[发明专利]一种基于CPSNet与yolov3相结合的地铁安检方法

权利要求书

1.一种基于CPSNet与yolov3相结合的地铁安检图像检测方法，其特征在于，具体步骤如下：

步骤1，选取yolov3作为主网络，使用CPSNet代替原yolov3的darknet53的特征提取网络，组合起来搭建新的神经网络；以csresnext作为特征提取网络提取更完全的featuremap，作为检测网络的输入；

步骤2，采用自采集图像作为训练样本，对步骤1中搭建的新的神经网络进行训练；

步骤3，采用步骤2中完成训练的新的神经网络进行目标检测。

2.根据权利要求1所述的一种基于CPSNet与yolov3相结合的地铁安检图像检测方法，其特征在于，CPSNet网络使用预训练的csresnext-panet-spp模型来进行初始特征图的生成。

3.根据权利要求1所述的一种基于CPSNet与yolov3相结合的地铁安检图像检测方法，其特征在于，检测网络部分使用panet和sppnet融合之后的特征图，sppnet内部采用不同大小的卷积核和步长实现不同感受野特征输出，然后concat即可,低级别的特征很有利于定位，虽然FPN中高级别特征也间接融合了低级别l的特征，但是信息流动路线太长其中会经过超多卷积操作，PANet在FPN的高级别又加了低级别的特征，最底层的特征流动到高层特征只需要经过很少的层，主要目的是加速信息融合,缩短底层特征和高层特征之间的信息路径。

4.根据权利要求1与权利要求3所述的一种基于CPSNet与yolov3相结合的特征检测算法，其特征在于，步骤2中的训练样本为若干自采集图像及其对应的检测结果。

5.根据权利要求1与权利要求3所述的一种基于CPSNet与yolov3相结合的特征检测算法，其特征在于，yolov3的检测部分使用特征金字塔结构和panet模块和spp模块，spp模块可以实现不同感受野特征输出，panet将低层特征融入高层特征，融合多尺度特征，达到更好的检测效果。