[发明专利]一种小目标敏感的车辆检测系统

权利要求书

1.小目标敏感的车辆检测系统，其特征在于，包括数据模块、网络结构模块、系统配置模块、训练模块、测试模块、功能支撑模块、日志采集模块、效果分析模块、检测模块和交互模块；

数据模块：用于存储图片和标注数据，实现对图像和标注信息的预处理工作，并把处理好的数据传给训练模块和测试模块；

网络结构模块：主要包含特征提取网络和检测网络；特征提取网络采用PVANET；检测网络是基于R-FCN，去掉了全连接层，使用的是全卷积网络对车辆进行预测；网络结构模块的基本流程如下：第一步，输入一张完整的图片；第二步，图片由五个卷积组进行特征提取，特征提取网络采用的是PVANET，主要包含C.ReLU、Inception、残差结构以及并行结构；第三步，把第四个卷积组的输出作为RPN的输入，RPN的输出是一组候选框；第四步，在第五个卷积层中引出两个分支通道分别进行卷积得到回归得分特征图和分类得分特征图，和第三步得到的候选框一起输入到小目标池化层中；第五步，通过投票机制进行预测，得到最终的分类和回归结果；

系统配置模块：用于定义系统训练或测试时的参数；

训练模块：用于完成网络的训练；通过网络计算预测值，然后对比预测值和真实值；通过损失函数计算损失值，然后损失值进行反向传播对网络进行更新；通过不断的更新卷积核的权重以达到使损失函数最小；本系统把训练的配置和复杂的流程全部封装起来，用户只需在终端输入命令即可开始训练；

测试模块：用于完成效果测试功能，包括速度和精度的测试，把测试过程的细节和配置全部封装起来，用户只需在终端输入一行命令即可开始测试；

功能支撑模块：用于提供对逻辑部分和网络结构部分的功能支撑，表现形式为封装好的层文件或包；

日志采集模块：用于完成对训练和测试过程中重要信息的采集和记录；该模块不需要用户显式地调用，系统会在训练或测试过程自动执行；

效果分析模块：用于对测试结果和日志采集到的数据进行性能上的分析；

检测模块：完成对输入图片的检测；

交互模块：用于提供图形化的界面和命令行工具，完成对逻辑部分的封装，增加系统的易用性，同时会对用户的权限做出验证，也包含注册登录的功能。

2.根据权利要求1所述的小目标敏感的车辆检测系统，其特征在于，在小目标池化层中，

第一步：设定候选框高和宽的阈值作为分类标准；

第二步：对接收到的候选框按阈值进行分类，凡是候选框的高或者宽小于阈值的，将其归类为小候选框，高和宽都大于阈值的，将其归类为正常候选框；

第三步：对正常候选框按照感兴趣区域池化操作进行处理，对于小候选框，先将其对应的回归和得分特征图进行反卷积扩大两倍，然后在新的回归和得分特征图上位置敏感的进行感兴趣区域池化操作，把所有的输出都统一送入检测模块中；得到一个分类得分和一个回归得分；

上述过程由如下公式表达：

y(i,j)＝F(z^*)                                (1)

z^*＝deconv(z,proposal)                               (2)

其中，y(i,j)表示经过感兴趣池化操作后得到的结果，z是特征提取网络计算出的得分图，deconv(z)是对z进行反卷积操作，proposal为RPN生成的候选框，这些候选框的尺寸是判断条件，当候选框的边小于系统设定的阈值时进行反卷积操作，否则直接令z*＝z；z*是SSpooling输入得分图，包括位置得分图或分类得分图，F(z*)是感兴趣区域池化操作的过程。

3.根据权利要求1所述的小目标敏感的车辆检测系统，其特征在于，本系统网络结构模块的投票机制方法如下：

平均池化是求区域内权重的平均值，最大池化是求区域内的最大值；将平均池化和最大池化投票的结果进行融合，采用一种新的计算得分方式：

S＝α×S_ave+(1-α)×S_max                           (3)

其中，S是得分结果，S_ave是平均池化的结果，S_max是最大池化的结果，α是权重。