[发明专利]密集多尺度目标检测系统及方法

权利要求书

1.密集多尺度目标检测系统，其特征在于，包括：

目标特征提取子网络，其对处理后的图像进行多层级卷积处理并合并成特征图输出；

目标特征多感受野重复融合子网络，其对输入的特征图通过不同感受野的空洞卷积并行同步卷积后再合并输出，以扩充特征图中提取目标特征的感受野数量及尺度，通过反复多次的上述操作重复融合叠加感受野，使不同尺度的目标都能被尺度相匹配的感受野提取目标特征，最后输出多感受野重复融合特征；

目标特征多感受野重复融合子网络包括n个串联的并行网络模块，第1并行网络模块的输入端与目标特征提取子网络的输出端连接，其它并行网络模块的输入端与下一并行网络模块的输出端连接；第n并行网络模块的输出端为目标特征多感受野重复融合子网络的输出端，与检测系统其它相关子网络的输入端相连；

n个并行网络模块内，分别包括m_i(i＝1，2，3，…，n)个并行独立、感受野尺度不同的空洞卷积；每个并行网络模块中，所有空洞卷积的输入端分别与该并行网络模块的输入端连接，所有空洞卷积的输出端连接在同一个合并输出通道上，合并输出通道后连接1*1降维卷积；

每个并行网络模块先通过多个空洞卷积同步对输入该并行网络模块的同一特征图分别卷积、进行多感受野目标特征提取，输入的特征图中所包含的x_i-1(i＝1，2，3，…，n)个感受野分别被m_i个不同尺度的感受野融合，再通过合并输出通道将融合了感受野的特征图叠加，叠加后特征图中提取了目标特征的感受野数量变为x_i-1*m_i个，最后将特征图降维成融合-叠加多感受野特征图输出给下一并行网络模块，如此反复，直至经过所有并行网络模块对感受野的重复融合叠加后，不同尺度的目标都通过尺度匹配的感受野提取了目标特征，输出多感受野重复融合特征图；

所述每个并行网络模块中的空洞卷积并行结构相同，所述n个并行网络模块的输出分别为：

…

其中：

X表示目标特征多感受野重复融合子网络的输入特征图；

y₁～y_n-1分别表示第1～第n-1并行网络模块各自输出的融合-叠加多感受野特征图；

y_n表示第n并行网络模块输出的融合-叠加多感受野特征图，亦即目标特征多感受野重复融合子网络输出的多感受野重复融合特征图；

C¹_1×1(·)～Cⁿ_1×1(·)分别表示第1～第n并行网络模块中的1*1降维卷积；

A¹_1，r1(·)～Aⁿ_3,rm(·)分别表示第1～第n并行网络模块中的m个空洞卷积，每个并行网络模块中，第1～第m空洞卷积的膨胀率分别为r₁～r_m，第1空洞卷积的卷积核大小为1*1，记作1，第2～第m空洞卷积的卷积核大小为3*3，记作3；

候选区域生成子网络，从目标特征多感受野重复融合子网络输出的多感受野重复融合特征图中查找目标的所有可能位置，输出目标可能位置的边框候选区域；

分类回归子网络，对候选区域生成子网络输出的目标可能位置的边框候选区域，采用与其对应的目标特征多感受野重复融合子网络输出的多感受野重复融合特征图的一部分并将其缩放到预定大小，提取边框候选区域特征图；利用边框候选区域特征图计算候选类别，同时再次边框回归，获得目标检测边框的最终精确位置。

2.根据权利要求1所述的密集多尺度目标检测系统，其特征在于，所述密集多尺度目标检测系统为基于one stage目标检测网络的检测系统或者基于two stage目标检测网络的检测系统。