[发明专利]卷积神经网络结构、目标检测方法及装置

权利要求书

1.一种目标检测方法，其特征在于，采用卷积神经网络结构来进行目标检测，该卷积神经网络结构包括：输入层、特征提取结构以及多个目标解析层，所述特征提取结构包括多个依次级联的卷积结构层；而所述目标检测方法包括：

通过所述输入层接收待检测的原始图片，并对该原始图片进行预处理，以得到特征图像；

通过所述特征提取结构的多个卷积结构层对所述特征图像进行逐层卷积计算；

通过所述多个目标解析层分别从所述特征提取结构的不同层级获取特征图像，并对获取的特征图像的特征进行分类和回归，以得到检测目标在原始图片中的位置信息以及对应的检测框的尺寸信息；其中，每一所述目标解析层被训练为检测预设尺寸范围的检测目标，不同的目标解析层对应不同的预设尺寸范围；

所述特征提取结构还包括至少两个特征融合层；所述通过所述特征提取结构的多个卷积结构层对所述特征图像进行逐层卷积计算的步骤之后还包括：

通过所述至少两个特征融合层将至少两个不同层级的卷积结构层输出的特征图像进行特征融合以得到融合特征图像，其中，所述至少两个特征融合层输出的融合特征图像的尺寸依次减小；

所述目标解析层从所述特征提取结构获取的特征图像是所述特征融合层输出的融合特征图像或所述卷积结构层输出的特征图像。

2.根据权利要求1所述的目标检测方法，其特征在于，所述特征融合层包括一上采样子层、一拼接子层以及至少两个卷积子层；

所述通过所述至少两个特征融合层将至少两个不同层级的卷积结构层输出的特征图像进行特征融合以得到融合特征图像的步骤包括：

通过所述上采样子层对待融合的两个特征图像中尺寸较小的特征图像执行上采样操作，使得待融合的两个特征图像尺寸相同；

通过所述拼接子层将调整为相同尺寸后的两个特征图像进行拼接，以得到拼接特征图像；

通过所述至少两个卷积子层对所述拼接特征图像进行逐层卷积计算，以得到对应的融合特征图像。

3.根据权利要求1所述的目标检测方法，其特征在于，每一所述特征融合层用于将其他所述特征融合层输出的融合特征图像或一所述卷积结构层输出的特征图像与其他所述卷积结构层输出的特征图像进行特征融合，以输出另一融合特征图像。

4.根据权利要求3所述的目标检测方法，其特征在于，所述至少两个特征融合层包括第一特征融合层以及第二特征融合层；

所述通过所述至少两个特征融合层将至少两个不同层级的卷积结构层输出的特征图像进行特征融合以得到融合特征图像的步骤包括：

通过所述第一特征融合层将特征提取结构的第N层以及第L层的两个卷积结构层输出的特征图像进行融合，以得到第一融合特征图像，其中，N小于L，L小于或等于卷积结构层的总个数；

通过所述第二特征融合层将特征提取结构的第M层的卷积结构层输出的特征图像以及所述第一特征融合层输出的特征图像进行融合，以得到第二融合特征图像，其中N大于M。

5.根据权利要求1所述的目标检测方法，其特征在于，每一所述卷积结构层包括两个第一卷积层以及一残差层，所述卷积结构层的残差层将对应两个第一卷积层的输出的特征图像输出给与该卷积结构层连接的下一层结构。

6.根据权利要求1所述的目标检测方法，其特征在于，所述输入层包括至少两个依次级联的卷积池化层；每一所述卷积池化层包括一第二卷积层以及一最大池化层。