[发明专利]一种基于门控机制的特征融合方法和目标检测网络

权利要求书

1.一种基于门控机制的特征融合方法，其特征在于，包括：

获取检测目标图像的低层细节特征和高层语义特征；所述低层细节特征和所述高层语义特征作为门控融合模块的输入特征；

将所述低层细节特征和所述高层语义特征进行拼接，执行卷积操作，利用第一激活函数得到更新门控信号和重置门控信号；所述第一激活函数为sigmoid函数；

利用所述重置门控信号对所述低层细节特征进行滤除，得到滤除后的低层细节特征；

将所述滤除后的低层细节特征与所述高层语义特征进行拼接，执行卷积操作，利用第二激活函数得到当前的候选特征；所述第二激活函数为Tanh函数；

利用所述更新门控信号对所述低层细节特征和所述当前的候选特征进行选择性融合，得到融合特征，所述融合特征用于目标检测。

2.根据权利要求1所述的一种基于门控机制的特征融合方法，其特征在于，所述将所述低层细节特征和所述高层语义特征进行拼接，执行卷积操作，利用第一激活函数得到更新门控信号和重置门控信号，具体包括：

利用公式z＝σ(W_z，(fⁿ，f^n-1))对所述低层细节特征和所述高层语义特征进行拼接，执行卷积操作，得到所述更新门控信号；

利用公式r＝σ(W_r，(fⁿ，f^n-1))对所述低层细节特征和所述高层语义特征进行拼接，执行卷积操作，得到所述重置门控信号；

其中，σ为第一激活函数，z为更新门控信号，0＜z＜1，r为重置门控信号，0＜r＜1；fⁿ为高层语义特征，f^n-1为低层细节特征；W_z和W_r为相应卷积的权重。

3.根据权利要求2所述的一种基于门控机制的特征融合方法，其特征在于，所述利用所述重置门控信号对所述低层细节特征进行滤除，得到滤除后的低层细节特征，具体包括：

利用公式f^n-1′＝f^n-1⊙r对所述低层细节特征进行滤除，得到滤除后的低层细节特征；

其中，f^n-1’为滤除后的低层细节特征，⊙表示矩阵中对应的元素相乘，当所述重置门控信号接近0时，丢弃所述低层细节特征，而当所述重置门控信号接近1时，保留所述低层细节特征。

4.根据权利要求3所述的一种基于门控机制的特征融合方法，其特征在于，所述将所述滤除后的低层细节特征与所述高层语义特征进行拼接，执行卷积操作，利用第二激活函数得到当前的候选特征，具体包括：

利用第二激活函数tanh以及公式f^n′＝tanh(W_h(fⁿ，f^n-1′))得到所述当前的候选特征；

其中，W_h为相应卷积的权重，f^n’为当前的候选特征。

5.根据权利要求4所述的一种基于门控机制的特征融合方法，其特征在于，所述利用所述更新门控信号对所述低层细节特征和所述当前的候选特征进行选择性融合，得到融合特征，具体包括：

利用公式f^GF＝z⊙f^n-1+(1-z)⊙f^n′得到融合特征；

其中，f^GF表示融合特征。