[发明专利]可供性检测方法及相关装置

权利要求书

1.一种可供性检测方法，其特征在于，应用于可供性检测设备，所述可供性检测设备配置有预先训练的可供性检测模型，所述可供性检测模型包括多条特征提取分支以及语义编码层，所述方法包括：

通过所述多条特征提取分支获得待识别图像的多组特征图，其中，所述多组特征图携带有所述待识别图像从浅层到深层的特征信息；

将所述多组特征图中的深层特征图输入到所述语义编码层，获得所述多组特征图各自的权重；

根据所述多组特征图各自的权重，将所述多组特征图与所述待识别图像的参考特征图融合成增强特征图；其中，所述参考特征图携带有所述待识别图像的空间结构信息；

将所述增强特征图进行解码，获得所述待识别图像的可供性检测结果。

2.根据权利要求1所述的可供性检测方法，其特征在于，所述根据所述多组特征图各自的权重，将所述多组特征图与所述待识别图像的参考特征图融合成增强特征图，包括：

根据所述多组特征图各自的权重，将所述多组特征图按照以下方式融合成融合特征图：

式中，表示所述融合特征图，F包括所述多组特征图，表示将所述多组特征图与所述多组特征图各自的权重系数进行加权求和；

将所述融合特征与所述参考特征图进行融合，获得所述增强特征图。

3.根据权利要求1所述的可供性检测方法，其特征在于，所述将所述多组特征图中的深层特征图输入到所述语义编码层，获得所述多组特征图各自的权重，包括：

通过所述语义编码层采用NetVLAD的方式对所述深层特征图进行编码，获得全局特征；

将所述全局特征按照以下方式，转换为所述多组特征图各自的权重系数：

式中，e包括所述多组特征图各自的权重系数，表示V的归一化结果，V表示所述全局特征，表示通过全连接层将转换为c×1×1的向量，c与所述多组特征图的数量相对应，σ表示sigmoid函数。

4.根据权利要求1所述的可供性检测方法，其特征在于，所述可供性检测模型还包括残差网络层，所述残差网络层包括与所述多条特征提取分支一一对应的多个残差单元，所述通过所述多条特征提取分支获得待识别图像的多组特征图，包括：

获取所述待识别图像；

将所述待识别图像输入所述残差网络层，获得由所述多个残差单元输出的多组初始特征图；

将所述多组初始特征图按照所述对应关系输入到所述多条特征提取分支，获得所述待识别图像的多组特征图。

5.根据权利要求4所述的可供性检测方法，其特征在于，所述可供性检测模型包括4条分支，分别表示为b₁,b₂,b₃,b₄，其中，分支b₁表示用于传输所述参考特征图的直连分支，b₂,b₃,b₄表示所述多条特征提取分支；

所述将所述多组初始特征图按照所述对应关系输入到所述多条特征提取分支，获得所述待识别图像的多组特征图，包括：

将3组初始特征图分别输入特征提取分支b₂,b₃,b₄；

针对每条特征提取分支，通过以下方式与剩余的特征提取分支进行特征融合，获得对应的特征图：

式中，y_i表示特征提取分支b_i输出的一组特征图，f_ij(x_j)表示将特征提取分支b_j输出的一组待融合特征图x_j与特征提取分支b_i输出的一组待融合特征图进行融合之前需要进行的采样处理，2×(i-j)times↓表示需要对x_j进行下采样倍数；2×(j-i)times↑表示需要对x_j进行上采样倍数。