框作为输出边界框，并将其从边界框列表中删除；

计算所有边界框的面积；

计算该输出边界框与其他边界框的IOU；

删除IOU大于指定阈值的边界框；

重复上述过程，直至边界框列表为空。

8.一种存储介质，其中存储有计算机程序，在所述计算机程序被处理器执行时，能够用于实现权利要求1-7中任一项所述的方法。

9.一种电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，在所述计算机程序被处理器执行时，能够用于实现权利要求1-7中任一项所述的方法。