[发明专利]一种基于多层信息融合的目标检测算法

权利要求书

1.一种基于多层信息融合的目标检测算法，其特征在于，包括：

S1、对数据集图像进行预处理；将图像数据调整到网络设定的尺寸；

S2、利用Densenet对图像进行不同层次信息的提取，提取四个阶段的特性特征；

S3、对提取的四个阶段特征进行通道数的规范化；

S4、对提取的多层次信息进行上下融合，加强不同层次信息的传递，使特征图具有丰富的深层语义信息及浅层的位置信息；

S5、利用区域建议算法对融合后的多层次信息进行感兴趣区域的提取；

S6、对感兴趣区域进行精确类别的预测、以及位置坐标的回归；

S7、计算分类网络与回归网络的多任务损失函数，并对网络进行训练优化，使分类与回归的损失函数达到收敛并保存网络的权重参数

S8、部署优化后的参数，对目标进行检测。

2.根据权利要求1所述的一种基于多层信息融合的目标检测算法，其特征在于，所述步骤S1的具体步骤如下：

S101、对图像进行颜色增强、平移变化、水平以及垂直翻转；

S102、使用线性插值法将所有图像数据放缩到448*448的大小。

3.根据权利要求1所述的一种基于多层信息融合的目标检测算法，其特征在于，所述步骤S2中特征提取的具体方法为：利用搭建的98层Densenet网络对图像进行卷积池化处理，把每个传输层的结果作为输出，得到分辨率为56*56,28*28,17*17,17*17的四个阶段特征图。

4.根据权利要求1所述的一种基于多层信息融合的目标检测算法，其特征在于，所述步骤S3中四个阶段特征进行通道数规范化的具体方法为：使用通道数为256的1*1的卷积分别对四个阶段特征进行卷积操作，将所有阶段特征的维度规范为256。

5.根据权利要求1所述的一种基于多层信息融合的目标检测算法，其特征在于，所述步骤S4中多阶段特征融合的具体方法为：

S401、对相邻的、以及尺寸相同的两个阶段特征进行对应元素相加的操作，若两个阶段特征尺寸不同，对较小尺寸特征进行上采样操作，保证相融合的两个特征尺寸相同；

S402、使用3*3的卷积核对融合后的结果进行卷积，消除融合后的混叠效应。

6.根据权利要求1所述的一种基于多层信息融合的目标检测算法，其特征在于，所述步骤S5的具体方法为：使用区域候选网络对步骤S4中融合后的多个阶段特征进行感兴趣区域提取，使用锚点机制对感兴趣区域进行前景和背景的二分类预测、以及边框位置的粗略拟合。

7.根据权利要求1所述的一种基于多层信息融合的目标检测算法，其特征在于，所述步骤S6的具体方法为：

S601、对步骤S5中提取的感兴趣区域进行池化操作；

S602、将池化后的感兴趣区域输入到全连接网络，并使用Softmax分类器进行分类；

S603、输出预测的目标位置坐标x,y,w,h，其中x,y,w,h分别表示盒子中心坐标及宽度和高度。

8.根据权利要求1所述的一种基于多层信息融合的目标检测算法，其特征在于，所述步骤S7的具体方法为：

S701、首先计算分类部分的损失函数：

其中：p_i为锚点预测为目标的概率，为数据集真实标签的情况

S702、再计算位置回归部分的损失函数：使用Smooth_l1(δ＝3)平滑损失函数：

其中：t_n表示预测边界框的4个参数化的坐标向量，是与正例锚点相匹配的真实框的向量；

其中：x，x_a，x^*分别对应预测框，锚点，真实框；

S703、最后计算两部分损失函数和：

其中：N_cls为训练网络时每次输入的图像数量，N_reg为锚点的个数，λ为两部分损失的平衡参数；

S704、对全连接网络进行训练，使损失函数达到收敛。