[发明专利]仿初级视觉皮层的目标检测方法、装置及设备在审
申请号: | 202110785155.0 | 申请日: | 2021-07-12 |
公开(公告)号: | CN113591843A | 公开(公告)日: | 2021-11-02 |
发明(设计)人: | 赵小川;史津竹;李陈;刘华鹏;马燕琳;陈路豪;王子彻 | 申请(专利权)人: | 中国兵器工业计算机应用技术研究所 |
主分类号: | G06K9/32 | 分类号: | G06K9/32;G06K9/62;G06N3/04 |
代理公司: | 北京博雅睿泉专利代理事务所(特殊普通合伙) 11442 | 代理人: | 吴秀娥 |
地址: | 100089*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 初级 视觉 皮层 目标 检测 方法 装置 设备 | ||
1.一种仿初级视觉皮层的目标检测方法,其特征在于,包括:
获取图像;
通过预设的仿初级视觉感知皮层模型对所述图像中的特征进行提取,得到第一特征图;所述仿初级视觉感知皮层模型反映所述图像与所述第一特征图的映射关系;所述仿初级视觉感知皮层模型包括VOneBlock层和第一卷积层;
通过预设的目标检测模型在所述第一特征图中检测设定的目标对象,得到检测结果;其中,在所述第一特征图中存在所述目标对象的情况下,所述检测结果包括所述目标对象在所述图像中的位置信息和分类标签;所述目标检测模型反映所述第一特征图与所述检测结果的映射关系;
根据所述检测结果执行对应操作。
2.根据权利要求1所述的方法,其特征在于,所述通过预设的仿初级视觉感知皮层模型在所述图像中提取第一特征图的步骤包括:
通过所述VOneBlock层对所述图像中的特征进行提取,得到第二特征图;
通过所述第一卷积层对所述第二特征图的通道数量进行处理,得到第一特征图;所述第一特征图的通道数量与所述目标检测模型的输入通道数量相同。
3.根据权利要求2所述的方法,其特征在于,所述仿初级视觉感知皮层模型还包括预处理层和特征融合层;
所述通过预设的仿初级视觉感知皮层模型对所述图像中的特征进行提取,得到第一特征图的步骤包括:
通过所述VOneBlock层对所述图像中的特征进行提取,得到第三特征图;
通过所述预处理层对所述图像中的特征进行提取,得到第四特征图;
通过所述特征融合层对所述第三特征图和所述第四特征图进行融合,得到所述第二特征图;所述第三特征图与所述第四特征图的尺寸相同;
通过所述第一卷积层对所述第二特征图的通道数量进行处理,得到第一特征图;所述第一特征图的通道数量与所述目标检测模型的输入通道数量相同。
4.根据权利要求3所述的方法,其特征在于,所述预处理层包括聚焦层和第二卷积层;
所述通过所述预处理层对所述图像中的特征进行提取,得到第四特征图的步骤包括:
通过所述聚焦层对所述图像进行隔行采样与堆叠处理,得到下采样后的第五特征图;
通过所述第二卷积层对所述第五特征图进行压缩,得到所述第四特征图。
5.根据权利要求3所述的方法,其特征在于,所述预处理层包括第三卷积层、C3层和第四卷积层;
所述通过所述预处理层对所述图像中的特征进行提取,得到第四特征图的步骤包括:
通过所述第三卷积层对所述图像进行压缩,得到第六特征图;
通过所述C3层对所述第六特征图进行特征提取,得到第七特征图;
通过所述第四卷积层对所述第七特征图进行压缩,得到所述第四特征图。
6.根据权利要求3所述的方法,其特征在于,所述特征融合层的特征融合计算式如下:
O=I1+I2
式中,O为所述第二特征图对应的特征矩阵,I1为所述第三特征图对应的特征矩阵,I2为所述第四特征图对应的特征矩阵。
7.根据权利要求1所述的方法,其特征在于,所述目标检测模型的构建步骤包括:
获取所述VOneBlock层的滑动窗口步长值的倒数值;
确定选定的目标检测模型中输入特征图尺寸为所述滑动窗口步长值倒数值乘以输入图像尺寸的第一网络层;
在所述选定的目标检测模型中截取包括所述第一网络层以及所述第一网络层以后的网络层作为所述目标检测模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国兵器工业计算机应用技术研究所,未经中国兵器工业计算机应用技术研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110785155.0/1.html,转载请声明来源钻瓜专利网。