[发明专利]基于超特征融合与多尺度金字塔网络的目标检测方法

摘要

本发明涉及一种基于超特征融合与多尺度金字塔网络的目标检测方法，包括利用深度卷积神经网络提取具有不同特征信息的分层多尺度特征图；进行超特征融合；构建新的多尺度金字塔网络；根据不同层分别构建不同大小和长宽比的目标候选框；构建一个新的用于多特征提取且能够防止梯度消失的卷积模块；利用多任务损失函数对多类别分类器和边界框回归器进行联合训练优化实现图像分类和目标定位功能。本发明利用深度卷积网络对目标的特征提取能力，考虑超特征融合方法改善特征表达能力，生成了一个新的模块防止梯度消失而且能更有效地帮助训练和提取特征，构建了用于目标检测的全卷积神经网络，提高了算法的检测精度，获得了良好的目标检测结果。

主权项

1.一种基于超特征融合与多尺度金字塔网络的目标检测方法，其特征在于包括以下步骤：步骤1、利用深度卷积神经网络提取具有不同特征信息的分层多尺度特征图；步骤2、基于池化操作和反卷积操作对步骤1产生的分层多尺度特征进行维度的处理，进而利用通道维度连接方式完成超特征融合；步骤3、基于步骤2生成的融合超特征添加多个卷积层构建新的多尺度金字塔网络；步骤4、基于步骤3产生的多尺度特征图，根据不同层分别构建不同大小和长宽比的目标候选框；步骤5、构建一个新的用于多特征提取且能够防止梯度消失的卷积模块；步骤6、利用多任务损失函数对多类别分类器和边界框回归器进行联合训练优化实现图像分类和目标定位功能。