[发明专利]一种基于深度学习的多专项目标检测算法

摘要

本发明公开了一种基于深度学习的多专项目标检测算法，所述目标检测算法的检测模型框架主要包括RoI生成模块和多专项通道模块；所述目标检测算法通过多尺度滑动窗口和选择性搜索得到增广的RoI集，还以穷举的方式接手多尺度滑动窗口生成密集的RoI集；所述目标检测算法通过设计多专项通道网络，每个专项通道网络负责检测一种类型的RoI，每个专项网络都有相同形式的全连接层。本发明利用了两种策略来提升性能，这两种策略在不同的方面增强了检测模型的性能，设计了与形状类别相关的多专项通道检测；使用选择性搜索进一步生成增广的RoI数据集提供给网络进行训练。

主权项

1.一种基于深度学习的多专项目标检测算法，其特征在于，所述目标检测算法的检测模型框架主要包括RoI生成模块和多专项通道模块；其中的数据集能提高网络模型的检测精度和鲁棒性；所述RoI生成模块的功能为：所述目标检测算法通过多尺度滑动窗口和选择性搜索得到增广的RoI集，在通过选择性搜索生成相对稀疏的RoI集的基础上，还以穷举的方式接手多尺度滑动窗口生成密集的RoI集；所述多专项通道模块的功能为：所述目标检测算法不采用单通道的RoI检测网络流形，而是通过设计多专项通道网络，每个专项通道网络负责检测一种类型的RoI，每个专项网络都有相同形式的全连接层；所述目标检测算法采用三种RoI形状，分别是水平伸长，正方形和垂直伸长，根据多尺度滑动窗口寻找具有不同纵横比的区域，使用了高宽比为[3:1,1:1,1:3]的比例来覆盖正方形和细长的目标。