[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

说明书

本发明提供了一种平滑传递语义信息的多尺度目标检测方法及系统，涉及计算机视觉技术领域，能够改善或防止深层网络的退化，完整高效地提取图像特征，使得像素分类更加准确；该方法包括：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、将区域建议映射到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；第二阶段目标检测网络整合了引入平衡系数的交叉熵损失函数；残差块的卷积层在卷积过程中进行特征图像切割再重组操作。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种平滑传递语义信息的多尺度目标检测方法及系统。

背景技术

近年来，计算机视觉在深度学习的支持下蓬勃发展，目标检测在计算机视觉的许多领域都显示出极大的实用价值和研究价值。早些年提出的许多目标检测方法都是基于人工设计的特征构建。这些检测器的缺点是缺乏通用性。目前，越来越多的基于卷积神经网络(CNN)的检测模型被提出。通过与CNN相结合，目标检测器通过处理复杂的任务显示出强大的能力。有两种检测器：(1)一阶段法和(2)二阶段法。对于使用二阶段法的目标检测器而言，在第一阶段中，检测器试图找到一组包含对象的候选盒。在第二阶段中，这些框将被用来为以后的分类和回归引入重要的语义信息。二阶段法在PASCAL VOC和MS COCO上获得了比一阶段法更高的准确度。在一阶段法中，目标分类和边界框回归被合并为一步操作同时进行。2017年，Faster R-CNN中提出了一种名为Region Proposal Network(RPN，区域建议网络)的新框架检测器，区域建议网络将负责在第一阶段找出Region Of Interest(ROI，感兴趣区域)，并将结果输入到第二阶段中，进行精细化的回归。在一阶段法中，目标检测是一种回归，而不是分类任务。You Look Only Once(YOLO)分类任务将输入图像分割成多个部分来预测目标。Single Shot Detector(SSD)将来自不同层次的特征合并在一个检测器中进行目标预测。与YOLO相比，SSD的性能更好。然而，上述一阶段法和两阶段法都有一些不足之处。目前流行的方法的主要缺陷是对多尺度目标不敏感。首先，在大多数检测数据集中，目标的尺度变化很大。更糟糕的是，有一些极大或极小的物体。这种尺度变化将使检测器难以考虑不同的尺度，从而削弱这些检测器的精度。这些方法在训练开始时都需要对输入图像进行小尺寸重塑，不可避免地会丢失一些语义信息，在后续的卷积过程中会丢失更多的信息。其次，现有数据集中存在类不平衡问题。容易分类的样本数量远远多于难以分类的样本。因此，检测器不够健壮，泛化性不高。

因此，有必要研究一种平滑传递语义信息的多尺度目标检测方法来应对现有技术的不足，以解决或减轻上述一个或多个问题。

发明内容

有鉴于此，本发明提供了一种平滑传递语义信息的多尺度目标检测方法及系统，能够改善或防止深层网络的退化，完整高效地提取图像特征，使得像素分类更加准确。

一方面，本发明提供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，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。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，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；