[发明专利]基于卷积神经网络的物体检测方法及装置

摘要

本发明公开了一种基于卷积神经网络的物体检测方法及装置，该方法包括：获取含有物体的图片，输入卷积神经网络，得到卷积特征图；将卷积特征图聚合得到通道信息聚合图；并根据感兴趣区域位置坐标产生区域重聚焦矩阵；根据区域重聚焦矩阵结合卷积特征图对卷积神经网络进行训练，直至网络的物体检测精度收敛。本发明提供的基于卷积神经网络的物体检测方法及装置通过教师‑学生模式的训练方法训练实现，根据区域重聚焦矩阵中不同位置元素值的大小去动态地缩放惩罚学生网络和教师网络特征图之间的差异损失，促使学生网络学习更加合理的特征表达，从而训练出更加精确的单阶段物体检测神经网络。

主权项

1.一种基于卷积神经网络的物体检测方法，其特征在于，包括：获取含物体的图片，将所述图片经数据扩增处理后输入至教师网络进行前向运算，得到具有不同通道特征信息的卷积特征图，所述教师网络为能够独立完成物体检测的卷积神经网络；对所述卷积特征图进行聚合处理，得到通道信息聚合图；根据感兴趣区域位置坐标，结合所述通道信息聚合图，产生区域重聚焦矩阵；所述含物体的图片，进行相同的数据扩增处理后，同时输入学生网络进行前向运算得到卷积特征图，所述学生网络为规模小于所述教师网络的卷积神经网络；利用所述区域重聚焦矩阵结合所述教师网络和学生网络的卷积特征图对学生网络进行缩放惩罚训练，直至学生网络的物体检测精度收敛；将待检测的含有物体的图片输入学生网络，得到物体类别及位置信息。