[发明专利]一种多尺度目标检测方法及系统

权利要求书

1.一种多尺度目标检测方法，其特征在于，包括：

采集目标检测数据集；

构建空洞金字塔网络模型；所述空洞金字塔网络模型包括依次连接的多个卷积模块和多个卷积支路，各卷积模块包括卷积操作，各卷积模块的输出分别连接一个卷积支路，所述卷积支路包括一个卷积操作和多个空洞卷积操作，所述卷积支路中的卷积操作和空洞卷积操作为并列关系；一个所述卷积支路中多个空洞卷积操作的扩张率相同，卷积核尺寸不同；所述卷积支路中的一个卷积操作和多个空洞卷积操作输出的特征图采用元素级加和操作，获得第一特征图；按照分辨率从低到高的顺序依次将各所述第一特征图进行上采样操作后与同尺寸的相邻第一特征图进行元素级相加，获得多个融合特征图；所述卷积支路包括一个卷积核为1*1的卷积操作和2个空洞卷积操作；

根据所述目标检测数据集对所述空洞金字塔网络模型进行模型训练，获得目标检测模型；

利用所述目标检测模型对待检测图像进行目标检测。

2.根据权利要求1所述的多尺度目标检测方法，其特征在于，各所述卷积模块的输出经过卷积核为1*1的卷积层后输入所述卷积支路。

3.根据权利要求1所述的多尺度目标检测方法，其特征在于，所述空洞金字塔网络模型还包括区域建议网络，各所述融合特征图输入所述区域建议网络，所述区域建议网络分别输出与各所述融合特征图对应的候选区域。

4.根据权利要求3所述的多尺度目标检测方法，其特征在于，所述空洞金字塔网络模型还包括ROI池化层和检测头，所述ROI池化层的输入连接所述区域建议网络的输出，所述ROI池化层的输出连接所述检测头，所述检测头用于输出检测结果。

5.根据权利要求1所述的多尺度目标检测方法，其特征在于，2个空洞卷积操作分别为第一空洞卷积操作和第二空洞卷积操作；第一空洞卷积操作为卷积核为3*3的空洞卷积操作，扩张率为2；第二空洞卷积操作为卷积核为5*5的空洞卷积操作，扩张率为2。

6.一种多尺度目标检测系统，其特征在于，包括：

数据集采集模块，用于采集目标检测数据集；

空洞金字塔网络模型构建模块，用于构建空洞金字塔网络模型；所述空洞金字塔网络模型包括依次连接的多个卷积模块和多个卷积支路，各卷积模块包括卷积操作，各卷积模块的输出分别连接一个卷积支路，所述卷积支路包括一个卷积操作和多个空洞卷积操作，所述卷积支路中的卷积操作和空洞卷积操作为并列关系；一个所述卷积支路中多个空洞卷积操作的扩张率相同，卷积核尺寸不同；所述卷积支路中的一个卷积操作和多个空洞卷积操作输出的特征图采用元素级加和操作，获得第一特征图；按照分辨率从低到高的顺序依次将各所述第一特征图进行上采样操作后与同尺寸的相邻第一特征图进行元素级相加，获得多个融合特征图；所述卷积支路包括一个卷积核为1*1的卷积操作和2个空洞卷积操作；

空洞金字塔网络模型训练模块，用于根据所述目标检测数据集对所述空洞金字塔网络模型进行模型训练，获得目标检测模型；

目标检测模块，用于利用所述目标检测模型对待检测图像进行目标检测。

7.根据权利要求6所述的多尺度目标检测系统，其特征在于，各所述卷积模块的输出经过卷积核为1*1的卷积层后输入所述卷积支路。

8.根据权利要求6所述的多尺度目标检测系统，其特征在于，2个空洞卷积操作分别为第一空洞卷积操作和第二空洞卷积操作；第一空洞卷积操作为卷积核为3*3的空洞卷积操作，扩张率为2；第二空洞卷积操作为卷积核为5*5的空洞卷积操作，扩张率为2。

9.根据权利要求6所述的多尺度目标检测系统，其特征在于，所述空洞金字塔网络模型还包括区域建议网络，各所述融合特征图输入所述区域建议网络，所述区域建议网络分别输出与各所述融合特征图对应的候选区域；

所述空洞金字塔网络模型还包括ROI池化层和检测头，所述ROI池化层的输入连接所述区域建议网络的输出，所述ROI池化层的输出连接所述检测头，所述检测头用于输出检测结果。