[发明专利]一种轻量级车辆与行人的检测方法

权利要求书

1.一种轻量级车辆与行人的检测方法，其特征在于，包括以下步骤：

(1)对人、车两类图像数据进行预处理，并将图像数据按比例划分为训练集和测试集；

(2)构建基于改进的Yolov3-tiny为检测模型：

利用反残差网络结构结合多尺度可分离卷积对特征提取网络改进，利用瓶颈层对通道维度进行缩放，将通道划分为若干组，并对每组应用不同的卷积核大小；将多尺度特征的组合方式改进为双向双输入特征融合方法，对只有一个输入边的节点进行改进，确保每一个节点都有两个尺度的特征输入，并将自上而下与自下而上混合使用；在检测网络引入自注意力机制，利用自注意力模块交错执行特征聚合和特征变换实现特征重标定；

(3)在步骤(2)构建的检测网络上使用训练集进行模型训练，确定最优模型，并进行图像检测。

2.根据权利要求1所述的轻量级车辆与行人的检测方法，其特征在于，所述步骤(1)中的预处理为单样本与多样本结合的的数据增强方法，具体包括：

(11)单样本的数据增强包括颜色操作和几何操作：

所述原则操作为通过颜色直方图变换、对比度改变及亮度整体变换来改变图像中物体不同部位的颜色；所述几何操作是通过随机旋转、翻转、裁剪后的几何扭曲来改变图像中对象不同位置和尺度，进而改变图像像素内容；

(12)多样本数据增强采用基于邻域风险最小化原则的数据增强方法，采用线性插值得到新样本数据，令(x_n,y_n)为插值生成的新数据，(x_i,y_i)，(x_j,y_j)是训练集中选取的两个数据，则数据生成操作如下：

(x_n,y_n)＝λ(x_i,y_i)+(1-λ)(x_j,y_j)

其中，x_i表示第i个数据，y_i表示第i个数据的标签。λ表示插值系数，λ的取值范围是0到1。

3.根据权利要求1所述的轻量级车辆与行人的检测方法，其特征在于，所述步骤(1)预处理前的图像为PNG格式，尺寸为416×416。

4.根据权利要求1所述的轻量级车辆与行人的检测方法，其特征在于，所述步骤(2)的利用反残差结构结合多尺度可分离卷积具体包括以下步骤：

首先将特征图输入，经过瓶颈层来扩张特征图的维度，扩张系数为e，其次将扩张后的特征张量划分为g组虚拟张量其中所有的虚拟张量具有相同的空间高度h和宽度w，其总通道大小等于扩张后的输入张量通道的大小，即c₁+c₂+...c_g＝c·e；其中，c表示原始通道数，e表示通道扩张系数；

同样，将卷积内核分为g组虚拟内核其中第n组相应的虚拟张量输出计算如下：

其中，k₁……k_g分别表示第1～g组虚拟卷积核的尺寸，c₁……c_g分别表示第1～g组虚拟卷积核输入通道数，v表示每个虚拟内核的输出通道数，z表示输出通道数，在本式中表示预测输出通道数；

输出张量是所有虚拟输出张量的通道的叠加计算方式为：

其中，z_o＝z₁+...z_g＝m·e，在本式中，z₀表示虚拟卷积核输出通道数的和，z₁……z_g表示其中任意一个虚拟卷积核输出通道，m表示原始输入的通道维度；最终将叠加后的特征向量再次送入瓶颈层，通过瓶颈层改变通道维度，得到最终的特征输出。