[发明专利]一种基于深度学习的目标区域检测方法

摘要

一种基于深度学习的目标区域检测方法属于计算机视觉技术领域，该方法在主要采用了retinanet检测网络。RetinaNet本质上是由resnet+FPN+两个FCN子网络组成的网络结构。这里我把backbone分别采用ResNeXt50和densenet169而代替了之前的resnet。并对retnanet网络的FPN层以及loss损失函数进行了修改，最后进行了模型的融合。该目标检测方法结合了目前主流的目标检测方法的优点，并且已经解决了一系列实际的问题。本算法在coco2017下进行了实验，性能有非常好的表现。比retinanet下的单模型以及未对模型进行改进时的结果都要好。另外在其它数据集上也具有较好的表现。

主权项

1.一种基于深度学习的目标区域检测方法，其特征在于，包括以下步骤：步骤1、获取带有标注的图像数据集，并对数据进行分析；步骤2、利用传统图像增强技术，对所有正样本的数据进行预处理，以此增加样本的数量，以及丰富数据集的内容；步骤3、用retiannet网络对经过预处理的正样本进行训练；步骤4、采用ResNeXt50或者DenseNet进行模型检测，两个模型检测的结果进行模型融合；对所有的预测框进行NMS非极大值抑制；IOU阈值设置为0.7；IOU的值就是两个预测框的交集除以两个预测框的并集的值；NMS就是对所有的框进行一一比较，如果两个框的交集大于IOU设置的阈值，则保留得分最大的框，删除另外的框。