[发明专利]一种平滑传递语义信息的多尺度目标检测方法及系统

权利要求书

1.一种平滑传递语义信息的多尺度目标检测方法，采用二阶段法实现，其特征在于，所述方法的步骤包括：

S1、构建将ReLU层置于卷积层之前的残差块；

S2、采用S1的残差块构建第一阶段主干网络；

S3、用S2构建的第一阶段主干网络对图像进行特征提取得到特征图；

S4、将S3中得到的特征图输入第二阶段目标检测网络中进行处理，得到区域建议；

S5、将S4中的区域建议映射到S3中的特征图上获得感兴趣区域，并通过ROI Align处理得到目标检测结果。

2.根据权利要求1所述的平滑传递语义信息的多尺度目标检测方法，其特征在于，所述第二阶段目标检测网络包括区域建议网络和分类器，所述区域建议网络和所述分类器中均整合了交叉熵损失函数；

所述交叉熵损失函数为：

其中，α为平衡系数，α∈[0,1]；

y∈±1，表示真实值；

p∈[0,1]，表示模型对标签为y＝1的类的概率估计。

3.根据权利要求1所述的平滑传递语义信息的多尺度目标检测方法，其特征在于，步骤S1中残差块的卷积层在卷积过程中进行特征图像切割再重组。

4.根据权利要求3所述的平滑传递语义信息的多尺度目标检测方法，其特征在于，所述残差块的卷积层的工作内容具体为：将特征图划分为多个具有相同维度的组，进行SAME卷积操作，然后对所有组的卷积输出结果进行拼接作为该卷积层的输出结果。

5.根据权利要求1所述的平滑传递语义信息的多尺度目标检测方法，其特征在于，步骤S1中的残差块包括三个卷积层。

6.根据权利要求5所述的平滑传递语义信息的多尺度目标检测方法，其特征在于，步骤S2中第一阶段主干网络包括164层卷积层，具体包括四个阶段共54个所述残差块的162层卷积层和用于对图片进行尺寸调整的两层卷积层。

7.根据权利要求1所述的平滑传递语义信息的多尺度目标检测方法，其特征在于，步骤S4的具体内容包括：采用滑动窗口法对特征图进行锚框提取，再分为两条路线，一条路线通过SoftMax预测是正锚的概率，另一条路线通过回归初步确定预选框；然后在每个预选框中预测正锚的概率，输出所述区域建议；

所述正锚具体为包含对象。

8.根据权利要求1所述的平滑传递语义信息的多尺度目标检测方法，其特征在于，步骤S5中通过ROI Align对感兴趣区域进行处理的内容包括：通过回归进一步细化感兴趣区域的边界框位置，同时通过SoftMax计算边界框中对象的类别得分进而判断出对象类别，得到所述目标检测结果。

9.根据权利要求1所述的平滑传递语义信息的多尺度目标检测方法，其特征在于，步骤S1中的残差块包括三个ReLU层，ReLU层和卷积层一一对应设置。

10.一种平滑传递语义信息的多尺度目标检测系统，其特征在于，所述系统能够实现如权利要求1-9任一所述方法的步骤；所述系统包括：

图像采集模块，用于采集图像；

第一阶段处理模块，用于对图像采集模块采集的图像进行特征提取，得到特征图；

第二阶段处理模块，用于对第一阶段处理模块得到的特征图进行处理得到区域建议；

结合模块，用于将第二阶段处理模块的区域建议映射到第一阶段处理模块的特征图上，获得感兴趣区域；

ROIAlign处理模块，用于对结合模块的感兴趣区域进行进一步处理，得到目标检测结果。