[发明专利]一种特征金字塔及其特征图像的提取方法

说明书

本发明涉及车辆环境感知技术领域，提供了一种特征金字塔，P₂ⁱⁿ,P₃ⁱⁿ,P₄ⁱⁿ,P₅ⁱⁿ为特征金字塔各层的输入特征图，P₂^td,P₃^td,P₄^td表示各层自上向下的特征金字塔中间层融合特征图，P₂^out,P₃^out,P₄^out,P₅^out表示经过特征金字塔网络融合后的各层输出特征图，本发明除了增加自上向下的结构维度以外，还将底层的输出特征图自下向上进行特征融合，增强融合后高层特征图的分辨率信息，提高深度学习后续模块检测小目标的准确率。

技术领域

本发明涉及到车辆环境感知技术领域，提供了一种特征金字塔及其特征图像的提取方法。

背景技术

目标检测是计算机视觉领域中一个重要的研究课题，目标检测被广泛应用于智能视频监控、自动驾驶、智能机器人等领域。目标检测的目的是在一张图像或者一段视频帧中，检测出目标的类型，位置等信息，对各类目标检测准确性和实时性是目标检测算法的一项重要评价指标。深度学习是目前目标检测领域的主流方法，深度学习通过卷积生成的特征图是影响目标检测结果是否准确的重要输入，传统的深度学习算法都是利用最后一层的特征图完成目标检测，很容易造成图片特征的丢失，尤其是小目标的检测准确度比较低，因此学术界提出了特征金字塔的多尺度特征融合结构，该结构利用底层特征图分辨率高的优点和高层特征图语义信息丰富的优点，将底层特征图和高层特征图都利用起来，通过算法输出分辨率和语义信息均较高的融合特征图。

现有特征金字塔网络结构有两点缺陷：(1)结构上只考虑自上往下，信息融合的维度有限，特征提取效果有待进一步提升；(2)传统特征金字塔网络在融合时是以相同的方式进行融合，而没有考虑到各级特征对融合结果贡献度的差异性，所以对小目标的检测效果不好。

发明内容

本发明提供了一种特征金字塔，旨在改善上述问题。

本发明是这样是实现的，一种特征金字塔，用于深度学习，所述特征金字塔包括：

第一层输入特征图P₂ⁱⁿ与第一层中间特征图P₂^td、第一层输出特征图P₂^out连接，第一层中间特征图P₂^td与第一层输出特征图P₂^out连接；

第二层输入特征图P₃ⁱⁿ与第二层中间特征图P₃^td、第二层输出特征图P₃^out及第一层中间特征图P₂^td连接，第二层中间特征图P₃^td与第二层输出特征图P₃^out、第一层输出特征图P₂^out连接；

第三层输入特征图P₄ⁱⁿ与第三层中间特征图P₄^td、第三层输出特征图P₄^out连接，第三层中间特征图P₄^td与第二层中间特征图P₃^td、第三层输出特征图P₄^out连接，