[发明专利]一种基于FCE-SSD方法的图像目标检测方法有效
申请号: | 202110820773.4 | 申请日: | 2021-07-20 |
公开(公告)号: | CN113283428B | 公开(公告)日: | 2021-10-08 |
发明(设计)人: | 夏景明;张宇;谈玲 | 申请(专利权)人: | 南京信息工程大学 |
主分类号: | G06K9/32 | 分类号: | G06K9/32;G06K9/62;G06N3/04 |
代理公司: | 南京经纬专利商标代理有限公司 32200 | 代理人: | 田凌涛 |
地址: | 210044 *** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 fce ssd 方法 图像 目标 检测 | ||
本发明涉及一种基于FCE‑SSD方法的图像目标检测方法,应用所设计特征单元信息增强网络框架,结合膨胀卷积模块提取特征单元感受野区域信息,并将信息融合进主干特征图中实现特征增强,在保持SSD网络深度情况下,通过特征增强的方式,提高主干网络特征单元感受野回归的精度,实现高精度目标检测定位;相较于传统的目标检测定位方法,精度方面显著提高,尤其在小目标检测方面效果显著;本发明设计方法在PASCAL VOC 2007与2012数据集上进行实验测试,FCE‑VGG平均均值精度值(mAP)可以达到79.1%与79.3%,相比SSD300方法提升了1.6%和1.9%。
技术领域
本发明涉及一种基于FCE-SSD方法的图像目标检测方法,属于图像定位技术领域。
背景技术
目标检测是无人驾驶,人脸检测,行人检测,医学图像等领域重要的技术核心。传统的目标检测算法首先人工的提取特征,如SIFT尺度不变特征变换匹配算法,HOG方向梯度直方图特征,SURF加速稳健特征等,再将这些人为提取的特征结合分类器进行目标识别,结合相应的策略对目标的位置进行定位。但是无法应对背景复杂多变,目标复杂多变的场景,所以传统方法对与目标检测由很大的局限性。基于深度学习的目标检测算法起初是滑动窗口的思想,但是对一张图片截取的框的数量巨大,太过耗时,从而提出用卷积代替全连接的优化方法,该方法虽然可以加速网络的识别速度,但是对于多目标的检测难度剧增。R-CNN检测算法提出区域建议的思想,通过选择性搜索方法提取大约2000个候选区域,输入神经网络提取特征,通过SVM分类器分类,边框回归修正实现目标定位。Fast R-CNN采纳了SPPnet的方法,加入了ROI Pooling的层,对每个region的特征层上都提取一个固定维度的特征表示,实现通过一种卷积可以提取所有region的特征,并且Fast R-CNN实现了通过网络特征去学习边框信息,使得网络成为了multi-task模型。Faster R-CNN通过加入RegionProposal Network(RPN)去寻找目标框代替了Fast R-CNN中较为耗时的选择性搜索。不管是滑动窗口方法,还是R-CNN算法,Fast R-CNN算法,Faster R-CNN算法都需要区域建议后再通过深度网络检测目标。但是区域建议的过程耗费大量时间。He提出的空间金字塔池化,通过膨胀卷积有效地解决了细节特征丢失的问题。受YOLO利用全卷积完成预测以及空间金字塔提取信息的启发,liu等人提出的高效的one-stage目标检测算法Single ShotMultiBox Detector(SSD)。
SSD目标检测算法是目前较为流行的单阶段检测算法,在保证检测精度的同时,有效的提高了检测的速度,SSD算法结合了YOLO中回归的思想和Faster R-CNN中的Anchor机制,使用全图各个位置的多尺度区域进行回归,既保持了YOLO速度快的特性,也保证了窗口预测跟Faster-RCNN一样比较精准。SSD算法采用分层学习不同目标的策略,浅层一般用于检测小尺度目标,用于学习小尺度目标的浅层网络往往由于学习能力不足,同时浅层特征单元在原图中的感受野较小,学习难度较大,经常存在漏检与错检的情况。Li提出的Feature Fusion Single Shot Multibox Detector(FSSD),借鉴了FPN的思想,重构了一组pyramid feature map,有效的提高了检测精度,同时检测速度也没有过多下降。Fu介绍了一种deconvolution SSD(DSSD),它使用ResNet替换VGG作为金字塔特征的提取模型,同时加入了反卷积操作,通过skip连接来给浅层特征更好的表征能力,DSSD虽然牺牲了一定的速度,但提高了检测进度。Jeong提出了RSSD,通过rainbow concatenation方式融合不同层的特征,在增加不同层之间地feature map关系的同时也增加了不同层地feature map数量,虽然一定程度上缓解了传统SSD小目标检测问题,但是其对小目标的检测效果依旧很差。
发明内容
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南京信息工程大学,未经南京信息工程大学许可,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/202110820773.4/2.html,转载请声明来源钻瓜专利网。
- 上一篇:一种涂胶量精准控制的二次涂布装置
- 下一篇:一种新能源汽车蓄电池固定装置