[发明专利]一种基于多尺度特征图的目标快速检测方法

摘要

本发明公开了一种基于多尺度特征图的目标快速检测方法。包括以下步骤：首先，通过卷积神经网络自动提取多尺度特征图，避免了传统方法中复杂的特征设计及提取过程。其次，考虑到不同卷积层学习到的特征表达各不相同，提出一种有效的特征图融合方法，并通过轻量级的压缩型双线性函数来实现，以提升特征图融合效率，丰富上下文信息。在此基础上，将多尺度特征图与通道注意机制结合，突出有用信息，抑制冗余信息，进一步增强特征图的表征能力。最后，将增强后的多尺度特征图用于目标检测，通过多次迭代训练得到最优模型。相比现有技术，本发明所提方法在提升检测精度的同时尽量降低时间成本，实现了目标的快速检测，在移动机器人、自动驾驶及智能视频监控等方面具有广阔的应用前景。

主权项

1.一种基于多尺度特征图的目标快速检测方法，其特征在于包括以下步骤：步骤一：搭建卷积神经网络，以包含5组卷积层的VGG‑16模型作为基础网络，并添加多个额外的卷积层，初步提取多尺度的卷积特征图；步骤二：构建卷积特征图融合模块，将基础网络中Conv5_3层与FC7层的特征图进行融合，增加特征来源，丰富上下文信息；步骤三：使用一种压缩型双线性函数实现特征图的融合，得到融合后的特征图；步骤四：将多尺度特征图与通道注意机制结合，进一步增强特征图的判别能力；步骤五：将增强后的多尺度特征图输入检测模型，在训练阶段同时对目标位置和类别进行回归，通过多次迭代最小化损失函数，直至得到性能较好的检测模型。